基于SVM遥感数据专题信息提取

《基于SVM遥感数据专题信息提取》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、第一章前言摘要随着航天、计算机及其相关技术的发展，从遥感数据中提取专题信息已成为当今信息时代非常热门的研究领域，而寻找从遥感数据中提取如矿化信息这样的弱信息的方法则是地学领域的一个新的重要课题。本文在简要介绍遥感专题信息提取的研究内容、研究方法和研究动态之后，分析了提取矿化信息的机理，从应用角度对支持向量机(supportVectorMachine，简称SVM)的算法原理、分类、模型的自动选择、算法实现的优化、存在的问题及解决办法等进行了全面的讨论，将sVM算法应用于遥感专题信息提取，提出了一种新的TM遥感图微

2、弱信息提取方法，并以试验证明其精确度和可行性。在试验中，首先以RGB值作为输入三维特征向量，应用sw对图片进行识别，测试了SVM在图形识别中的精确度和LOo(Leave—One—Out)自动模型选择算法的效率；其次，对青海省两兰地区(都兰县一乌兰县)的TM遥感数据进行测试，其训练集分别采用沙地和山地的32×32像元的子集，测试集为512×512像元约236平方公里的地区进行分类识别，获得了较好的效果；而训练集采用铜矿化子集对同一地区进行分类，可能由于训练集纯净程度的问题，分类结果不如前者。最后，我们总结了应用S

3、Ⅷ提取遥感数据中弱信息存在的问题，并提出改进算法的建议。本文的主要研究成果：1．本文首次应用SvM识别算法对TM遥感图像进行矿化信息提取，提出了一套新的矿化信息提取方法，并取得了一定的成效。2．测试了以彩色图片的R、G、B彩色值构成输入特征向量，运用svM算法对图片的识别精确度及L00模型自动选择算法效率。为遥感图像识别提供了识别精度的依据。3．解决了应用svM识别算法对遥感矿化信息提取过程中输入样本特征向量(微弱信息样本)的构造问题。4．对具体的小区域运用本文所提出的矿化信息提取的方法对遥感图像进行识别试验，

4、从实用角度分析和证明这种方法的可行性与识别效果。5．提出了进一步改进进行专题信息提取方法，以期获得更高的识别精度。关键词：支持向量机，L00算法，矿化信息提取，遥感图像分类，特征向量!里查羔堡!：堂丝堕兰塑：：翌塑亘AbstractAsthedevelopmentofaeronauticsandcomputerscienceandtheirtechnolo百es，extractingspecialinfonnation矗omRS(RemoteSense)datahasalreadybecomeaven，popu

5、larresearchareaininfonllationtimesoftoday．Butextractingweakinfomlationsuchasmineralizinginfbnnation矗omRSdataisstillanewandim_portantsubjectingeo静aphyAfterbrienyin昀ducingresearchcontents，印proachesandtendencyofextractingspecialinfo咖ation仔omRS，mispa．peranalyzes

6、principlesofex仃actingmineralizingin氨姗ation，anddiscusses，appliedly，SVM’s(SupponvectorMachine)algorithmprinciples，classification，automaticselectjonofmodal，optinlizationofalgorithm’sactualization，problemsexistedinthealgorithmandtheirsolutionsetc．andproposesanew

7、approachofextractingweakinfomation丹omTMRS口icturesaJldprovesitsaccuracyandpracticabilitythroughthee)【periment．Inmeexperiment，矗rst，、vimRGBvaluesasinputfcaturevectorsoft11ree．dimensions，mepjctureisrecognizedbySVMandmeaccuracvofSVMinrecogllitiontogetherwimtheemc

8、iencVofalg嘶t}ⅡnofLOO(Leave-One一0utlautomaticmodalselectionaretested．nenTMRSdataofLiall91a11district(DulancountyandWulaJlcouIlMin0i11llaiProvinceistested．Itstrainingset，withsandareaandmountainof3