论文答辩基于支持向量机的扎龙湿地遥感分类研究演示幻灯片.pptVIP

论文名称 基于支持向量机的扎龙湿地遥感分类研究 1、课题研究背景、目的及意义 湿地是介于陆地生态系统和水生生态系统之间的过渡带，并且地物特征由水体向陆地逐渐变化，兼有两种系统的某些特征。遥感是一门建立在空间、物理、电子计算机、地学和信息科学等多学科基础上的新兴的综合性科学技术，被广泛的应用到湿地的研究分析中。而遥感图像的分类是遥感数据分析和信息提取的重要工具，是遥感图像处理过程中的重要的步骤，一直是遥感领域的研究热点，并且被从事于遥感图像处理的广大科技人员所重视。遥感图像从获得到进行具体科学研究的过程中，进行分类是必不可少的程序。 支持向量机(Support Vector Machines，SVM)是根据统计学习理论中结构风险最小化原则提出的。SVM 是由Vapnik领导的ATT Bell实验室研究小组在1963年提出的一种崭新的非常有潜力的分类技术，它是一种统计学习理论的模式识别方法，主要应用于模式识别领域。由于SVM 的特性，在上世纪90年代被引入遥感分类领域，最先用于多光谱遥感图像分类，并得到了深入的发展。 研究背景 1、课题研究背景、目的及意义 因湿地在维持生态系统平衡、保持物种多样性与保护稀缺物种以及涵养水源、补充地下水、降低污染调节气候湿度、控制土壤侵蚀等方面起到的重要作用，所以进行遥感湿地研究十分必要，而湿地地物类型的分类研究更是有助于我们时时进行湿地的动态监测，为更好的保护湿地提供数据、决策支持。但是由于湿地独特的生态环境以及地理位置使得湿地各地物类型分布错综复杂，精准的进行湿地地物类型分类变得极为困难，所以需要找到一种分类方法来提高湿地地物类型的分类精度。 所以我的课题就是利用支持向量机这种可以有效地处理小样本、高维度等诸多问题的分类方法来对研究区扎龙湿地进行遥感分类研究，以待提高湿地地物类型的分类精度。 目的及意义 2、研究内容 论文将采用支持向量机分类方法对研究区的扎龙湿地进行遥感分类研究，探讨地物特征对分类结果的影响，并与最大似然分类方法进行对比，找出支持向量机分类法在湿地地物类型分类研究中的优劣势，为湿地遥感的自动分类与智能提取，湿地监测与保护决策提供技术支持。 研究内容 2、研究内容 扎龙国家级自然保护区(46°5′N～47°32′N，123°47′E～124°37′E)，地处中国黑龙江西部的乌裕尔河下游齐齐哈尔市及富裕县、林甸县、杜蒙县、泰来县交界地域，是以芦苇沼泽为主的湿地生态系统类型的自然保护区。保护区南北长65km，东西宽37km，总面积21万公顷，其中核心区7万公顷，缓冲区6.7万公顷，实验区7.3万公顷。独特的地理位置和典型的湿地生态系统，使其成为东北地区重要的鸟类繁殖地和栖息地，在世界鹤类保护及湿地保护事业中占有重要地位。 研究区概况 图1 3、数据与方法 技术路线 采用Landsat TM5影像，利用从google地球选取的扎龙湿地坐标矩形区通过ArcMap转换为配准裁剪的矢量图数据。将研究区裁剪出以后分别进行SVM和MLC分类器的两种遥感分类研究，然后分别计算两种分类结果的评估混淆矩阵、各地物类型面积，并制作分类专题图。对比两种分类器的分类结果，分析与讨论后得出最后结论。 TM5遥感 影像 图像 预处理 研究区图像 裁剪 监督分类 SVM MLC 混淆矩阵 各地物 面积 分类专 题图 对比分析 结论 Google地球 选取研究区 研究区 矢量图 图2 技术路线图 3、数据与方法 通过中科院遥感数据共享平台下载2009年7月31日过境的Landsat TM5影像(轨道号120/27)，分辨率为30m。对图像进行大气校正和几何校正，然后在谷歌地球上通过扎龙湿地的经纬度(46°5′N～47°32′N，123°47′E～124°37′E)选取相应的矩形区域，通过ArcMap处理后作为研究区配准裁剪的矢量图。最后利用下载好Landsat TM5影像与该矢量图裁剪出本文所需的研究区域图(因扎龙湿地影像过大，使用SVM分类器进行分类时会增加运算的复杂程度，导致ENVI软件崩溃，故裁剪出部分扎龙湿地区域作为研究区，不影响本文对SVM和MLC分类器对湿地分类精度的对比评估分析)。 数据及预处理 3、数据与方法 支持向量机是通过寻找不同类别之间的最优超平面进行划分的，因此，不同类别间边缘的样本点成为左右分类结果的关键，这些样本点称为“支持向量”。对于非线性问题，支持向量机利用其特有的核函数与惩罚变量技术，将低维线性不可分映射成高维线性可分，并通过设置惩罚因子，处理极个别的离群值的类别归属，达到自动识别的目的。 支持向量机的基本思想是基于线性可分情