基于SVM遙感數(shù)據(jù)專題信息提取.pdf

1、隨著航天、計算機及其相關(guān)技術(shù)的發(fā)展,從遙感數(shù)據(jù)中提取專題信息已成為當今信息時代非常熱門的研究領域,而尋找從遙感數(shù)據(jù)中提取如礦化信息這樣的弱信息的方法則是地學領域的一個新的重要課題.本文在簡要介紹遙感專題信息提取的研究內(nèi)容、研究方法和研究動態(tài)之后,分析了提取礦化信息的機理,從應用角度對支持向量機(Support Vector Machine,簡稱SVM)的算法原理、分類、模型的自動選擇、算法實現(xiàn)的優(yōu)化、存在的問題及解決辦法等進行了全面的討

2、論,將SVM算法應用于遙感專題信息提取,提出了一種新的TM遙感圖微弱信息提取方法,并以試驗證明其精確度和可行性.在試驗中,首先以RGB值作為輸入三維特征向量,應用SVM對圖片進行識別,測試了SVM在圖形識別中的精確度和LOO(Leave-One-Out)自動模型選擇算法的效率;其次,對青海省兩蘭地區(qū)(都蘭縣-烏蘭縣)的TM遙感數(shù)據(jù)進行測試,其訓練集分別采用沙地和山地的32×32像元的子集,測試集為512×512像元約236平方公里的地區(qū)

3、進行分類識別,獲得了較好的效果;而訓練集采用銅礦化子集對同一地區(qū)進行分類,可能由于訓練集純凈程度的問題,分類結(jié)果不如前者.最后,我們總結(jié)了應用SVM提取遙感數(shù)據(jù)中弱信息存在的問題,并提出改進算法的建議.本文的主要研究成果:1.本文首次應用SVM識別算法對TM遙感圖像進行礦化信息提取,提出了一套新的礦化信息提取方法,并取得了一定的成效.2.測試了以彩色圖片的R、G、B彩色值構(gòu)成輸入特征向量,運用SVM算法對圖片的識別精確度及LOO模型自動