資源描述:
《【論文】基于svm的土地覆蓋遙感分類研究》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于SVM的土地覆蓋遙感分類研究1引言32傳統(tǒng)的遙感分類方法32.1最大似然法42.2最小距離法43SVM基本原理53.1SVM基本算法63.1.1線性可分的SVM63.1.2非線性SVM73.2SVM分類器參數(shù)估計83.3SVM分類器多類問題84土地覆蓋遙感分類實(shí)驗84.1試驗區(qū)概況84.2數(shù)據(jù)及處理94.3遙感圖像的傳統(tǒng)方法分類114.4遙感圖像SVM分類134.5實(shí)驗結(jié)果分析155結(jié)論15參考文獻(xiàn)1717基于SVM的土地覆蓋遙感分類研究基于SVM的土地覆蓋遙感分類研究摘要:在目前的遙感分類中,最常用的方法是傳統(tǒng)的最小距離法和最大似然法,其分類結(jié)果由于分類方法本身的問題及遙感圖像的
2、空間分辨率以及“同物異譜”,“同譜異物”現(xiàn)象的存在,而往往出現(xiàn)較多的錯分、漏分情況,導(dǎo)致分類精度不高。支持向量機(jī)(SupportVectorMachine,SVM)是基于研究小樣本情況下機(jī)器學(xué)習(xí)規(guī)律的統(tǒng)計學(xué)習(xí)理論的新的機(jī)器學(xué)習(xí)方法,它以結(jié)構(gòu)風(fēng)險最小化為準(zhǔn)則,對實(shí)際應(yīng)用中有限訓(xùn)練樣本的問題,表現(xiàn)出很多優(yōu)于已有學(xué)習(xí)方法的性能。本文通過對TM圖像的土地覆蓋進(jìn)行傳統(tǒng)方法分類與SVM分類的對比實(shí)驗,結(jié)果表明SVM總體分類精度為98.5610%,kappa系數(shù)為0.9610,具有更高的分類精度。關(guān)鍵詞:SVM;土地覆蓋;遙感分類;TM17基于SVM的土地覆蓋遙感分類研究LandCoverClass
3、ificationfromRemoteSensingImageUsingSupportVectorMachinesAbstract:Inthecurrentremotesensingimageclassification,themostcommonlyusedmethodisthetraditionalmethodsuchastheminimumdistanceandthemaximumlikelihoodmethod.However,duetothelimitationoftheclassificationmethods,theinherentfeatureofspatialreso
4、lutionofremotesensingimagessuchas"withsynonymsspectrum"and"foreignbodyinthesamespectrum",mistakesandomissioninclassificationoccuroften,resultinginclassificationaccuracyisnothigh.SVM(SupportVectorMachine,SVM)isanewmachinelearningmethodbasedonthelawsofstatisticallearningtheoryforsmallsamplecase,wh
5、ichfollowingtheguidelinesforstructuralriskminimization.Onthepracticalapplicationofthelimitedtrainingsamples,SVMhaveshownbetterperformancethanlearningmethods.InthispaperbasedontheTMimageofthetraditionalmethodsofland-coverclassificationandSVMclassificationexperiments,theoverallresultsshowthattheSV
6、Mclassificationaccuracyof98.5610%,kappacoefficientof0.9610,withahigherclassificationaccuracy.Keywords:SupportVectorMachine;Landcover;Remotesensingimageclassification;TM17基于SVM的土地覆蓋遙感分類研究1引言在遙感應(yīng)用中,通過遙感圖像處理和判讀來識別各種地物是一個主要的工作目的,無論是地物信息提取、土地動態(tài)變化監(jiān)測,還是專題地圖制作和遙感圖像庫的建立等都離不開分類。遙感圖像的計算機(jī)分類,是對遙感圖像上的地物進(jìn)行屬性的識
7、別和分類,是模式識別技術(shù)在遙感技術(shù)領(lǐng)域中的具體運(yùn)用。常見的模式識別技術(shù)主要包括監(jiān)督分類和非監(jiān)督分類。非監(jiān)督分類憑借遙感圖像上地物的光譜特征,即自然聚類的特性進(jìn)行分類。分類結(jié)果只是區(qū)分了存在的差異,不能確定類別的屬性。類別的屬性需要通過目視判讀或?qū)嵉卣{(diào)查后確定。監(jiān)督分類利用對研究區(qū)的實(shí)地調(diào)查資料,從已經(jīng)知道的訓(xùn)練樣區(qū)中計算出實(shí)際地區(qū)的光譜統(tǒng)計數(shù)據(jù)作為圖像分類的判別依據(jù),并以此對整個圖像的像元做判別處理,使得具有相似光譜特征并滿足一定判別規(guī)則的像元