- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于支持向量机的遥感图像分类方法.pdf
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
文档评论(0)