基于光谱—空间特征的ASTER影像岩性分类研究——以甘肃北山白峡尼山地区为例

遥感岩性制图是地质填图中的重要工作，基于光谱特征的岩性分类易受到色调、纹理等因素影响导致精度不佳。前人进行岩性自动分类研究多关注影像的光谱特征，而忽略空间特征，笔者等基于甘肃北山白峡尼山地区ASTER影像，将支持向量机、极限学习机两种机器学习分类方法与基于空间特征的快速漂移算法相结合进行岩性分类。结果表明支持向量机分类总体精度为89. 17%；极限学习机不但具有需调节参数少的优势，且分类精度和速度均优于支持向量机，分类总体精度达96. 70%；利用快速漂移算法提取的影像空间特征可有效减少错分区，提升岩性分类效果。研究证实将基于光谱特征的极限学习机和基于空间特征的快速漂移算法结合的岩性分类方法具有客观、高效、高精度等优势，可为后续地质填图和找矿勘查工作提供可靠数据支撑，在遥感岩性分类领域具有较高的推广价值。