基于OLI影像多参数设置的SVM分类研究

被引：10

作者：

高燕 ^{[1
,2
,3
,4
]}

周成虎 ^{[2
]}

苏奋振 ^{[2
]}

机构：

[1] 信息工程大学地理空间信息学院

[2] 中国科学院地理科学与资源研究所

[3] 中国天绘卫星中心

[4] 中国南海研究协同创新中心

来源：

测绘工程 | 2014年 / 23卷 / 06期

关键词：

支持向量机; 核函数; 机器学习; 分类; OLI影像; 多特征;

D O I：

10.19349/j.cnki.issn1006-7949.2014.06.001

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

在遥感影像自动分类中仅使用光谱特征很难产生正确的分类,OLI影像是波段数较多的多光谱影像,如果增加纹理、几何等多种特征以提高分类精度,就会使得特征的维度很高。支持向量机善于解决小样本、非线性和高维的影像分类问题,但是核函数和参数的设置只能依靠实验来获得。文中在OLI影像中提取了23个特征,逐个测试核函数和参数值对分类结果的影响。研究的主要结论如下:RBF核的支持向量机分类精度最高,Sigmoid核支持向量机分类精度最低;核函数的选择对分类精度的影响最大;核函数和参数值的变化不会影响重要特征的使用,3种核的支持向量机分类所使用的重要特征基本一致。

引用

页码：1 / 5+10 +10

页数：6

共 10 条

[1] 机器学习中特征选问题研究.[D].孙鑫.吉林大学.2013, 08
[2] 基于机器学习的土地覆盖遥感信息提取方法研究.[D].杨晨.吉林大学.2010, 08
[3] 高光谱遥感图像数据分类技术研究.[D].吴昊.国防科学技术大学.2004, 11
[4] 机器学习理论与算法.[M].张燕平; 等编著.科学出版社.2012,
[5] 基于Clementine的数据挖掘.[M].薛薇等 ; 编著.中国人民大学出版社.2012,
[6] 数据挖掘算法与Clementine实践.[M].熊平; 主编.清华大学出版社.2010,
[7] 面向对象分类提取高分辨率多光谱影像建筑物
谭衢霖
高姣姣
[J]. 测绘工程, 2010, 19 (04) : 30 - 33+38
[8] 结合纹理的SVM遥感影像分类研究
陈波
张友静
陈亮
[J]. 测绘工程, 2007, (05) : 23 - 27
[9] 应用SVM算法进行TM多光谱图像地物分类
刘治国
[J]. 信息技术, 2007, (05) : 105 - 108
[10] SVM在多源遥感图像分类中的应用研究
何灵敏
沈掌泉
孔繁胜
刘震科
[J]. 中国图象图形学报, 2007, (04) : 648 - 654

← 1 →