互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

基于支持向量机的遥感影像湿地信息提取研究


□ 姚云军 张泽勋 秦其明 邱云峰

  摘要:以ETM+影像数据为例,采用基于支持向量机的方法对黄河中上游区域湿地信息进行提取,并将该方法与传统的最大似然分类提取方法以及面向对象的提取方法进行对比分析。结果表明:基于支持向量机方法的提取精度高达93.57%,Kappa系数也超过了0.9,比单纯的最大似然分类方法或者面向对象的方法提取精度高得多,而且该方法操作性和实用性也很强。
  关键词:支持向量机; ETM+影像; 湿地信息; 提取精度
  中图分类号:TP79文献标志码:A
  文章编号:1001-3695(2008)04-0989-02
  
  湿地是地球陆地生态系统的重要组成部分,同时也是一种重要的自然资源。因此,如何有效地获取湿地信息,以保持湿地资源的可持续发展就显得非常必要。随着空间信息技术特别是遥感技术的迅猛发展,遥感信息已经成为湿地信息动态监测的一个重要数据。针对遥感信息的提取,国内外许多学者提出了相应的研究,在一定程度上解决了问题。其中,由Vapnik等人提出的支持向量机(SVM)方法[1,2]得到了广泛关注。它是在基于统计的VC维理论和结构风险最小理论的基础上,根据有限的样本数对模型的复杂度和学习能力之间找出最佳折中,以达到最佳的信息提取效果的方法。刘志刚等人[3]以及张锦水等人[4]利用SVM方法对遥感影像进行了不完全监督分类,提高了分类精度。本文利用ETM+影像,以黄河中上游实验区湿地信息为对象,在实验验证的基础上构建了基于SVM的湿地信息提取模型。实验表明,该方法具有较高的提取精度和较强的应用性。
  
  1支持向量机模型
  
  SVM的基本思想是构造一个最优超平面,使正负之间的空白模式最大[5]。在线性可分的情况下,如图1所示,图中B为两类样本(实心黑点样本和空心白点样本)的分类线,A和C分别表示各类中离分类线最近的样本并且平行于分类线的直线,它们之间的距离叫做分类间隔。最优分类面不但要求把两类别准确分开,而且要求分离间隔最大化。不同类别的最优超平面方程为w·x+b=0。
  
  2.2研究方法
  根据SVM的思想,对ETM+遥感影像的湿地信息进行提取操作,同时还采用了最大似然分类以及面向对象提取方法。具体湿地信息提取流程如图3所示。
  1)遥感图像预处理对所采用的ETM+遥感影像进行辐射校正和几何校正,根据制定的统一湿地分类标准,对所提取的各类湿地类型样本进行规范化处理。
  2)SVM样本训练利用径向核函数把训练样本映射到高维空间,同时结合SVM训练样本设定相应的参数,在特征空间中确定最优分类面,得到各样本的支持向量和VC可信度,形成最终的判别函数。
  3)SVM判决[7](分类)将影像的待分类像元通过核函数映射到高维特征空间,利用判别函数进行分类,通过输入的参数和阈值进行判别,得出最终的分类结果,提取湿地信息。此外,在分类过程中还采用了最大似然方法和面向对象方法进行分类,便于最后三种方法分类精度的比较。 ......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017