论文部分内容阅读
利用遥感技术在湿地区域进行监测成为越来越重要的手段,可以解决湿地研究中一些科学问题,如湿地类型信息、湿地景观信息、湿地变化特征等。本文主要结合光谱、纹理等多种特征,主要利用支持向量机的分类方法完成中高分辨率遥感影像的分类、湿地的信息提取。首先在影像信息分类方法方面,研究了支持向量机(SVM)影像分类方法在湿地地表覆盖信息的方法与流程,从而能够更快更有效的获取地表覆盖信息数据。其次对小样本的训练和分类方面,支持向量机能有比较好的性能,原因是支持向量机会动态的调整核函数可以适应不同的分类对象与条件,具有一定的算法优势。在一级分类过程中,利用支持向量机的分类方法,加入多光谱、纹理等多种特征进行分类,使用遥感图像处理软件ENVI中的精度评估法参考检验样本对分类结果进行精度评价。结果显示基于支持向量机方法实验,经过误差矩阵的精度评价,获得研究区湿地遥感分类理想的分类精度,其分类总体精度为95.89%,Kappa系数为0.93。之后,继续采用支持向量机分类方法(SVM),进行湿地信息的二级分类,得到的分类总体精度为93.5%,Kappa系数为0.89。但支持向量机分类方法在针对多样本的遥感图像并不适用,针对此问题做进一步的实验,采用SVM方法和面向对象的方法对实验区数据行了耕地、绿地、湿地等信息提取,研究了不同分类算法对信息提取的结果,并对其分类效果进行了衡量与比较,对样本逐步增加并进行分类时,支持向量机的精度在逐步降低且降低幅度较大,而面向对象的方法虽也有所减少,但也可以维持在90%之上的精度。通过实验得出:确定小样本范围时,支持向量机方法在进行湿地类型信息提取的总体精度要高于面向对象的方法,精度可维持在90%以上;然后对样本逐步增加之后,面向对象方法所取得的分类结果明显优于其他的分类方法,可达到更理想的分类精度。支持向量机作为本次遥感影像分类研究中的首要方法,成功地提取了影像中所需的湿地信息,并对实验结果进行了分析和评价,证明了本文所提出的利用支持向量机进行湿地二级分类方法的有效性和可行性。