基于SVM的 遥感 影像土地利用 变化检测 方法

《基于SVM的 遥感 影像土地利用 变化检测 方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第24卷第1期济南大学学报(自然科学版)Vo1．24No．12010年1月JOURNALOFUNIVERSITYOFJINAN(Sci．＆Tech．)Jan．2010文章编号：1671—3559(2010)01—0088—03基于SVM的遥感影像土地利用变化检测方法秦永，孔维华，曹俊茹，宋伟东(1．山东理工大学建筑工程学院，山东淄博255049；2．辽宁工程技术大学测绘学院，辽宁阜新123000)摘要：利用遥感影像的直方图统计量作为基本检测特征，采用支持向量机(SupportVectorMachine，SVM)理论对淄博某地区的土地利用变化情况进行检测。

2、为验证SVM方法的检测精度，分别使用Fisher判别准则、类别可分离判据等方法进行对比分析。遥感数据来自两个时相分辨率为0．6m的Quickbird影像，相对于传统TM、SPOT影像，该方法能够提取出小范围内的土地利用变化情况，适合区县级范围内的土地变更调查。关键词：土地利用变换检测；直方图统计量；支持向量机；高分辨率遥感影像中图分类号：P231文献标志码：ALandUseChangeDetectionBasedonSVMQINYong，KONGWei-hua，CAOJun-ru，SONGWei·dong(1．SchoolofArchitectureEn

3、gineering，ShandongUniversityofTechnology，Zibo255049，China2．SchoolofGeomatics，LiaoningTechnicalUniversity，Fuxin123000，China)Abstract：Thisarticleresearchedonlandusechangedetectionthroughsub—meterresolutionimages．Severalwell-knownmethodswereemployedheretovalidatedetection’sresults，s

4、uchastheoryofFishertransformation，theprimaqr"componentanalysis(PCA)，themethodofnearestdistanceandthemethodofsupportvectormachine(SVM)．Inordertoincreasedetection’Sprecision，12fea-turesfromhistogramwerebroughtupforchangedetection．Furthermore，thisarticleusedQuick—bird’Simages(0．6met

5、erresolu-tion)，whichcanobtaintinychangeinformationcomparingwiththeimages．Keywords：landusechangedetection；histogram；SVM；highresolutionimage利用遥感影像进行土地利用变化检测是近10一类，则对应于模式识别中典型的两类识别问题。年来研究的热点问题～。，目前土地利用变化检测统计模式识别主要步骤有：信息获取、信息预处所依据的遥感影像多来自TM／ETM及SPOT数据，理、特征提取与选择、分类器设计及分类决策。下面分辨率介于2．5～

6、30m之间。该分辨率影像的优点的变化检测流程则是上述步骤的具体化(后文中在是适合全国范围内土地变化监测，但对于小范围检不引起歧义情况下，为叙述方便，将用分类代替变化测效果十分有限。本文利用两个时期的快鸟影像检测)。(分辨率为0．6I'／1)，研究淄博某地区的土地利用变1土地利用变化检测流程化情况。采用2004年及2006年同一地区相同分辨率的土地利用变化检测原理是模式识别理论，如果快鸟影像，通过计算两幅图像纹理特征的比值来发把发生变化区域定义为一类，未变化区域定义为另现变化区域，下面按照流程予以详细介绍。收稿日期：2009—06—211．1几何纠正及灰度

7、校正预处理基金项目：国家自然科学基金(40771159)(1)几何纠正预处理。为实现土地利用变化检作者简介：秦永(1978一)，男，江苏泗洪人，讲师，硕士；宋伟东(1965一)，男，辽宁赤峰人，教授，博士，博(硕)测，需要将两幅图像同名点精确地匹配在一起。几士生导师何纠正方法较多，精度从低到高依次有：直接差值第1期秦永，等：基于SVM的遥感影像土地利用变化检测方法法、相似变化法、仿射变换法、二次多项式法及高次易于实现，是两类识别问题的经典算法。多项式法等。本文采用二次多项式拟合，见公式主成分分析(PrincipalComponentAnalysis，(1

8、)，兼顾了纠正精度与计算效率间的平衡。PCA)也是一种经典的特征提取算法，广泛应