基于支持向量机几种核函数遥感图像分类比较.docVIP

基于支持向量机几种核函数遥感图像分类比较 　　【摘 要】图像分类是人们获取信息的一种重要的手段，传统的分类方法是以经验风险最小化为归纳原则，只有当训练样本数趋于无穷时，其性能才能达到理论上的最优。当样本不足时，传统的分类方法往往不能达到理想的分类精度。与传统的人工神经网络相比，支持向量机理论体现了结构风险最小化原则，它不仅结构简单，泛化能力强，而且能较好的解决小样本、高维数据和局部极小等实际问题。本文以试验区的地物分类为研究背景，建立了支持向量机的算法框架，并分别使用多项式核函数，径向基核函数、Sigmoid核函数以及线性核函数四种核函数对图像进行了多类别分类实验。 　　【关键词】支持向量机；统计学习理论；图像分类；核函数 　　【Abstract】Image classification is an important means for people to obtain information， the traditional classification methods are based on empirical risk minimization principle， only when the number of training samples is infinite， its performance can reach the optimal theory. When the sample is insufficient， the traditional classification methods often fail to achieve the desired accuracy of classification. Compared with the traditional neural network， support vector machine theory embodies the structural risk minimization principle， it not only has the advantages of simple structure， strong generalization ability， and can solve the small sample， high dimension data and local minimum problems. Based on the classification test area as the research background， the algorithm of support vector machine is built， and the use of polynomial kernel function ， radial basis function， Sigmoid kernel and the linear kernel function four kinds of kernel function to do image classification experiment. 　　【Key words】Support vector machine； Statistical learning theory； Image classification； Kernel function 　　0 引言 　　遥感技术作为人类研究地球资源环境的一种技术手段，遥感图像计算机分类是遥感技术应用的重要组成部分[1]遥感数字图像的处理就是将遥感图像的模拟或数字形式的信息输入计算机中，利用某种遥感图像处理软件，按照一定的数学模型，进行变换、加工产生可为专业人员判读的图像或者资料[2]。20世纪70年代之后，图像分类成为遥感领域研究的热点问题，在诸多领域中应用越来越广泛，如测绘行业中地理国情监测，铁路行业中用图像分类进行环境监测，水利部门用图像分类技术监测河道或者湖泊周围的自然环境。近年来许多学者对图像分类进行了大量的研究和探索，并提出了多种方案。如Huang等人[3]通过获取图像颜色的空间相关性等信息，通过用分类树来对图像进行分类。 　　目前常用的图像分类方法是最大似然法，它是以贝叶斯的主观理论为代表的，运用最大似然法前提条件是图像数据呈正态分布，而且主要存在的问题是反映不出对知识的不知道信息[4]。 　　采用传统的分类方法，会出现很多错分，漏分的情况，且分类精度也比较低。在此种情况下，许多人找寻新的分类方法，支持向量机的分类方法应运而生。近些年来，支持向量机被应用到了很多领域，支持向量机的研究已经被越来越多的学者所重视，这种技术在人脸特征检测、文字体识别、图像处理以及其他领域都取得了大量的研究成果。图像分类结果是