結合多特征描述和SVM的遙感影像分類研究.pdf

1、遙感影像是水利信息中的重要信息源，從遙感影像中提取所需信息是利用遙感影像的關鍵步驟。隨著遙感數(shù)據(jù)獲取手段的增多，遙感影像數(shù)據(jù)量飛速增長，如何高質(zhì)、高效地進行遙感影像的分類顯得至關重要。本文主要探討遙感影像的自動分類問題，在對國內(nèi)外相關文獻進行閱讀、歸納的基礎上，做了以下研究。
　　分析了目前該類研究中存在的考慮因素單一、研究方法綜合性不足等問題。提出了遙感影像分類研究應結合智能算法和多特征描述來展開的觀點。同時，根據(jù)支持向量機（S

2、 VM）在遙感影像分類領域的研究現(xiàn)狀，提出了將多種方法描述的紋理特征和影像的光譜特征相結合，并利用SVM分類器進行分類的方法。
　　介紹了SVM的基本理論、基本算法，詳細討論了SVM參數(shù)選擇算法。根據(jù)SVM的泛化誤差界，分析了SVM的小樣本特性及其對模型復雜程度的控制能力。同時對極大似然估計、最近距離（NN）、K近鄰（K-NN）、樸素貝葉斯等分類算法，就精度、效率、適用條件做了分析對比。
　　在對灰度直方圖、Gabor小波、

3、離散傅里葉環(huán)狀采樣和離散小波分解四種紋理描述方法進行介紹和比較的基礎上，根據(jù)Gabor小波濾波器的導出過程，提出了尺度參數(shù)選擇的基本指導原則，對離散傅里葉環(huán)狀采樣方法進行了改進，進一步提出了DFT平均環(huán)狀采樣直方圖方法。
　　結合多特征描述以及SVM遙感影像分類算法，基于 LibSVM、OpenCV、FreeImage、SQLite、QT等開源工具和C++語言開發(fā)了一套實驗系統(tǒng)，并以鄭州市西北方向某一區(qū)域的Landsat8 OLI

4、影像為例進行了一系列實驗。
　　實驗表明，本研究所提出的SVM分類算法，其分類精度遠高于最大似然估計、K近鄰、樸素貝葉斯等分類算法的精度；所選用的四種紋理描述算法均具有一定區(qū)分能力，其中Gabor小波和DFT平均環(huán)狀采樣直方圖方法區(qū)分能力最強；結合紋理特征和光譜特征進行SVM影像分類，可以將分類精度提高10％，總體分類精度最高可達96.2%；結合多種紋理描述算法可進一步提高SVM的影像分類精度。實驗中還發(fā)現(xiàn)，若將區(qū)分度高的紋理描述