MNF和SVM在遥感影像计算机分类中的应用

被引：9

作者：

纪娜 ^{[1
,2
]}

李锐 ^{[1
,3
]}

李静 ^{[4
]}

机构：

[1] 西北农林科技大学资源环境学院

[2] 杨凌职业技术学院

[3] 中国科学院水利部西北水土保持所

[4] 武警工程学院

来源：

水土保持通报 | 2009年 / 29卷 / 06期

关键词：

最小噪声分离变换; 支持向量机; 黄土高原; 遥感图像分类;

D O I：

10.13961/j.cnki.stbctb.2009.06.047

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

由于黄土高原地形复杂,单纯采用监督分离变换MNF(Minimum Noise Fraction)变换得到的4个去除噪声波段、归一化植督分类方法很难获得理想的精度,以延安市区为实验区,以TM遥感图像的最小噪声被指数NDVI和该地域的DEM作为数据源,采用支持向量机SVM(Support Vector Machine)的方法对研究区土地利用与覆盖状况进行分类,获得了较理想的分类结果。

引用

页码：153 / 158

页数：6

共 16 条

[1]

土地资源遥感监测与评价方法.[M].王静; 著.科学出版社.2006,

[2]

卫星遥感图像计算机分类与地学应用研究.[M].曾志远著;.科学出版社.2004,

[3]

遥感应用分析原理与方法.[M].赵英时等编著;.科学出版社.2003,

[4]

基于支持向量机的遥感分类对比研究.[D].张森.昆明理工大学.2007, 02

[5]

支持向量机和模糊理论在遥感图像分类中的应用.[D].许磊.江南大学.2006, 02

[6]

黄土高原数字高程模型（DEM）的地形信息容量研究.[D].王雷.西北大学.2005, 03

[7] 支持向量机理论及其在遥感图像处理中的应用 [J].

丁海勇 ;

卞正富 .

计算机工程与设计, 2008, (05) :1231-1234

[8] 基于小波变换和MNF变换的遥感影像融合 [J].

李海涛 ;

顾海燕 ;

林卉 ;

韩颜顺 ;

杨景辉 .

山东科技大学学报(自然科学版), 2007, (05) :56-60

[9] 结合纹理的SVM遥感影像分类研究 [J].

陈波 ;

张友静 ;

陈亮 .

测绘工程, 2007, (05) :23-27

[10] 基于MNF和SVM的高光谱遥感影像分类研究 [J].

李海涛 ;

顾海燕 ;

张兵 ;

高连如 .

遥感信息, 2007, (05) :12-15+25+103

← 1 2 →