基于SVM的多源遥感影像分类研究

《基于SVM的多源遥感影像分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com3卷第4期测绘科学Vol_33No．4D8年7月ScienceofSurveyingandMappingJu1．基于SVM的多源遥感影像分类研究贾萍①，李海涛②，林卉③，顾海燕②，韩颜顺②(①国土资源部信息中心，北京100812；②中国测绘科学研究院摄影测量与遥感研究所，北京100039；③徐州师范大学国土信息与测绘工程系，江苏徐州221116)【摘要】本文通过分析单源遥感影像分类的现状和困难，以SAR和SPOT-5影像为实验数据，提出了基于支持向量机(Suppo~VectorMachine，SVM)

2、理论的多源遥感影像分类方法。研究结果表明，本文的方法能够有效地解决单源影像信息分类效果破碎的问题，正确识别地物，对高维输入向量具有高的推广能力，正确率达到94．97％，比多源影像的最大似然分类(MaximumLikelihoodClassification，MLC)方法正确率更高。【关键词】支持向量机；多源影像；最大似然分类；精度评价【中图分类号】TP75【文献标识码】A【文章编号】1009—2307(2008)04·00213DoI：10．3771／j．issn．1009—2307．2008．04．006用SVM对单源高空间分辨率影像的多源信息进

3、行了分引言类。这些实例表明，SVM可以有效地应用于遥感图像分目前，遥感正朝着三高(高空间分辨率、高光谱分辨率、类，由此，本文进行了基于SVM的多源遥感影像分类『相分辨率)和三多(多传感器、多平台、多角度)方向迅研究。：展，获取的数据也日益浩繁。面对如此丰富信息源和海2基于SVM的多源遥感影像分类方法7数据，如何加以充分有效地利用是亟待解决的问题。各[据挖掘技术由此应运而生，其中应用于土地利用和土地2．1支持向量机原理变化等方向的影像分类技术成为研究的热点之一。SVM的基本思想是国内外许多学者对光学遥感影像分类进行了广泛研究，寻找一个分类超平面使得统

4、的基于图像数据统计特性的最小距离法、最大似然训练样本中的两类样本能；；有基于地物特性的光谱角度填图法等；有基于目标被分开，并且距离该平面!的神经网络分类法、决策树分类法等。虽然这些方法尽可能地远(如图1)。H得到了比较充分的研究和广泛的使用，但是面对具有为最优分类面，肌与／／2物理含义的光谱数据，尤其是高光谱数据，仍然存在之间的距离m为分类困难。比如传统监督分类方法以经验风险最小化为归间隔。图1最优分类面则，对训练样本有很好的分类精度，但是由于理论基构造的一个两类问题l题，对测试样本未必能取得好的分类结果；神经网络的最优分类函数为：些问题尚未完全解

5、决(如训练速慢、易陷入局部极小点、_厂()=sgn(W·(z)+b)一gn(·)+b)：习等)，目前仍然难以广泛应用于影像分类中；常规决支量『与分层算法具有一定的随意性，地物分类顺序对结果(1)!大影响，往往是不可逆的J。式中，=aiy()，K(x)=()‘()。因此，为了更好地解决遥感影像分类问题，Vapnik等．为了尽量无错误地分开两类，使其间隔最大，可将分统计学习理论提出了支持向量机(Suppo~VectorMa—类问题转化为一个典型的二次规划问题：e，SVM)理论，作为一种新的学习方法。该方法在解决nn．本、非线性及高维模式识别问题中表现出

6、许多特有的Q()=∑一÷∑∑OLioLjy‘()，()>j—i=I=I，已经在土地覆盖图像分类和高光谱中得到应用。(2)涛研究了SVM对高光谱影像的分类性能，通过对不同i数、核函数参数和样本数量的详细实验，他指出核函s．t．。Y=0，0≤。≤C，i=1，．．．，：数和样本数量对SVM的分类性能影响较大⋯。ZHU3ing等人利用基于SVM的算法对ASTER数据进行了分该问题有惟一的极值，用标准Lagrange乘子法解算。：理，分类结果表明，基于SVM的方法在收敛性、训练解中将只有一部分不为零，对应的样本就是支持向量。实际求解最优化问题和计算分类平面时

7、，只需计算核函数、分类精度等方面具有较高的性能。张锦水等则利K(·)。常用的核函数有多项式、径向基(radiusbasisfunction，RBF)、Sigmoid等，这些核函数已被证明适合绝大作者简介：贾萍(1979·)，女，贵州贵部分非线性分类问题。近年来，SVM在遥感影像分类阳人，硕士，主要从事遥感与地理信息中得到了广泛的应用，有三种成熟的多类分类算法，一对系统应用研究。一法(one·against·one，OAO)，一对多法(one·against·all，E·mail：pjia@infomail．mlr．gov．cnOAA)，有向无环图法

8、(directed·acyclic·graph，DAG)，其中OAO最适合解决多类问题J。收稿日期：2007-05-092