排序方式: 共有42条查询结果,搜索用时 0 毫秒
41.
42.
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