共查询到20条相似文献,搜索用时 15 毫秒
1.
结合纹理的SVM遥感影像分类研究 总被引:7,自引:0,他引:7
针对传统统计模式识别分类方法分类精度不高,分类时未加入像元灰度的空间分布和结构特征以及分类时样本不足等缺陷,采用一种结合纹理的支持向量机(SVM)遥感图像分类方法。该方法在对Landsat7 ETM遥感影像进行纹理特征提取的基础上,构建了结合纹理的SVM分类模型。以河南省汝阳县为试验区,利用此模型对该区域的土地利用类型进行分类研究,并将分类结果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:该方法能够有效地解决单数据源分类效果破碎、分类精度不高等问题;对高维输入向量具有较高的推广能力;总精度达到90%,比单源信息的SVM分类法提高了6%,而与最大似然法相比,总精度提高了近9%,取得了良好的效果。 相似文献
2.
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 总被引:47,自引:1,他引:47
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68.38%,Kappa达到0.5993;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。 相似文献
3.
4.
本文为验证SVM对高维特征的适应性和可靠性,针对不同特征提取方法与特征组合,以国产OMISⅡ传感器获得的北京昌平地区高光谱遥感据为例,对SVM分类器中特征维数对分类准确率的影响进行了试验,通过对主成分分析、最小噪声分离算法、相关系数分组后特征提取、导数光谱等的分析,表明SVM分类器的分类精度随着特征维数波动,其中主成分分析降维后提取的特征具有用于分类能够获得最高的准确率。通过与最大似然法和光谱角制图分类算法的比较,说明在同样的特征输入情况下SVM分类算法分类的准确率高于最大似然法和光谱角制图分类器。 相似文献
5.
6.
7.
8.
基于C4.5算法的遥感影像分类 总被引:2,自引:2,他引:0
随着城市化进程的加快,湿地对整个生态系统的可持续发展具有重要的意义。以洪泽湖湿地为研究区,集合TM影像的光谱信息和纹理信息构建空间数据库,获取训练样本,并从训练样本集中获取分类规则;然后利用C4.5算法构建决策树,并基于知识规则推理得到遥感影像分类结果;最后将分类结果与传统的最大似然法进行比较分析。实验表明,基于C4.5算法得到的分类结果的分类总精度为91.9701%,其分类总精度结果明显高于传统的最大似然法的80.0885%;同样,前者的分类结果的Kappa系数为0.900 3,也远远高于最大似然法的0.746 5。 相似文献
9.
10.
基于多尺度纹理和光谱信息的SVM分类研究 总被引:3,自引:0,他引:3
基于单尺度纹理和光谱信息的地物分类较难取得理想效果,本文结合多尺度纹理与光谱信息,运用SVM分类方法,对IKONOS遥感影像进行分类。结果表明:结合多尺度纹理和光谱信息的SVM高分辨率遥感影像分类,能够更好地描述地物,分类总体精度达到83.9%,与基于光谱信息的最大似然法和基于单尺度纹理和光谱信息的SVM分类方法比较,分类精度分别提高了13.8%和4.9%,该方法有助于提高高分辨率影像的分类正确率。 相似文献
11.
为了更加准确地利用ASTER影像辅助填图,提出了一种结合小波变换、支持向量机(SVM)和投票法的ASTER影像岩性自动分类方法。首先,采用Haar小波对ASTER影像进行多尺度小波分解,统计小波系数的均值作为纹理特征,同时提取灰度共生矩阵(GLCM)方差、同质性、均值纹理特征;然后,利用小波纹理、GLCM纹理及光谱特征构造SVM分类的特征向量,并进行10次重复分类;最后利用投票法确定岩性单元。对结果进行统计评估,结合多种纹理,并利用投票法得到的岩性分类精度为92.1934%,Kappa系数为0.9202,比仅用光谱分类精度提高了13.3369%。小波纹理能提取更细节的岩性信息;投票法可以避免岩性因样本的空间变异性产生的动态变化,优化分类结果;SVM较最大似然法(MLC)更适合于训练数据集高维且非正态分布的岩性分类;采用人工蜂群算法搜索SVM的最优参数,可避免参数局部最优。 相似文献
12.
13.
14.
15.
以辽宁阜新为研究区,运用支持向量机(SVM)的方法对高分一号8 m,16 m和Landsat8多光谱影像进行土地利用分类对比研究。实验表明,SVM的分类精度高于最小距离和最大似然方法,高分一号多光谱数据的分类精度高于Landsat8数据,可以应用于土地利用的分类。 相似文献
16.
《武汉大学学报(信息科学版)》2016,(4)
基于国产资源一号02C星高分辨率(high resolution,HR)影像,提取了基于变差函数、灰度共生矩阵和梯度的多纹理特征,结合光谱信息构建了基于支持向量机(support vector machine,SVM)的多源信息复合模型的图像分类方法,并与传统最大似然法和决策树法的分类结果进行了比较。研究表明,变差函数纹理和梯度纹理参与的多源复合数据有效提高了图像的分类精度,总分类精度由85.14%提高到87.43%,Kappa系数由0.82提高到0.85;绝对值变差函数为纹理最佳窗口分析提供了理论依据,基于累积步长提取的纹理特征能显著提升图像分类的精度,分类准确率提高了13.94%,Kappa系数增加了0.17;基于多源复合数据的SVM高空间分辨率遥感图像分类方法能有效解决传统图像分类结果破碎的问题,比最大似然方法和决策树法的分类精度显著提高,总精度达到89.14%,Kappa系数为0.87,分别提高了6.85%和10.84%。实验表明,ZY-1 02C星HR数据在冬小麦信息提取中具有一定的稳定性和优势。 相似文献
17.
西北旱区遥感影像分类的支持向量机法 总被引:1,自引:0,他引:1
针对较大范围、不同时相、不同气候和地貌类型的遥感影像的土地利用现状分类问题,提出了一种结合标准植被指数和纹理特征的支持向量机法。此方法改进了陕西延安、甘肃嘉峪关和青海果洛的遥感影像分类,有效地解决了最大似然法和BP神经网络法的缺陷造成的分类精度不高的问题。分类结果表明:与最大似然法和BP神经网络法相比,结合标准植被指数和纹理特征的支持向量机法的分类总精度最高(97.75%),Kappa系数为0.9691。该方法可为西北旱区遥感影像解译和土地资源可持续发展战略提供方法支撑。 相似文献
18.
19.
20.
多时相MODIS影像土地覆盖分类比较研究 总被引:6,自引:0,他引:6
首先以黑龙江省多时相MODIS影像为试验数据,利用最大似然分类(MLC)、自组织神经网络(SONN)、支持向量机(SVM)以及决策树分类(DTC)等四种广泛使用的分类方法进行了土地覆盖遥感分类研究.并从分类精度、样本数量对分类器的影响、模型复杂度、参数的选择、分类速度等多个方面对4种分类方法进行了深入比较和分析.综合比较得出决策树分类法最优,而经典方法之一的最大似然分类法最稳定.进而将此二法推广到全国范围的土地覆盖分类试验中,并进行精度对比.本文所得出的结论将对于在类似的应用中如何选择合适的分类方法具有一定的参考价值. 相似文献