基于SVM的多源遙感影像分類研究

《基于SVM的多源遙感影像分類研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、維普資訊http://www.cqvip.com3卷第4期測繪科學(xué)Vol_33No．4D8年7月ScienceofSurveyingandMappingJu1．基于SVM的多源遙感影像分類研究賈萍①，李海濤②，林卉③，顧海燕②，韓顏順②(①國土資源部信息中心，北京100812；②中國測繪科學(xué)研究院攝影測量與遙感研究所，北京100039；③徐州師范大學(xué)國土信息與測繪工程系，江蘇徐州221116)【摘要】本文通過分析單源遙感影像分類的現(xiàn)狀和困難，以SAR和SPOT-5影像為實驗數(shù)據(jù)，提出了基于支持向量機(jī)(Suppo~VectorMachine，SVM)

2、理論的多源遙感影像分類方法。研究結(jié)果表明，本文的方法能夠有效地解決單源影像信息分類效果破碎的問題，正確識別地物，對高維輸入向量具有高的推廣能力，正確率達(dá)到94．97％，比多源影像的最大似然分類(MaximumLikelihoodClassification，MLC)方法正確率更高?！娟P(guān)鍵詞】支持向量機(jī)；多源影像；最大似然分類；精度評價【中圖分類號】TP75【文獻(xiàn)標(biāo)識碼】A【文章編號】1009—2307(2008)04·00213DoI：10．3771／j．issn．1009—2307．2008．04．006用SVM對單源高空間分辨率影像的多源信息進(jìn)

3、行了分引言類。這些實例表明，SVM可以有效地應(yīng)用于遙感圖像分目前，遙感正朝著三高(高空間分辨率、高光譜分辨率、類，由此，本文進(jìn)行了基于SVM的多源遙感影像分類『相分辨率)和三多(多傳感器、多平臺、多角度)方向迅研究。：展，獲取的數(shù)據(jù)也日益浩繁。面對如此豐富信息源和海2基于SVM的多源遙感影像分類方法7數(shù)據(jù)，如何加以充分有效地利用是亟待解決的問題。各[據(jù)挖掘技術(shù)由此應(yīng)運而生，其中應(yīng)用于土地利用和土地2．1支持向量機(jī)原理變化等方向的影像分類技術(shù)成為研究的熱點之一。SVM的基本思想是國內(nèi)外許多學(xué)者對光學(xué)遙感影像分類進(jìn)行了廣泛研究，尋找一個分類超平面使得統(tǒng)

4、的基于圖像數(shù)據(jù)統(tǒng)計特性的最小距離法、最大似然訓(xùn)練樣本中的兩類樣本能；；有基于地物特性的光譜角度填圖法等；有基于目標(biāo)被分開，并且距離該平面!的神經(jīng)網(wǎng)絡(luò)分類法、決策樹分類法等。雖然這些方法盡可能地遠(yuǎn)(如圖1)。H得到了比較充分的研究和廣泛的使用，但是面對具有為最優(yōu)分類面，肌與／／2物理含義的光譜數(shù)據(jù)，尤其是高光譜數(shù)據(jù)，仍然存在之間的距離m為分類困難。比如傳統(tǒng)監(jiān)督分類方法以經(jīng)驗風(fēng)險最小化為歸間隔。圖1最優(yōu)分類面則，對訓(xùn)練樣本有很好的分類精度，但是由于理論基構(gòu)造的一個兩類問題l題，對測試樣本未必能取得好的分類結(jié)果；神經(jīng)網(wǎng)絡(luò)的最優(yōu)分類函數(shù)為：些問題尚未完全解

5、決(如訓(xùn)練速慢、易陷入局部極小點、_廠()=sgn(W·(z)+b)一gn(·)+b)：習(xí)等)，目前仍然難以廣泛應(yīng)用于影像分類中；常規(guī)決支量『與分層算法具有一定的隨意性，地物分類順序?qū)Y(jié)果(1)!大影響，往往是不可逆的J。式中，=aiy()，K(x)=()‘()。因此，為了更好地解決遙感影像分類問題，Vapnik等．為了盡量無錯誤地分開兩類，使其間隔最大，可將分統(tǒng)計學(xué)習(xí)理論提出了支持向量機(jī)(Suppo~VectorMa—類問題轉(zhuǎn)化為一個典型的二次規(guī)劃問題：e，SVM)理論，作為一種新的學(xué)習(xí)方法。該方法在解決nn．本、非線性及高維模式識別問題中表現(xiàn)出

6、許多特有的Q()=∑一÷∑∑OLioLjy‘()，()>j—i=I=I，已經(jīng)在土地覆蓋圖像分類和高光譜中得到應(yīng)用。(2)濤研究了SVM對高光譜影像的分類性能，通過對不同i數(shù)、核函數(shù)參數(shù)和樣本數(shù)量的詳細(xì)實驗，他指出核函s．t．。Y=0，0≤。≤C，i=1，．．．，：數(shù)和樣本數(shù)量對SVM的分類性能影響較大?。ZHU3ing等人利用基于SVM的算法對ASTER數(shù)據(jù)進(jìn)行了分該問題有惟一的極值，用標(biāo)準(zhǔn)Lagrange乘子法解算。：理，分類結(jié)果表明，基于SVM的方法在收斂性、訓(xùn)練解中將只有一部分不為零，對應(yīng)的樣本就是支持向量。實際求解最優(yōu)化問題和計算分類平面時

7、，只需計算核函數(shù)、分類精度等方面具有較高的性能。張錦水等則利K(·)。常用的核函數(shù)有多項式、徑向基(radiusbasisfunction，RBF)、Sigmoid等，這些核函數(shù)已被證明適合絕大作者簡介：賈萍(1979·)，女，貴州貴部分非線性分類問題。近年來，SVM在遙感影像分類陽人，碩士，主要從事遙感與地理信息中得到了廣泛的應(yīng)用，有三種成熟的多類分類算法，一對系統(tǒng)應(yīng)用研究。一法(one·against·one，OAO)，一對多法(one·against·all，E·mail：pjia@infomail．mlr．gov．cnOAA)，有向無環(huán)圖法

8、(directed·acyclic·graph，DAG)，其中OAO最適合解決多類問題J。收稿日期：2007-05-092