基于支持向量机的遥感图像分类方法.pdfVIP

第2 8 卷第2 期 地球科学与环境学报 Vol . 2 8 No . 2 2 0 0 6 年 6 月 　J ournal of Eart h Sciences and Environment 　 J un . 2 0 0 6 基于支持向量机的遥感图像分类方法 惠文华 (长安大学 地质工程与测绘工程学院 , 陕西 西安 7 10054) [摘要] 　为了提高遥感图像分类的精度 ,弥补传统最大似然分类方法所固有的分类时样本不足的缺陷 ,提出了 一种基于支持向量机 、光谱特征和纹理特征相结合的遥感图像分类方法 。采用 E TM 数据 ,按照其所提方法进 行了具体分类实验 ,并将实验结果与最大似然法分类的结果进行了比较分析 。结果表明 ,利用基于支持向量机 的方法进行遥感图像分类 ,精度明显优于最大似然法分类的精度 。利用光谱特征与纹理特征相结合进行分类比 单纯运用光谱特征进行分类效果要好 。 [ 关键词] 　支持向量机 ; 光谱特征 ; 纹理特征 ; 最大似然法 ; 分类混淆矩阵 ( ) [ 中图分类号] 　P23 ; TP79 　[文献标识码] 　A 　[文章编号] 　1672656 1 2006 TM Image Classif ication Based on Support Vector Machine HU I Wenhua ( ) S chool of Geol og ical Eng i neeri ng an d S urvey i ng Eng i neeri ng , Chang ’an Uni vers ity , X i ’an 7 10054 , S haanx i , Chi na Abstract : In or der to imp rove t he accuracy of remot e sen sing image classification and comp en sat e t he weakness of maximum likelihoo d cla ssifier , t hi s p ap er p ut s forwar d a new cla ssification met hod , which i s ba sed on Support Vector Machine ( SV M) . Thi s met hod combines t he sp ect rum feat ures wit h t ext ure ones. Accor ding to t he met h od cla ssification t est i s done wit h E TM dat a , and t he accuracy i s comp ared wit h t he one of maximum likelihood classifier . The result s indicat e t hat t he accuracy obt ained from t he new met hod i s bett er t han t he ot her ’s , and combining sp ect rum feat ure and t ext ure one i