基于支持向量机的遥感影像湿地信息提取研究

被引:21
作者
姚云军
张泽勋
秦其明
邱云峰
机构
[1] 北京大学遥感与地理信息系统研究所
关键词
支持向量机; ETM+影像; 湿地信息; 提取精度;
D O I
暂无
中图分类号
TP751 [图像处理方法];
学科分类号
081002 ;
摘要
以ETM+影像数据为例,采用基于支持向量机的方法对黄河中上游区域湿地信息进行提取,并将该方法与传统的最大似然分类提取方法以及面向对象的提取方法进行对比分析。结果表明:基于支持向量机方法的提取精度高达93.57%,Kappa系数也超过了0.9,比单纯的最大似然分类方法或者面向对象的方法提取精度高得多,而且该方法操作性和实用性也很强。
引用
收藏
页码:989 / 990+995 +995
页数:3
相关论文
共 6 条
[1]   城市地区高分辨率遥感影像绿地提取研究 [J].
孙小芳 ;
卢健 ;
孙小丹 .
遥感技术与应用, 2006, (02) :159-162
[2]   基于SVM决策支持树的城市植被类型遥感分类研究 [J].
张友静 ;
高云霄 ;
黄浩 ;
任立良 .
遥感学报, 2006, (02) :191-196
[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 [J].
张锦水 ;
何春阳 ;
潘耀忠 ;
李京 .
遥感学报, 2006, (01) :49-57
[4]   一种基于支撑向量机的遥感影像不完全监督分类新方法 [J].
刘志刚 ;
史文中 ;
李德仁 ;
秦前清 .
遥感学报, 2005, (04) :363-373
[5]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297
[6]  
多源遥感影像决策级融合及其应用研究 .2 赵书河. 南京大学 . 2003