Mixed KPCA结合纹理特征的SVM盐碱土信息提取

被引：2

作者：

崔林林 ^{[1
,2
]}

罗毅 ^{[1
]}

包安明 ^{[1
]}

李春轩 ^{[1
,2
]}

机构：

[1] 中国科学院新疆生态与地理研究所

[2] 中国科学院研究生院

来源：

计算机工程与应用 | 2012年 / 27期

关键词：

混合核主成分分析; 纹理特征分析; 支持向量机; 盐碱土;

D O I：

暂无

中图分类号：

TP751 [图像处理方法]; P642.13 [特殊土质];

学科分类号：

081002 ; 0814 ;

摘要：

核函数是核主成分分析(Kernel Principal Component Analysis,KPCA)的核心,目前使用的核函数都是单一核函数。尝试通过将光谱角径向基核函数(Spectral Angle Radial Basis Function,SA-RBF)与RBF组合形成混合核函数。在研究中,利用基于该混合核函数的KPCA进行特征提取,将其光谱特征波段和纹理特征相结合用于盐碱土的SVM分类,将分类结果与其他SVM分类进行比较,结果表明:该方法优于其他SVM方法,能有效提取玛纳斯河流域绿洲区的盐碱土专题信息,分类精度是89.000%,kappa系数是0.876。

引用

页码：211 / 216

页数：6

共 18 条

[1] 结合KPCA和多尺度纹理的IKONOS遥感影像决策树分类 [J].