基于亮温和SVM模型的干球温度推算方法

干球温度(气温)是地面气象观测中所要测定的常规要素之一。目前基于遥感数据获取该量的方法多采用线性拟合或直接应用遥感反演的温度近似代替干球温度,但是由于下垫面复杂,导致误差较大。本文提出用支持向量机(SVM)模型进行干球温度推算。选择广西省南宁市为研究区域,首先通过遥感反演温度与气象实测温度的对比,证明了利用遥感数据推算干球温度的可能性。然后,构建了针对干球温度的SVM推算模型。最后,尝试了分别使用表观亮温和遥感反演地温作为SVM模型的输入进行干球温度的推算。结果表明,SVM模型推算的干球温度与实测值更为接近,和传统方法相比,精度得到明显提高;且用表观亮温进行推算更为简单,更适合业务化的应用。     

基于SVM方法提取植被信息的研究

利用遥感影像准确地提取植被信息一直是遥感技术应用研究的重要内容,现提出基于支持向量机(SVM)分类的方法从ETM+多光谱数据中提取植被信息,利用目前常用的线性核函数、多项式核函数、径向基(RBF)核函数、Sigmoid核函数等四种核函数对研究区分别进行了提取研究,通过比较最终确定径向基函数(RBF)核函数有着最佳的提取效果。     

基于样本自动选择与SVM结合的海岸线遥感自动提取

利用卫星遥感手段自动、快速、准确地测定海岸线动态信息是遥感应用的一个重要领域,对海域管理规划具有重要意义.由于近岸水体光谱特征受区域环境影响较大,在水陆分离过程中,利用传统的归一化差值水体指数(normalized difference water index,NDWI)阈值分割法时,一部分近岸水体易被错分为陆地,严重影响了岸线提取精度.为此,在NDWI模型的基础上,提出了基于样本自动选择与支持向量机(support vector machine,SVM)的海岸线遥感自动提取算法.首先进行NDWI计算与全局阈值分割,实现水体信息的初步提取;再通过NDWI信息控制初始样本的自动选择;然后利用SVM分类器对水体再次分类,实现海陆分离;最后填充小的陆地水体单元,实现岸线自动跟踪.实验结果表明,该方法能有效增强对近岸水体的识别能力,提高海岸线遥感提取的精度和自动化程度.     

基于多尺度纹理和光谱信息的SVM分类研究

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。     

基于SEO的政府网站可见性分析与优化研究——以省级国土资源网站为例

本文以搜索引擎优化(SEO)的理念为基础,进行了政府网站可见性研究,并以32个省厅级国土资源网站为例,选取了7个指标进行了网站可见性分析。研究结果显示,省厅级国土资源网站的站内可见性优于站外可见性,建议从站外和站内两个方面进行可见性优化,提高网站的搜索友好性,为公众提供更好的信息服务。     

航空影像中地物识别的SVM方法研究

提出用SVM解决航空影像中地物识别的方法,用武汉地区的航空影像进行实验,结果表明这种方法可行并可取得较好的结果.     

基于SVM的资源三号测绘卫星影像多特征分类

针对传统分类方法精度不高、感兴趣目标分类不理想等缺陷,采用多特征组合的支持向量机影像分类方法,利用颜色矩、颜色集和灰度共生矩阵进行特征提取,总体精度、Kappa系数和混淆矩阵作为评价指标对单一特征、组合特征的不同分类结果进行分析。实验结果表明,该方法有效地解决了单数据源分类不完整、精度低等问题,对高维输入向量具有较高的推广力。     

基于SVM的多源遥感影像分类研究

本文通过分析单源遥感影像分类的现状和困难,以SAR和SPOT-5影像为实验数据,提出了基于支持向量机(Support Vector Machine,SVM)理论的多源遥感影像分类方法。研究结果表明,本文的方法能够有效地解决单源影像信息分类效果破碎的问题,正确识别地物,对高维输入向量具有高的推广能力,正确率达到94.97%,比多源影像的最大似然分类(Maximum Likelihood Classification,MLC)方法正确率更高。     

基于自适应粒子群优化的SVM算法在建筑物沉降预测中的应用

针对传统支持向量机算法在预测方面的不足,采用自适应粒子群算法(APSO)对支持向量机参数选择进行分析和优化,建立基于自适应粒子群优化的SVM算法建筑物沉降预测模型,并对建筑物进行沉降预测。实验表明,相比于传统的支持向量机算法,自适应粒子群优化的SVM算法预测精度较高,为建筑物沉降预测提供一种新方法。     

SVM加权学习下的机载LiDAR数据多元分类研究

基于支持向量机统计学习分类过程中不同特征对分类结果贡献存在差异的问题,提出了支持向量机加权学习下的训练、分类新方法,以实现对城区机载LiDAR数据多元分类(地面、树木、建筑),并对特征矢量加权归一化、特征权重计算以及该方式下多元分类策略的建立进行了讨论,实验证明了该方法的有效性.     

基于OLI影像多参数设置的SVM分类研究

在遥感影像自动分类中仅使用光谱特征很难产生正确的分类,OLI影像是波段数较多的多光谱影像,如果增加纹理、几何等多种特征以提高分类精度,就会使得特征的维度很高.支持向量机善于解决小样本、非线性和高维的影像分类问题,但是核函数和参数的设置只能依靠实验来获得.文中在OLI影像中提取了23个特征,逐个测试核函数和参数值对分类结果的影响.研究的主要结论如下：RBF核的支持向量机分类精度最高,Sigmoid核支持向量机分类精度最低;核函数的选择对分类精度的影响最大;核函数和参数值的变化不会影响重要特征的使用,3种核的支持向量机分类所使用的重要特征基本一致.     

