基于SVM的高光譜遙感圖像分類分析

1.47萬字 37頁 原創(chuàng)作品，已通過查重系統(tǒng)

摘要

就對地觀測技術(shù)水平的提高，光譜遙感技術(shù)成為人們獲得地面上信息的重要招數(shù)，它用很多很窄的電磁波波段從感興趣的東西獲得有效消息。高光譜遙感看作一種新的遙感方法，在民用和軍用方面都發(fā)揮著舉足輕重的作用。
高光譜圖像分類是高光譜信息處理的第一目標。高光譜圖像以其高分辨率、多波段數(shù)、大數(shù)據(jù)量的特性給傳統(tǒng)圖像分類技術(shù)帶來了很大的困難。出于支持向量機在小樣本、非線性和高維空間中表現(xiàn)出良好的分類功能，本文主要探討了基于支持向量機的高光譜遙感圖像分類方法，重點包括：概況介紹了遙感研究的現(xiàn)狀，高光譜遙感分類的傳統(tǒng)方法及圖像的分類結(jié)果，基于支持向量機的高光譜遙感分類。綜述了高光譜圖像分類的基本定義，對監(jiān)督分類與非監(jiān)督分類，硬分類和軟分類，單分類和多分類等分類方法進行了簡單介紹，對監(jiān)督分類與非監(jiān)督分類進行了研究。傳統(tǒng)的機器學習法是基于經(jīng)驗風險最小化標準來設(shè)計的，其采取的大前提是需要足量的學習樣本數(shù)據(jù)。而基于統(tǒng)計學習理論的支持向量機能走出小樣本學習的牢籠。將支持向量機的設(shè)計方法應(yīng)用到高光譜圖像分類中來，獲得了不錯的分類成效。分析了支持向量機類型的選取和參數(shù)的規(guī)定對分類器性能的改變。




關(guān)鍵詞：高光譜遙感，支持向量機，監(jiān)督分類，圖像分類，非監(jiān)督分類