论文部分内容阅读
随着遥感技术的不断进步与成熟,目前越来越多的被应用于环境监测、规划、灾害评估、军事等领域。本文对SVM分类理论和方法进行了重点介绍与研究,第一次将此种分类方法应用于竹林信息提取的研究;该研究以福建省顺昌县为例,利用多种分类方法,结合多源遥感数据对顺昌县的竹林信息进行了提取,并对其提取精度进行了评价和对比,结果显示基于多源遥感的SVM分类方法达到了较高的精度。
首先,本文采用了2007年5月TM数据和2008年5月ALOS数据,并对数据进行了大量的预处理工作,包括影像的精校正,数据的融合和评价等,在融合数据的基础上辅助以地形图、资源分布图等GIS数据进行了分类研究。
其次,本文采用了多种分类方法对竹林信息进行提取,包括非监督分类、最大似然分类、子象元分类和基于光谱特征的分类,并将多种分类方法结果进行了精度评价和对比,结果表明SVM分类方法总体精度达到了81.01%,对竹林的分类精度达到了82.52%,在各方面的指标精度均优于其它分类方法。
最后,针对本文研究过程中存在的问题和如何进一步提高竹林分类的精度提出了建议。
本文在SVM分类方法的模型选择、核函数选择和C参数确定方面做了大量的工作,在考虑到时间效率和精度方面的因素,对于竹林的信息提取最终确定应用LOO模型、RBF核函数和C参数为13的情况下对竹林进行分类研究。本研究采用的SVM分类方法是一种较先进的分类方法,它是建立在经验风险最小化理论上的分类方法,能够克服传统分类方法对“技巧”的过分依赖,对竹林的分类比较适用。本文认为对于遥感数据的预处理质量仍是影响分类精度的关键因素之一,预处理的结果直接影响到最终分类的结果。