基于SVM方法的SPOT-5影像植被分类

被引：10

作者：

黎良财

张晓丽

郭航

机构：

[1] 省部共建森林培育与保护教育部重点实验室(北京林业大学)

来源：

东北林业大学学报 | 2014年 / 42卷 / 01期

基金：

高等学校博士学科点专项科研基金;

关键词：

影像融合; Gram-Schmidt光谱锐化法; 灰度共生矩阵; 支持向量机; 植被分类;

D O I：

10.13759/j.cnki.dlxb.2014.01.012

中图分类号：

S771.8 [森林遥感];

学科分类号：

1404 ;

摘要：

运用SPOT-5全色和多光谱影像,采用支持向量机(SVM)法对森林植被进行分类研究,探讨了SVM法的分类能力以及纹理信息在森林植被分类中的影响。结果表明:Gram-Schmidt光谱锐化法是北京山区SPOT-5影像最佳的融合方法;SVM法在高分辨率影像森林植被分类中精度较高,不同核函数对分类精度的影响不显著;基于灰度共生矩阵产生的纹理信息能够提高SVM法的分类精度,3×3窗口是提高分类精度的最佳纹理窗口。

引用

页码：51 / 56

页数：6

共 22 条

[1]

八达岭林场油松林健康评价.[D].武会欣.河北农业大学.2006, 09

[2] Fractional forest cover mapping in the Brazilian Amazon with a combination of MODIS and TM images [J].

Lu, Dengsheng ;

Batistella, Mateus ;

Moran, Emilio ;

Hetrick, Scott ;

Alves, Diogenes ;

Brondizio, Eduardo .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2011, 32 (22) :7131-7149

[3]

Mapping and monitoring of coastal wetlands of ?ukurova Delta in the Eastern Mediterranean region.[J].Süha Berberoglu;K. Tuluhan Yilmaz;Coskun ?zkan.Biodiversity and Conservation.2004, 3

[4] SPOT VEGETATION multi temporal data for classifying vegetation in south central Asia [J].