基于SVM的遙感影像云分類研究.pdf

1、云通常和各種天氣現象密切相關。地球上平均有1/3到1/2的地區(qū)覆蓋著云層。云是天氣過程的重要扮演者。近年來，隨著數字化衛(wèi)星云圖資料的出現，對衛(wèi)星云圖進行定量分析已成為各國研究者的熱點和發(fā)展方向，其中云的識別是衛(wèi)星云圖分析的重要內容，而云分類更是衛(wèi)星云圖分析與應用的難點。
　　 分類是人們獲取信息的重要手段。傳統(tǒng)的分類算法用于遙感圖像云分類時，由于遙感數據的高維性和樣本不足的問題，容易導致處理規(guī)模過于龐大、分析過程比較復雜以及陷入

2、局部極小點等問題。而支持向量機（SVM），是在統(tǒng)計學習理論框架下產生的一種學習方法，可以有效的解決數據高維性的問題。而云模型把事物概念中的模糊性和隨機性集成在一起，構成定性和定量相互的映射，把概念表示成一朵可伸縮、無邊沿、有彈性、近視無邊、遠觀像云的一對多的數學映射圖像，與自然現象中的云有著相似的不確定性，所以本文針對遙感云圖數據的特性，結合了SVM的權重向量，把云理論的云模型、云發(fā)生器、正態(tài)云、云變換等概念天然擬合在云分類的應用研究上

3、，主要內容和創(chuàng)新點如下：
　　 1、詳細的描述了云分類研究的歷史和現狀，深入的剖析了云分類問題的研究方法。
　　 2、分析了遙感云圖的特性和分類理論，闡述了遙感云分類存在的問題；指出傳統(tǒng)方法用于遙感圖像云分類時存在的弊端，并給出了支持向量機和云模型分類器進行遙感云分類的優(yōu)勢。
　　 3、系統(tǒng)研究了支持向量機的學習過程，詳細說明了支持向量機在學習性能上的特點和優(yōu)點，用三個實驗說明了支持向量機的核函數和參數模型都難于

4、確定的缺陷是它在云分類的應用上的最大“瓶頸”。文章還全面介紹了云理論的重要概念以及云理論在云分類應用中有著天然擬合的優(yōu)點。
　　 4、基于遙感云圖的特性，以及隨著高分辨率的遙感數據的廣泛應用，導致了云樣本難于獲得和云數據維數增高，使得傳統(tǒng)的云分類方法漸漸失去良好分類能力。為了降低云數據的數據復雜度，又能找到對分類貢獻程度大的特征集，本文提出了一種基于SVM權重向量的特征選擇方法。
　　 5、結合云理論建立了基于SVM權重