论文部分内容阅读
高空间分辨率遥感图像在土地覆被分类方面应用广泛,但传统的基于像元分类方法的精度较低。为了提高高分辨率图像的分类精度,通过灰度共生矩阵法快速提取纹理特征,利用支持向量机(SVM)并辅以纹理特征,对浙江湖州典型实验样区的ALOS图像进行土地覆被分类。结果表明:基于纹理特征和SVM的图像分类能更好地提取地物信息,分类总精度达到90.88%;单纯SVM的分类精度(89.96%)高于最大似然法(分类精度86.16%)。本文方法可快速准确地提取土地覆被类型,为研究农业非点源污染的产生和时空分布提供服务,进而为寻