基于最大似然和支持向量机方法的遥感影像地物分类精度评估与比较研究.pdf

JournalofShandongUniversityofScienceandTechnology 王明伟等 基于最大似然和支持向量机方法的遥感影像地物分类精度评估与比较研究 《熬 器《 i穗 穗 最大似然分类器 ML，支持向量机分类器 SVM 的效果显著提高 ，这也证 明了该分类方法的可靠性。 通过分析可知 ，对于 LT5，LE7两种影像数据而 表 9 基于 LT5、LE7的ML和 SVM 分类成果 比较 言，采用支持向量机分类器 的生产者精度 (PA)平均值 Tab．9 Comparisonofclassificationresultsof 分别可达到93．239／6和 98．967／6，其值略高于最大似然 SVM andMLbasedonLT58LLE7 分类器 。其 中，对于 LT5，当采用支持 向量机分类器 时，农 田的分类精度达到 了99．14 ，同时，丘陵的分 类精度达到了97．18 ，其他地物类型的分类精度也 普遍高于最大似然分类器 ；而对于LE7，当采用支持向 量机分类器时 ，各种地物类型的分类精度均高于最大似然分类器。 通过上述表 5～8分析 ，并结合表 9和图 3，结果表 明，对于 LT5，两种分类器的精度相差不大；而对于 LE7，SVM分类器的精度明显高于 ML分类器 。究其原因主要有 以下几点：①LE7影像数据来源于 Land— sat7卫星，其机载传感器为ETM+，该设备增加 了一个 15m分辨率的全色波段，显著提高了红外谱段的分 辨率；②由不同地物的光谱特性曲线和试验区概况易知，植被对红外谱段具有较高反射率，在假彩色合成影 像上较易区分 ，因而相对于 TM影像 (LT5)具有较高分辨率 ；③SVM分类器根据有限的样本信息，综合考虑 特定训练样本的学习精度和学习能力 ，寻求最佳化解决方案 ，因而在处理高红外光谱分辨率 的ETM+影像 时拥有更高的分类精度 。 豳 基于LT5的ML 囝 基于LT5的SVM j(I《 目基于LE7的ML 求 目基于LE7的SVM 林地 农田 丘陵 房屋 水体 地物类别 图3 不 同地物分类方法对分类精度的影响 Fig．3 Effectofclassificationmethodsfordifferentfeaturesonclassificationaccuracy 为指导用户合理选择最优化的分类策略，本文在分析分类精度 的同时，还通过测试 MI和 SVM两种方 法分别消耗的时间比较其分类效率 ，从而量化 时间差异 ，提高分类准确度 。具体方案 ：①设计 四个类别 ，即 LT5q-ML、LT5+SvM、LE7+ML、LE7+SVM，每个类别均进行五组试验 ，总计二十组试验，编号从 01至 2O，其 中，01和O2，03和O4，……、17和 18、19和20分别基于同一组检核样本 。②分别记录分类所消耗 的 表 1O 基于 LT5、LE7的ML和 SVM分类时间比较 Tab．10 ComparisonofclassificationtimeofSVM andMIbasedonLT5＆ LE7 学 科 叛 32 2第01365年卷6第月3期 vJuonI．35No．3