感兴趣区域遥感图像分类与支持向量机应用研究

被引：5

作者：

曾联明 ^{[1
,2
,3
]}

吴湘滨 ^{[1
]}

刘鹏 ^{[3
]}

机构：

[1] 中南大学地学与环境工程学院

[2] 佛山科学技术学院信息中心

[3] 解放军理工大学网格研究中心

来源：

计算机工程与应用 | 2009年 / 45卷 / 06期

关键词：

遥感; 图像分类; 支持向量机; 感兴趣区域;

D O I：

暂无

中图分类号：

TP751 [图像处理方法]; TP18 [人工智能理论];

学科分类号：

081002 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了基于SVM的遥感图像分类方法并构建了分类模型,该方法以唐山1∶50000TM局部图为分类数据来源,由用户选择感兴趣的区域,分别提取该区域绿地、公共用地和房屋的图像特征,并以此为训练样本进行训练,采取交叉校验的方法获得SVM的最优惩罚因子C和间隔γ参数进行图像分类。实验结果表明,此分类方法准确率高、稳定快捷,是SVM在遥感图像分类中的一个很好的应用。

引用

页码：243 / 245

页数：3

共 6 条

[1] 基于证据理论的遥感图像分类方法探讨 [J].

邓文胜 ;

邵晓莉 ;

刘海 ;

万诰方 ;

许亮 .

遥感学报 , 2007, (04) :568-573

[2] 基于支持向量机的遥感图像分类方法 [J].

惠文华 .

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 [J].

张锦水 ;

何春阳 ;

潘耀忠 ;

李京 .

遥感学报, 2006, (01) :49-57

[4] 一种新的基于二叉树的SVM多类分类方法 [J].

孟媛媛 ;

刘希玉 .

计算机应用, 2005, (11) :2653-2654+2657

[5] 关于统计学习理论与支持向量机 [J].

张学工 .

自动化学报, 2000, (01) :36-46

[6]

Polarimetric Synthetic Aperture Radar Image Classification by a Hybrid Method[J] . Kamran Ullah Khan,Jian Yang.Tsinghua Science ＆ Technology . 2007 (1)

← 1 →