基于Hadoop的SVM算法改进及在农作物遥感监测中的应用.pdf

中国科技期刊数据库 科研 基于Hadoop 的SVM 算法改进及在农作物遥感监测中的应用 1 1 2 贺 丹 杨凤芸 李育柱 1.辽宁科技大学土木工程学院，辽宁 鞍山 114051 2.西藏华泰龙矿业开发 限公司，西藏 拉萨 850200 摘要：从遥感产业应用于农业监测现状出发，通过对比分析不同的遥感影像分类算法，并根据遥感影像自身的特点，对SVM 算法进行了优化，提出了一种新型的适用于农作物监测的SVM 算法，并在Hadoop 平台上实现该算法。最终结合实验，验证了 改进后的SVM 算法不但提高了农作物分类的精度，而且大大提高了算法执行效率。 关键词：遥感监测；监督分类；SVM；NDV I TP391.1 TP 18 A 167 1-5780 2016 18-0307-0 1 中图分类号： ； 文献标识码： 文章编号： （ ） 1 引言 获得NDVI 值。通过研究对比说明NDVI 与植被覆盖有关，且 目前遥感技术应用于农业监测时，因遥感影像数据海量 能够更好的反映出背景对植物冠层的影响，如粗超度、枯叶、 且增长快，对 处理计算耗时长，选择合适的处理方法直接 潮湿地面、土壤等。因此，结合 NDVI 的特征提取，提出了 影响监测结果的准确性。基于分布式的农作物特征提取算法 一种新型的N-SVM 算法。 的提出可以有效地解决计算效率慢，实时性差等问题，而且 结合传统的SVM 算法与农作物识别的特点，本文研究的 将获得的大量有效遥感影像信息应用于农作物监测，为需求 适用于农作物监测的N-SVM 算法主要步骤包括：计算整个样 者提供农作物的相关信息，解决农作物遥感监测难以达到运 本集的NDVI 值，遥感影像中表现为各个像素点的NDVI 值， 行化所需的兼顾精度和运算速度的提高。 将 添加到之前的样本数据集中，生成新的样本空间；针对 常用的遥感影像监督分类方法主要有最大似然分类法、 所有的样本特征值寻找作为初始解；利用标准的优化算法来 [1] 平行六面体、最小距离分类、支持向量机(SVM)等 。 中最 求最优解，并检验是否满足某个停机准则(如KKT 条件)，满 大似然法需要假设各个波段的每一类统计是正态分布，输入 足则停止计算，根据最优解构造分类函数，最后对 进行分 影像的像元被划分到似然度最大的类别中。平行六面体的分 类。 类方法是凭借所选训练样本的亮度值构成一个N 维平行六面 NDVI 值以最直观的形式反映出不同类别的农作物的特 体，根据目标像元的光谱值是否属于该训练样本对应的区域 征，对于同类的农作物来说，NDVI 曲线的波动可反映出 生 来进行分类。最小距离法可以避免样本较少时因协方差矩阵 长环境与发育情况的差异，NDVI 曲线分析可以为农作物监测 而导致的误差，但会出现某些不符合分类要求的像素被分类 提供依据。因此分类算法中加入 NDVI 的判断，将 作为样 [2] 。支持向量机(SVM)可以自动寻找到对不同类别能够容易区 本空间的一部分，可有效地提高分类准确度，为人们研究农 分的支持向量，基于此构造出分类器，实现不同类别之间的 作物变化提供更有效的手段。