基于支持向量机和多变量分析的高光谱遥感数据分类.pdfVIP

2009年 　第 11期 　　　　谭 　琨 ,等 :基于支持向量机和多变量分析的高光谱遥感数据分类 37 　　文章编号 : 0494 09 11 (2009) 中图分类号 : P237　　　　　　文献标识码 : B 基于支持向量机和多变量分析的高光谱遥感数据分类 谭 　琨1, 2 ,杜培军1, 2 ,王小美 1, 2 ( 1. 中国矿业大学 国土环境与灾害监测国家测绘局重点实验室 ,江苏 徐州 22 1116; 2. 中国矿业大学 地理信息与遥感科学系 ,江苏 徐州 22 1116) Hyperspectra l RS D a ta C la ssif ica tion Ba sed on SVM and M ultivar ia te Ana ly sis TAN Kun, DU Peijun, WAN G X iaom ei 摘要 :从支持向量机和多变量分析的基本理论出发 ,建立一个基于支持向量机和多变量分析的高光谱分类器 ,并利用国产 OM IS 传感器获得的北京某地区高光谱遥感数据进行试验 ,采取网格搜寻的方法来确定误差惩罚参数和径向基核参数的值 。主要选取 独立成分分析和主成分分析这两种多变量分析方法 。结果表明,当进行独立成分分析后的数据应用支持向量机分类的时候 ,分类 精度随着维数的增加而递增 , 10 ～20 维的时候达到最大值 ,然后随之递减 ,分类精度最大为 78. 93% 。随后的主成分分析中,得到 同样的结论 ,但精度最高的时候是选择 5 维特征 ,精度为 88. 61% 。 关键词 :高光谱遥感 ;支持向量机分类 ;多变量分析 多类问题分类策略、核函数选择与优化 、不确定性 　　一 、引　言 [ 3 ] ( 控制等问题 。应用支持向量机 support oector m a 高光谱遥感技术已经成为人们获取地球表面 ch ine, SVM ) 进行高光谱遥感影像分类的研究是近 信息的一种主要手段 , 具有越来越广泛 的社会效 年来的研究热点 。独立成分分析是近年来出现的 ( [ 4 ] 益 。随着遥感技术朝着 “三高 ”高空间分辨率 、高 信号处理方法 ,它比主成分分析更能消除信号之 ) ( 光谱分辨率 、高时相分辨率 和 “三多 ”多传感器 、 间的关联性 ,现已将其应用于遥感图像处理与分析 ) [ 5 ] 多平台、多角度 的迅猛发展 ,人们将可以获取越来 中 ,如遥感图像的非监督分类 、多时相遥感变换 越庞大的光谱遥感数据 。然而 目前遥感信息的提 检测 [ 6 ] 、NDV I图像序列的时空卷积 [ 7 ] 等 。主成分 取和利用水平大大滞后于遥感技术的发展 , 因此研