基于最大似然和支持向量机方法的遥感影像地物分类精度评估与比较研究

发布时间：2017-09-09 22:20

  本文关键词：基于最大似然和支持向量机方法的遥感影像地物分类精度评估与比较研究

  更多相关文章： 分类 地物 最大似然 支持向量机 样本

【摘要】：遥感影像的监督分类算法在环境监测、地质调查等领域均有重要应用。本文利用最大似然(ML)分类器和支持向量机(SVM)分类器对土地利用和地表覆盖问题中地物类型的提取和识别进行研究,系统分析两种不同分类方法对地物分类结果的影响。通过选取Landsat LT5和LE7卫星遥感影像数据及定义训练样本,对比分析利用ML和SVM分类器的分类成果精度,其中Landsat LT5和ML、SVM组合的分类精度分别达94.64%和94.98%,而Landsat LE7和ML、SVM组合的分类精度则分别达97.63%和99.29%。研究表明,对于LT5影像,ML和SVM两种分类器的精度相当,而对于LE7影像,SVM分类器的精度明显高于ML分类器。
【作者单位】： 山东科技大学测绘科学与工程学院;长江水利委员会长江勘测规划设计研究院;
【关键词】： 分类 地物 最大似然 支持向量机 样本
【基金】：国家自然科学基金项目(41376108,41506210) 测绘公益性行业科研专项经费资助项目(201512034) 海洋公益性行业科研专项经费资助项目(201305034) 中国博士后基金面上项目(2015M572064) 卫星测绘技术与应用国家测绘地理信息局重点实验室开放基金(KLAMTA201408) 海岛(礁)测绘技术国家测绘地理信息局重点实验室资助项目(2014A01)
【分类号】：P237;TP751
【正文快照】： 土地利用和土地覆盖是全球环境变化研究的重要组成部分。利用遥感手段获得土地利用及覆盖信息的一个重要中间环节就是地物分类。遥感影像分类是计算机模式识别技术在遥感领域中的具体应用,其核心任务是确定不同地物类别间的判别准则[1]。目前遥感影像分类方法繁多,从不同角度

【相似文献】

中国期刊全文数据库 前6条

1 罗亦泳;张豪;张立亭;;基于遗传支持向量机的多维灰色变形预测模型研究[J];浙江工业大学学报;2010年01期

2 尚坤;李培军;程涛;;基于合成核支持向量机的高光谱土地覆盖分类[J];北京大学学报(自然科学版);2011年01期

3 林乐科;张业荣;赵振维;李建儒;;基于支持向量机的地基单站GPS反演大气剖面[J];南京邮电大学学报(自然科学版);2009年04期

4 王志军;顾冲时;刘红彩;;基于GIS与支持向量机的溃坝损失评估[J];长江科学院院报;2008年04期

5 洪晓鸿;洪璐;;回归支持向量机在区域高程异常拟合中的应用[J];浙江国土资源;2014年05期

6 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 李欢;罗红霞;朱子义;;基于Bayes决策规则完善支持向量机的最大边缘算法[A];中国地理学会2007年学术年会论文摘要集[C];2007年

中国博士学位论文全文数据库 前1条

1 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年

中国硕士学位论文全文数据库 前3条

1 范良;基于EEMD去噪和果蝇支持向量机的变形预测方法研究[D];辽宁工程技术大学;2013年

2 孙晓霞;基于混合样本和支持向量机的城市地物信息提取[D];河南大学;2014年

3 梁怀翔;支持向量机遥感图像分类的研究[D];长安大学;2011年

，

本文编号：823083