SVM和ANN在多光谱遥感影像分类中的比较研究

被引：40

作者：

李颖 ^{[1
,2
]}

李耀辉 ^{[3
]}

王金鑫 ^{[3
]}

张成才 ^{[3
]}

机构：

[1] 中国气象局河南省农业气象保障与应用技术重点实验室

[2] 河南省气象科学研究所

[3] 郑州大学水利与环境学院

来源：

海洋测绘 | 2016年 / 36卷 / 05期

关键词：

多光谱遥感; 影像分类; 支持向量机; 人工神经网络; 纹理;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术];

学科分类号：

070404 [天体测量学];

摘要：

首先利用支持向量机(SVM)和人工神经网络(ANN)对Landsat 8 OLI多光谱影像进行基于光谱信息的土地利用监督分类;然后,对多波段进行主成分变换,提取第一主成分的主要纹理信息,与光谱信息一起进行融合光谱和纹理信息的SVM和ANN影像监督分类。对比分析发现:对中原地区,SVM是Landsat 8多光谱遥感影像分类的较优方法,尤其适用于农业用地信息提取;光谱分类即可达到较高精度,纹理信息对提高分类精度的作用十分有限。

引用

页码：19 / 22

页数：4

共 9 条

[1]

遥感图像智能处理.[M].李朝锋; 曾生根; 许磊; 著.电子工业出版社.2007,

[2]

Support vector machines in remote sensing: A review.[J].Giorgos Mountrakis;Jungho Im;Caesar Ogole.ISPRS Journal of Photogrammetry and Remote Sensing.2010, 3

[3]

Impacts of imagery temporal frequency on land-cover change detection monitoring [J].