基于支持向量機的混合像元分解研究.pdf

1、遙感圖像分類問題一直是遙感研究中比較重要的一個分支,混合像元的存在,限制了分類精度的提高。在研究遙感圖像的分類問題中,提高遙感圖像的分類精度,混合像元分解在研究中將會起到很重要的作用,提高混合像元分解的精度,可以使準(zhǔn)確度達(dá)到亞像元級。
　　本文首先對現(xiàn)有的混合像元分解的物理模型和方法進(jìn)行介紹?；旌舷裨獑栴}若得不到很好的解決,將會給后續(xù)的遙感工作帶來較大的誤差,混合像元分解的研究工作許多學(xué)者作了深入的研究,提出了許多新的模型,新的研

2、究方法和理論,這戲理論和方法在混合像元分解中不斷得到應(yīng)用?；旌舷裨纸夤ぷ鞣譃閮刹?一是端元提取,二是利用提取的端元進(jìn)行混合像元分解研究,兩者工作都需要進(jìn)行深入的分析和總結(jié),以達(dá)到更好的分解混合像元的目的。
　　其次介紹支持向量機相關(guān)理論,統(tǒng)計學(xué)習(xí)理論(SLT)建立在小樣本學(xué)習(xí)基礎(chǔ)上,為研究有限樣本情況下的統(tǒng)計模式識別構(gòu)建了一個較好的理論框架,在這種新理論的發(fā)展中提出了一種新的模式識別方法──支持向量機(SVM)。SVM克服了局部

3、最優(yōu)解、維數(shù)災(zāi)難等困擾傳統(tǒng)模式識別方法的難題,同時在小樣本條件下體現(xiàn)出很好的推廣性能。
　　最后通過研究支持向量機的理論和混合像元分解理論,利用支持向量機后驗概率和邊界提取的方法對混合像元分解進(jìn)行研究。利用邊界提取后的無邊界圖像進(jìn)行端元提取,相對比較精確。同時在利用支持向量機后驗概率進(jìn)行分解時,提出了線性模型初始化概率,使得初始概率物理意義明確,同時由于利用最小二乘法求解結(jié)果不一定保證結(jié)果在0到1之間,通過歸一化,使其概率轉(zhuǎn)化到0