支持向量机技术在遥感影像滑坡体提取中的应用.pdfVIP

安徽农业科学。JournalofAnhuiAgn．Sci．2009，37(6)：278l一2782，2822 责任编辑 常俊香 责任校对 傅真治 支持 向量机技术在遥感影像滑坡体提取 中的应用 许高程，张文君 ，王卫红 (西南科技大学环境与资源学院，四川绵阳621010) 摘要 利)-fl遥感影像 ，采用SVM技术，对灾害区域的滑坡体信息进行提取。通过实例证明了在遥感影像 中利用支持向量机方法提取滑 坡体的有效性和可行性。 关键词 支持向量机 ；遥感影像 ；信息；提取 中图分类号 S127 文献标识码 A 文章编号 0517—6611(2009)06—02781—02 ApplicationofSupportingVectorMachineTechnologyinExtractionofRemoteSensingImageofLandsfide XUGao-chengetal (CollegeofEnvironmentandResourceCollege，SouthwestScienceandTechnologyUniversity，Mianyang，Sichuan 621010) Abstract UsingtheremotesensingimagesandtheSVM technology，thisStudyaimedtoextractthelandslideinformationofdisastersregions． Throughtheexamples，theeffectivenessandfeasibilityofusingsupposingvectormachinetechnologyextractinglandsliderfrom remotesensing imageswasproved． Keywords Supposingvectormachine；Remotesensingimage；Infomr ation ；Extraction 滑坡是一种极具破坏性的突发性地质灾害，是当今世界 能将训练样本分开 ，则有 上除地震以外造成经济损失和人员伤亡最严重的自然灾害 Y[(W ·)+b]≥l，i=l，2，…，Z／ (1) 之一。现代遥感技术和航天技术的发展为地球资源与环境 所谓最优分类面就是要求分类面不但能将两类正确分 监测研究开辟了广阔的前景 ，也为滑坡地质灾害的调查和研 开(训练错误率为0)，而且使分类间隔最大。此时分类间隔 究提供了崭新的手段。过去，滑坡灾害的调查以遥感影像的 等于2／l『ll，使间隔最大等价于使 ll加II最小。满足(1) 目视解译为主，对低空间分辨率的遥感影像解译的效率非常 式且使 llWll／2最小的分类面就叫最优分类面。 低，影像中包含的大量信息未能得到充分的发掘和提取，不 对于线性问题，SVM 的关键就是要求解以下最优化问题： 能很好地满足灾害调查的要求。 目前 ，滑坡灾害调查主要应 用遥感影像与数理统计、神经网络等相结合的方法。这些方 ，J()= 一寺 y(’) (2) 法主要利用遥感影像的空间形态特征 ，而很少考虑地物的波 约束条件为 Y=0，0≤ ≤C，i√=1，2，…，n，其中，C为惩 谱特征 ，且存在学习速度慢、收敛性差、效率低等问题。 罚系数，起到控制对、错分样本惩罚程度的作用，c值越大表 支持向量机 (SupportVectorMachine，SVM)是近几年在 示对错分的惩罚越重。最终得到的分类函数为： 统计学理论基础上根据 Vapni的结构风险最小化原则发展 )=sgn( Y( ·)+b) (3) 起来的一种新的模式识别方法，该方法提高了学习机的泛化 而对于非线性问题 ，可通过线性变换转化为某个高维空 能力，即使 由有限训练样本得到的决策规则，对独立测试集