基于支持向量机的土地利用变化模拟模型

以湖北省为例,选取5大类7个耕地,利用变化驱动力因子,将1986~2000年的数据作为样本训练数据,2001~2004年的数据作为测试数据,与耕地变化进行基于支持向量机的回归模拟,用遗传算法对参数进行优化,并与BP、RFB神经网络模型进行了对比。模拟结果精度分析显示,SVM模型较BP神经网络模型理想,与RFB神经网络接近。并运用该模型对湖北省2010年的耕地利用变化进行了预测,结果合理。研究表明,SVM模型有较强的自学习、自适应能力,在土地利用变化模拟中有着广泛的应用前景。     

一种基于SVM的无人机影像中单个建筑物的角点检测方法

针对目前无人机影像中单个建筑物角点的检测现状,提出了一种基于支持向量机(SVM)的无人机影像中建筑物的角点检测方法。首先对4个波段的无人机影像进行多尺度分割,计算影像的NDVI,通过植被与非植被区域的波谱差异剔除植被的影响。其次,用面向对象分类法将"建筑物块"从影像中提取出来,对"建筑物块"区域用Harris算子进行边缘检测,形成建筑物边缘点集数据。随后通过设计高斯径向基将边缘样本点映射到高维特征空间,构建特征向量,采用边缘点集训练SVM分类模型,最终通过SVM分类模型从粗提取的边缘点集中检测出正确的建筑物角点,实现了单个建筑物的角点提取。     

基于支持向量机(SVM)单目标SAR图像分割

将考虑SAR图像局部灰度均值和方差及像素空间分布特征等统计量,以灰度共生矩阵产生的纹理统计量为特征向量,经过归一化后进行特征选择,然后输入到支持向量机中进行训练建模,利用支持向量机分类方法,以实现分割结果.最后,将此方法分类结果与传统方法进行了比较,从对比结果可以看出此方法行之有效.     

基于SVM和PWC的遥感影像混合像元分解

支持向量机与两两配对方法结合可分解遥感影像混合像元.首先支持向量机的输出值转化为两两配对的后验概率,再由两两配对的概率值求得多类后验概率,最终像元所属类别的后验概率作为地物的组分信息.利用多波段遥感数据验证了此方法的可行性,并将结果与线性分解模型进行比较.结果表明,SVM与PWC结合进行混合像元分解在准确性方面优于一般线性模型的精度,并且此方法可用于图像分类中.     

基于SVM算法和GLCM的侧扫声纳影像分类研究

根据侧扫声纳影像的特征,提出一种基于SVM和GLCM的侧扫声纳影像分类方法,利用灰度共生矩阵提取其纹理特征,采用主成分分析法对纹理特征进行筛选,选择适合侧扫声纳影像的最佳纹理特征,结合侧扫声纳影像的回波强度,应用支持向量机对侧扫声纳影像进行分类。研究结果表明,纹理特征结合回波强度的支持向量机分类精度高于只依靠回波强度的支持向量机分类精度。     

基于改进果蝇算法优化SVM的矿区地表变形预测方法

矿区地表变形呈现出典型的非平稳、突发性和不确定性,而传统支持向量机(Support Vector Machine, SVM)预测模型的预测性能受核参数选取影响较大。针对该问题,本文提出一种改进果蝇算法(Improved fruit fly optimization algorithm, IFOA)优化SVM的矿区地表变形预测方法。首先采用自适应变步长迭代方式代替传统FOA算法的固定迭代步长,提升FOA的收敛速度和全局寻优能力;然后利用IFOA对SVM进行优化,实现最优核参数自动选择的同时提升预测精度;最后采用某矿区实测数据开展试验。结果表明：所提方法相对于传统灰色模型和BP神经网络模型具备更高的预测精度和稳定性,更适合实际工程应用场景。     

基于SVM的遥感影像的分类

传统的遥感图像的分类方法包括统计模式识别、句法模式识别、以及神经网络、遗传算法、模拟退火算法等。分析了统计模式识别的方法的优缺点,提出了使用SVM的方法进行遥感图像分类的设想,通过实验证明该方法是有效的和稳健的。     

重庆市中文语义地址模型构建方法探讨

现有重庆市地址模型存在地址不完整、歧义、口语化等弊端。以南岸为例,针对现有数据特点,围绕地址数据库建设及地理编码的需求,归纳非结构化中文地址的特点,优化现有地址要素结构。提出了基于中文语义的地址模型构建方法,建立要素间拓扑关系,增加上下文约束力,引入支持向量机,有效避免中文自然语言表达歧义,提高地址解析的准确度和效率。     

基于SVM混合核的不透水面提取及扩张分析

利用支持向量机中单一核函数提取不透水面时存在时间复杂度高和提取精度低的问题。针对该问题,本文在径向基核函数的基础上引入多项式核函数,提出了一种混合核函数的不透水面提取方法。首先,由于属性不同的地物具有相似的光谱信息,在特征提取过程中将光谱信息与图像熵纹理信息相结合,可更加清楚地区分各地物类别。然后,在径向基核函数的基础上引入多项式核,可分别从局部和全局角度获取影像的特征信息,提高不透水面提取精度。最后,在不透水面提取结果基础上进行时空演变分析。本文利用阜新市主城区2009—2021年Landsat影像进行试验。结果表明,光谱与熵纹理相结合方法可改善特征提取效果,提升不透水面提取精度。与单一核函数提取方法对比,利用本文方法提取不透水面精度提高了2.5%,证明了该方法的有效性。