基于多类支持向量机对全波形LiDAR的地形分类方法研究.pdfVIP

中国科技论文在线 基于多类支持向量机对全波形 LiDAR 的地 形分类方法研究# 李小路，马莲，徐立军* 5 （北京航空航天大学仪器科学与光电工程学院，北京 100191 ） 摘要：提出了一种基于土地分类的多类支持向量机（SVM ）的方法，对北京的地形进行了 预测。使用从 ICESat 任务中采集到的全波形回波作为测试属性数据来产生 SVM 预测模型。 选择具有高交叉验证精度的 SVM 预测模型来预测北京地区的地形。用来预测和验证地形分 类的 GLAS 全波形数据是在 2003 年 1 月 1 日到2005 年 12 月 31 日ICESat 经过北京地区期 10 间获得的。北京除了梯田和建筑之外，主要是平原和山区，这些地区都缺少树木，所以将 GLAS 接收到的回波分为了五类：无效波形、平原波形、梯田波形、建筑波形和山区波形。 基于这个测试地区，算法的整体精度达到了 87%，而且这种方法可以进一步深化为对土地 在线分类的自动化算法。 关键词：遥感；ICESat/GLAS；土地分类；全波形；支持向量机 15 中图分类号：TP79 Land Classification From LiDAR Full-waveforms Based on Multi-class Support Vector Machines Li Xiaolu, Ma Lian, Xu Lijun 20 (School of Instrument Science and Opto-Electronic Engineering, Beihang University, Beijing 100191) Abstract: In this study, a multi-class support vector machines (SVM) based land classification method is presented to predict the land type of Beijing area. The returned full-waveforms collected from the Ice, Cloud and land Elevation Satellite (ICESat) mission were used to be the attributes of 25 test data for generating the SVM prediction model. The SVM prediction model with high cross validation accuracy was selected to predict the land types of Beijing area. GLAS full-waveform, which were used to predict and validate the land classification, were acquired when ICESat was passing over Beijing urban and rural areas from 1st Jan 2003 to 31st Dec 2005. Besides of terrace and building, the main land type are pl