共查询到10条相似文献,搜索用时 109 毫秒
1.
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
2.
3.
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
4.
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
5.
6.
7.
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
8.
9.
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