資源描述：
《基于SVM的多源信息復(fù)合的高空間分辨率遙感數(shù)據(jù)分類研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第10卷第1期遙感學(xué)報(bào)Vo.l10,No.12006年1月JOURNALOFREMOTESENSINGJan.,2006文章編號(hào):1007-4619(2006)01-0049-09基于SVM的多源信息復(fù)合的高空間分辨率遙感數(shù)據(jù)分類研究張錦水,何春陽(yáng),潘耀忠,李京(北京師范大學(xué)環(huán)境演變與自然災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室,北京師范大學(xué)資源學(xué)院,北京100875)摘要:遙感圖像尤其是高空間分辨率(1)4m)遙感圖像在土地利用和土地覆蓋變化方面有著廣闊的應(yīng)用前景,傳統(tǒng)高空間分辨率遙感圖像信息提取方法存在精度和分類效率低的不足。本文提出的基于SVM的分類方法,復(fù)合光譜、紋理和結(jié)構(gòu)信
2、息等多源數(shù)據(jù)信息,對(duì)IKONOS高空間分辨率圖像進(jìn)行分類,并與最大似然法和單源數(shù)據(jù)(光譜)SVM分類結(jié)果進(jìn)行定性和定量比較分析。研究結(jié)果表明,多源數(shù)據(jù)復(fù)合的SVM高空間分辨率遙感圖像分類方法,能夠有效解決單源數(shù)據(jù)信息圖像分類效果破碎的問(wèn)題;總精度達(dá)到68138%,Kappa達(dá)到015993;對(duì)高維輸入向量具有高的推廣能力;比單源信息的SVM和最大似然方法圖像分類精度更高,適合高空間分辨率遙感圖像分類。關(guān)鍵詞:高空間分辨率;SVM;最優(yōu)超平面;紋理;結(jié)構(gòu)中圖分類號(hào):TP79文獻(xiàn)標(biāo)識(shí)碼:ATheHighSpatialResolutionRSImageClassific
3、ationBasedonSVMMethodwiththeMult-iSourceDataZHANGJin-shu,iHEChun-yang,PANYao-zhong,LIJing(KeyLaboratoryofEnvironmentalChangeandNaturalDisaster,MinistryofEducationofChina,BeijingNormalUniversity;CollegeofResourcesScience&Technology,BeijingNormalUniversity,Beijing100875,China)Abstract:T
4、heRSmiageshowsaverypromisingperspectiveforurbanland-coverandland-useclassification,particularlywithveryhighresolution(1)4m)satellitemiages,whilethetraditionalextractionmethodsofthehighspatialresolutionmiagehastheshortcomingsofthelowaccuracyandclassificationefficiency.Thispaperdealswit
5、hthehighspatialresolutionmiage(IKONOS)classificationbasedontheSVMmethodintegratingtheinformationofspectra,ltextureandstructure.AndcomparingtotheresultsbasedonMaxmiumLikelihoodandSVMmethodwithsingle-sourcedata,thisshowsthatthehighspatialresolutionRSmiageclassificationbasedonSVMMethodwi
6、thmult-isourcedatacansolvethemiageclassificationfragmentationwhichisbasedonthesingle-sourcedata,spectrum,andhasthegoodgeneralizationabilitywiththehighdmiensionvector.IthasmoreaccurationthanthemaxmiumlikelihoodmethodandSVMbasedonthesinglesourcedata,adaptstothehighspatialresolutionRSIma
7、geclassification.Keywords:highspatialresolution;SVM;theoptmialhyperplane;texture;structure收稿日期:2004-10-29;修訂日期:2004-12-06基金項(xiàng)目:國(guó)家高技術(shù)研究發(fā)展計(jì)劃863計(jì)劃(2003AA131080)。作者簡(jiǎn)介:張錦水(1978)),男,北京師范大學(xué)資源學(xué)院,博士,現(xiàn)從事高分辨率遙感圖像信息提取方面的研究。E-mai:lzhangjsh@ires.cn;pyz@ires.cn。50遙感學(xué)報(bào)第10卷力(即無(wú)錯(cuò)誤地識(shí)別任意樣本的能力)之間尋求最1引言佳折衷,
8、以期獲得最
