资源描述：
《基于SVM的多源信息复合的高空间分辨率遥感数据分类研究》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10卷第1期遥感学报Vo.l10,No.12006年1月JOURNALOFREMOTESENSINGJan.,2006文章编号:1007-4619(2006)01-0049-09基于SVM的多源信息复合的高空间分辨率遥感数据分类研究张锦水,何春阳,潘耀忠,李京(北京师范大学环境演变与自然灾害教育部重点实验室,北京师范大学资源学院,北京100875)摘要:遥感图像尤其是高空间分辨率(1)4m)遥感图像在土地利用和土地覆盖变化方面有着广阔的应用前景,传统高空间分辨率遥感图像信息提取方法存在精度和分类效率低的不足。本文提出的基于SVM的分类方法,复合光谱、纹理和结构信
2、息等多源数据信息,对IKONOS高空间分辨率图像进行分类,并与最大似然法和单源数据(光谱)SVM分类结果进行定性和定量比较分析。研究结果表明,多源数据复合的SVM高空间分辨率遥感图像分类方法,能够有效解决单源数据信息图像分类效果破碎的问题;总精度达到68138%,Kappa达到015993;对高维输入向量具有高的推广能力;比单源信息的SVM和最大似然方法图像分类精度更高,适合高空间分辨率遥感图像分类。关键词:高空间分辨率;SVM;最优超平面;纹理;结构中图分类号:TP79文献标识码:ATheHighSpatialResolutionRSImageClassific
3、ationBasedonSVMMethodwiththeMult-iSourceDataZHANGJin-shu,iHEChun-yang,PANYao-zhong,LIJing(KeyLaboratoryofEnvironmentalChangeandNaturalDisaster,MinistryofEducationofChina,BeijingNormalUniversity;CollegeofResourcesScience&Technology,BeijingNormalUniversity,Beijing100875,China)Abstract:T
4、heRSmiageshowsaverypromisingperspectiveforurbanland-coverandland-useclassification,particularlywithveryhighresolution(1)4m)satellitemiages,whilethetraditionalextractionmethodsofthehighspatialresolutionmiagehastheshortcomingsofthelowaccuracyandclassificationefficiency.Thispaperdealswit
5、hthehighspatialresolutionmiage(IKONOS)classificationbasedontheSVMmethodintegratingtheinformationofspectra,ltextureandstructure.AndcomparingtotheresultsbasedonMaxmiumLikelihoodandSVMmethodwithsingle-sourcedata,thisshowsthatthehighspatialresolutionRSmiageclassificationbasedonSVMMethodwi
6、thmult-isourcedatacansolvethemiageclassificationfragmentationwhichisbasedonthesingle-sourcedata,spectrum,andhasthegoodgeneralizationabilitywiththehighdmiensionvector.IthasmoreaccurationthanthemaxmiumlikelihoodmethodandSVMbasedonthesinglesourcedata,adaptstothehighspatialresolutionRSIma
7、geclassification.Keywords:highspatialresolution;SVM;theoptmialhyperplane;texture;structure收稿日期:2004-10-29;修订日期:2004-12-06基金项目:国家高技术研究发展计划863计划(2003AA131080)。作者简介:张锦水(1978)),男,北京师范大学资源学院,博士,现从事高分辨率遥感图像信息提取方面的研究。E-mai:lzhangjsh@ires.cn;pyz@ires.cn。50遥感学报第10卷力(即无错误地识别任意样本的能力)之间寻求最1引言佳折衷,
8、以期获得最
