基于支持向量机的遥感图像分类研究综述

被引：186

作者：

王振武

孙佳骏

于忠义

卜异亚

机构：

[1] 中国矿业大学(北京)机电与信息工程学院

来源：

计算机科学 | 2016年 / 43卷 / 09期

关键词：

遥感图像; 分类; 支持向量机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP751 [图像处理方法];

学科分类号：

080201 [机械制造及其自动化]; 140502 [人工智能];

摘要：

遥感技术是目前用于研究地球矿产资源与能源的重要技术手段,遥感图像分类在遥感技术应用中起着关键作用。支持向量机(Support Vector Machines,SVM)是基于VC维(Vapnik-Chervonenkis Dimension)理论和结构风险最小化原理的机器学习方法,已被广泛应用于实际的遥感影像分类中。对国内外学者对此做的大量研究成果进行了系统的总结。对基于支持向量机的遥感图像分类方法进行了层次性梳理,不但纵向分析和比较了每类方法的原理及优缺点,而且对各类方法进行了横向比较和分析,较为系统和完整地概括了基于支持向量机的遥感影像分类方法的研究现状。最后指出了支持向量机算法应用于遥感图像分类的未来发展方向。

引用

页码：11 / 17+31 +31

页数：8

共 28 条

[1]

Variational Bayesian independent component analysis-support vector machine for remote sensing classification [J].

Li, Cheng-Fan ;

Yin, Jing-Yuan .

COMPUTERS & ELECTRICAL ENGINEERING, 2013, 39 (03) :717-726

[2]

Towards automatic lithological classification from remote sensing data using support vector machines.[J].Le Yu;Alok Porwal;Eun-Jung Holden;Michael C. Dentith.Computers and Geosciences.2011,

[3]

三维Gabor滤波器与支持向量机的高光谱遥感图像分类.[J].冯逍;肖鹏峰;李琦;刘小喜;吴小翠;.光谱学与光谱分析.2014, 08

[4]

利用偏态二叉树最小二乘支持向量机进行高光谱遥感影像分类 [J].