基于SVM的遥感影像监督分类方法研究——以天水市三阳川地区为例  

Research on Remote Sensing Image Supervised Classification Method Based on SVM——A Case Study of Sanyangchuan Area in Tianshui

作　　者：郭恒[1] 张军[1] 刘安伟[1] Guo Heng;Zhang Jun;Liu Anwei

机构地区：[1]甘肃工业职业技术学院,甘肃天水741025

出　　处：《甘肃科技纵横》2022年第1期52-55,共4页Scientific & Technical Information of Gansu

基　　金：2021年甘肃工业职业技术学院校级科研项目(项目编号:gsgzxy20210105)。

摘　　要：遥感影像分类技术是研究土地利用、规划与地理空间信息分析的重要技术手段,遥感影像分类的模型算法在各类遥感图像分类应用中起着重要作用。文章通过实地踏勘数据与图像纹理与光谱信息对比分析选择训练样本,对SVM支持向量机等6种分类方法进行结果分析与分类精度评定并得出结论。通过分类实验数据对比分析,得出基于SVM分类方法的精度高于其他分类方法,分类效率也较其他分类方法有一定优势,对比分类图像的细部图斑特征,较为明显的优于其他分类算法。最终得出一般性结论:在中等分辨率的多光谱影像中,运用支持向量机分类法可以得到较为满意的分类结果。

关 键 词：最大似然 神经网络 SVM Kappa系数 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] TP751[自动化与计算机技术—控制科学与工程]