高光谱影像的BDT-SVM地物分类算法与应用

发布时间：2017-09-27 09:09

  本文关键词：高光谱影像的BDT-SVM地物分类算法与应用

  更多相关文章： 高光谱影像 支持向量机(SVM) 二叉决策树(BDT) 分类算法

【摘要】：面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。
【作者单位】： 福建师范大学地理科学学院;
【关键词】： 高光谱影像 支持向量机(SVM) 二叉决策树(BDT) 分类算法
【基金】：欧盟第七框架项目(IGIT:247608) 福建省自然科学基金项目(2011J01265)共同资助
【分类号】：TP751
【正文快照】： 1引言高光谱遥感技术能以多达数百个的纳米量级宽度的窄波段对目标实施连续的光谱成像,由此可获得地物在一定范围内连续而精细的光谱曲线,构成独特的超多维光谱空间,实现了地物空间信息与辐射信息的同步获取;由于空间信息在光谱维上得到较为全面的展开,这将极其有助于对地球表

【共引文献】

中国期刊全文数据库 前10条

1 陈民;王宁;段国宾;王玖玲;童文彬;于学政;;基于决策树理论的土地利用分类[J];测绘与空间地理信息;2014年01期

2 马书勇;朱星磊;安裕伦;;喀斯特石漠化地区遥感影像的决策树分类——以贵州省黔南州长顺县凯佐乡为例[J];安徽农业科学;2013年25期

3 李泽鸣;魏占民;白燕英;李佳宝;梁天雨;;内蒙古引黄灌区种植面积与种植结构的时空演变[J];干旱区研究;2014年02期

4 林丽群;肖洲;李雪;;基于特征构造的影像跨尺度分类研究[J];测绘科学;2014年04期

5 Shuyong MA;Xinglei ZHU;Yulun AN;;Remote Sensing Image Classification Based on Decision Tree in the Karst Rocky Desertification Areas: A Case Study of Kaizuo Township[J];Asian Agricultural Research;2014年07期

6 李振敏;王晓青;窦爱霞;杨海霞;黄树松;崔丽萍;;基于Landsat-8与ZY3多源遥感影像的城镇居民地识别与再分类研究[J];地震;2015年03期

7 王尧;卓莉;易l点，

本文编号：928811