基于SVM的多源遥感影像分类研究

被引：13

作者：

贾萍 ^{[1
]}

李海涛 ^{[2
]}

林卉 ^{[3
]}

顾海燕 ^{[2
]}

韩颜顺 ^{[2
]}

机构：

[1] 国土资源部信息中心

[2] 中国测绘科学研究院摄影测量与遥感研究所

[3] 徐州师范大学国土信息与测绘工程系

来源：

测绘科学 | 2008年 / 04期

关键词：

支持向量机; 多源影像; 最大似然分类; 精度评价;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

本文通过分析单源遥感影像分类的现状和困难,以SAR和SPOT-5影像为实验数据,提出了基于支持向量机(Support Vector Machine,SVM)理论的多源遥感影像分类方法。研究结果表明,本文的方法能够有效地解决单源影像信息分类效果破碎的问题,正确识别地物,对高维输入向量具有高的推广能力,正确率达到94.97%,比多源影像的最大似然分类(Maximum Likelihood Classification,MLC)方法正确率更高。

引用

页码：21 / 22+7 +7

页数：3

共 7 条

[1] 基于多源遥感影像融合的影像匹配技术
刘晓龙
李英成
[J]. 测绘科学, 2007, (03) : 59 - 61+194
[2] 基于支持向量机的遥感图像分类方法
惠文华
[J]. 地球科学与环境学报, 2006, (02) : 93 - 95
[3] 基于SVM的多源信息复合的高空间分辨率遥感数据分类研究
张锦水
何春阳
潘耀忠
李京
[J]. 遥感学报, 2006, (01) : 49 - 57
[4] 关于统计学习理论与支持向量机
张学工
[J]. 自动化学报, 2000, (01) : 36 - 46
[5] 基于机器学习的高维多光谱数据分类[D]. 夏建涛.西北工业大学. 2002
[6] Classification using ASTER data and SVM algorithms;[J] . Guobin Zhu,Dan G. Blumberg.Remote Sensing of Environment . 2002 (2)
[7] A tutorial on Support Vector Machines for pattern recognition
Burges, CJC
[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) : 121 - 167

← 1 →