基于K型支持向量机的遥感图像分类新算法

被引：8

作者：

王静

何建农

机构：

[1] 福州大学数学与计算机科学学院

来源：

计算机应用 | 2012年 / 32卷 / 10期

关键词：

K型核函数; 支持向量机; 纹理特征; 灰度共生矩阵; 遥感图像分类;

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：

为了提高遥感图像的分类精度和识别速度,提出了一种基于K型支持向量机(SVM)的遥感图像分类新算法,该算法将灰度共生矩阵提取的纹理特征与光谱特征相结合进行分类。对两组Landsat ETM+数据进行分类仿真实验,结果表明,在多光谱遥感图像的分类中,新算法提高了分类效率、分类精度和泛化能力,K型SVM是一种优于径向基函数SVM的分类器。

引用

页码：2832 / 2835+2839 +2839

页数：5

共 14 条

[1]

计算机图像处理与分析.[M].贾永红编著;.武汉大学出版社.2001,

[2] 基于一类支持向量机的高光谱影像地物识别 [J].