基于支持向量机的EO-1 Hyperion遥感图像分类研究.pdfVIP

安徽农业科学，JournalofAnhuiAgn．Sci．2014，42(15)：4892—4894，4900 责任编辑 姜丽 责任校对 况玲玲 基于支持向量机的EO-1Hyperion遥感图像分类研究 毛学刚，郑淼，郭文茜，马岩岩，胡俊凯，杨天野 (东北林业大学林学院，黑龙江哈尔滨150040) 摘要 以EO—lHyperion高光谱遥感数据为基础，对其进行大气校正、几何校正、滤波等处理，采用支持向量机分类方法对其进行分类 ， 选择不同的核函数 ，主要有线性核、多项式核、径向基核、Sigmoid核，其余采用相同参数设置，进而比较不同核函数在EO一1Hyperion数据 分类中的效果。结果表明，采用支持向量机方法对研究区域的EO一1Hyperion遥感数据进行分类，采用不同的核函数对分类结果影响不 大 。 关键词 Hyperion；支持向量机 (SVM)；森林类型识别；分类方法；核 函数 中图分类号 S126 文献标识码 A 文章编号 0517—661l(2014)15—04892—03 EO ·1HyperionRemoteSensingImageClassificationBasedonSVM MAOXue-gangetal (ForestrySchool，NortheastForestryUniversity，Harbin，Heilongjiang15oo4o) Abstract ThisresearchisbasedontheEO一1Hyperionhyperspeetralremotesensingdata，theatmosphericcorrection，geometriccorrection， filteringandotherprocessingwereconducted，usingsupportvectormachineclassificationmethod toclassify，choosingdifferentkernelfunc— tion，mainlyincludinglinearkernel，polynomialkernel，radialbasiskernel，Sigmoidkernel，therestofthesameparametersetting，theeffects ofdifferentkernelfunctioninEO一1Hyperiondataclassificationwerecompared．Th eresultsshow that：theuseofsupportvectormachineclas— sificationmethodtotheresearchareaofE0—1Hyperionremotesensingdata，usingdifferentkernelfunctionhaslittleeffectontheclassification results． Keywords Hyperion；SupportVectorMachine(SVM)；Foresttypeidentification；Classification；Kernelfunction 高光谱的光谱分辨率小于10nm，从可见光波段到热红 县，位于黑龙江省西北部，地处 123。～125。E，52。～53。N，与 外波段多达数百个波段，与多光谱(光谱分辨率达数百纳米， 俄罗斯接壤 ，黑龙江上游右岸 ，西与漠河县相邻 ，南与新林 波段只有几个)相 比具有很大的优势。高光谱可以记录地物 区、呼中区接壤，东与呼玛县毗邻 ，北隔黑龙江与俄罗斯相 微观变化信息，这样使得困扰多光谱处理的同谱异物、同物 望，地理位置如图l所示。边境线长 173km，总面积为14420 krn2 异谱现象得到很好消除，这也使得高光谱具有很广阔的应用 。 塔河县境内地势呈中间高、两侧低 ，西高东低的地势。 前景。高光谱图像的分类和识别归纳起来主要有两种方法， 境内地形复杂，植被类型多，分布着不同的土壤 ，以森林和草 即基于地物光谱特征的分类识别方法和基于统计的分类识 甸土为主，树种丰富，森林覆盖率为 81％；蓄积量 5340万 别方法…。基于地物光谱特征分类识别方法主要是借助于