基于支持向量機(jī)的遙感影像分類研究.pdf

1、隨著計算機(jī)技術(shù)的迅速發(fā)展,遙感影像的計算機(jī)自動分類技術(shù)開始被人們所重視起來,并大大提高了影像分類的質(zhì)量、精度和效率.但是基于傳統(tǒng)的遙感影像分類方法對遙感影像解譯分類主要是利用遙感影像中像元灰度值的統(tǒng)計規(guī)律來進(jìn)行,其分類的結(jié)果的精度受到訓(xùn)練樣本數(shù)目和算法自身的分類模型算法的限制.
　　支持向量機(jī)分類理論是建立在統(tǒng)計學(xué)習(xí)理論中的VC維和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上用以研究小樣本情況下機(jī)器分類方法,在實(shí)際的遙感影像分類應(yīng)用中表現(xiàn)出較好的適用性

2、.本文在中德科技合作與交流項(xiàng)目(2007DFB70200)和山東省自然科學(xué)基金(Y2008E10)的資助下,圍繞基于支持向量機(jī)的遙感影像分類方法來展開研究的.
　　本文采用了支持向量機(jī)分類算法并結(jié)合影像光譜特征提取的方法進(jìn)行遙感影像分類研究,在文中構(gòu)建了5類支持向量機(jī)分類模型,并選取了三組不同數(shù)目的樣本類型進(jìn)行分類實(shí)驗(yàn)根據(jù)分類效果選擇一個最優(yōu)分類模型.最后將分類效果與傳統(tǒng)的機(jī)器分類算法的分類結(jié)果進(jìn)行對比研究.
　　對比研究結(jié)

3、果顯示支持向量機(jī)分類算法在三組訓(xùn)練樣本的條件下均表現(xiàn)出較高的分類精度,其總體分類精度均高于85％,KAPPA系數(shù)均高于0.8;在樣本數(shù)量發(fā)生變化的情況下,支持向量機(jī)分類算法的分類精度變化幅度最小,表現(xiàn)出了良好的適應(yīng)性.
　　研究發(fā)現(xiàn)支持向量機(jī)分類算法能夠很好的支持小樣本訓(xùn)練和分類處理;根據(jù)不同情況合理調(diào)整核函數(shù),對不同分類試驗(yàn)具有很好的適應(yīng)性;可以有效的避免“過學(xué)習(xí)”現(xiàn)象的產(chǎn)生,具有一定的算法優(yōu)勢.作為遙感影像分類研究中的重要方法