【论文】基于svm的土地覆盖遥感分类研究

《【论文】基于svm的土地覆盖遥感分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于SVM的土地覆盖遥感分类研究1引言32传统的遥感分类方法32.1最大似然法42.2最小距离法43SVM基本原理53.1SVM基本算法63.1.1线性可分的SVM63.1.2非线性SVM73.2SVM分类器参数估计83.3SVM分类器多类问题84土地覆盖遥感分类实验84.1试验区概况84.2数据及处理94.3遥感图像的传统方法分类114.4遥感图像SVM分类134.5实验结果分析155结论15参考文献1717基于SVM的土地覆盖遥感分类研究基于SVM的土地覆盖遥感分类研究摘要：在目前的遥感分类中，最常用的方法是传统的最小距离法和最大似然法，其分类结果由于分类方法本身的问题及遥感图像的

2、空间分辨率以及“同物异谱”，“同谱异物”现象的存在，而往往出现较多的错分、漏分情况，导致分类精度不高。支持向量机（SupportVectorMachine，SVM）是基于研究小样本情况下机器学习规律的统计学习理论的新的机器学习方法，它以结构风险最小化为准则，对实际应用中有限训练样本的问题，表现出很多优于已有学习方法的性能。本文通过对TM图像的土地覆盖进行传统方法分类与SVM分类的对比实验，结果表明SVM总体分类精度为98.5610%，kappa系数为0.9610，具有更高的分类精度。关键词：SVM；土地覆盖；遥感分类；TM17基于SVM的土地覆盖遥感分类研究LandCoverClass

3、ificationfromRemoteSensingImageUsingSupportVectorMachinesAbstract：Inthecurrentremotesensingimageclassification,themostcommonlyusedmethodisthetraditionalmethodsuchastheminimumdistanceandthemaximumlikelihoodmethod.However,duetothelimitationoftheclassificationmethods,theinherentfeatureofspatialreso

4、lutionofremotesensingimagessuchas"withsynonymsspectrum"and"foreignbodyinthesamespectrum＂,mistakesandomissioninclassificationoccuroften,resultinginclassificationaccuracyisnothigh.SVM(SupportVectorMachine,SVM)isanewmachinelearningmethodbasedonthelawsofstatisticallearningtheoryforsmallsamplecase,wh

5、ichfollowingtheguidelinesforstructuralriskminimization.Onthepracticalapplicationofthelimitedtrainingsamples,SVMhaveshownbetterperformancethanlearningmethods.InthispaperbasedontheTMimageofthetraditionalmethodsofland-coverclassificationandSVMclassificationexperiments,theoverallresultsshowthattheSV

6、Mclassificationaccuracyof98.5610%,kappacoefficientof0.9610,withahigherclassificationaccuracy.Keywords：SupportVectorMachine;Landcover;Remotesensingimageclassification;TM17基于SVM的土地覆盖遥感分类研究1引言在遥感应用中，通过遥感图像处理和判读来识别各种地物是一个主要的工作目的，无论是地物信息提取、土地动态变化监测，还是专题地图制作和遥感图像库的建立等都离不开分类。遥感图像的计算机分类，是对遥感图像上的地物进行属性的识

7、别和分类，是模式识别技术在遥感技术领域中的具体运用。常见的模式识别技术主要包括监督分类和非监督分类。非监督分类凭借遥感图像上地物的光谱特征，即自然聚类的特性进行分类。分类结果只是区分了存在的差异，不能确定类别的属性。类别的属性需要通过目视判读或实地调查后确定。监督分类利用对研究区的实地调查资料，从已经知道的训练样区中计算出实际地区的光谱统计数据作为图像分类的判别依据，并以此对整个图像的像元做判别处理，使得具有相似光谱特征并满足一定判别规则的像元