支持向量机在高光谱遥感图像植被分类中的应用  

Research on Hyperspectral Remote Sensing Image Classification Based on SAM

作　　者：马心璐[1,2] 任志远[1] 王永丽[1] 

机构地区：[1]陕西师范大学旅游与环境学院,陕西西安710062 [2]西北核技术研究所,陕西西安710024

出　　处：《农业系统科学与综合研究》2009年第2期204-207,共4页System Sciemces and Comprehensive Studies In Agriculture

基　　金：国家自然科学基金资助项目(40771019)

摘　　要：在分析传统统计模式识别分类方法分类精度不高的现状的基础上,以OMIS-I影像为例,采用基于支持向量机的方法对延河流域枣园地区植被信息进行提取,取得了很好的实验结果。与传统的最大似然分类提取方法相比,基于支持向量机的方法提取精度达90.50%,Kappa系数也超过了0.87,比单纯的最大似然分类方法提取精度高得多,而且该方法具有很强的操作性和实用性。图6,表2,参6。On the basis of analyzing the actuality of the low accuracy in the traditional statistical pattern recognition classification, the principle and application of support vector machine （SVM） is introduced with a real case of OMIS-I data. Using the OMIS-I data of ZaoYuan , an experiment is conducted and an excellent result is gained. Compared with the traditional Maximum Likelihood Classification （MLC） method, the resuh shows that the precision of this method reaches 90.50 %, kappa coefficient exceeds 0.87. Thus, this method has more superiority and practicability in Hyperspectral remote sensing image classification.

关 键 词：支持向量机(SVM) 高光谱遥感 精度分析 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置]