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

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

ID:38857196

大小:1.45 MB

頁(yè)數(shù):9頁(yè)

時(shí)間:2019-06-20

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_第1頁(yè)
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_第2頁(yè)
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_第3頁(yè)
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_第4頁(yè)
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_第5頁(yè)
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

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。