论文部分内容阅读
针对传统矿化信息提取方法单一利用光谱或纹理，信息量相对较少且需要大量样本的缺陷，利用基于光谱和纹理的支持向量机（SVM）原理，建立矿化信息提取模型。选择青海黄南州吉地地区作为典型研究区。首先提取研究区光谱和纹理信息，选取训练样本；然后求解最优超平面，进而确定决策函数；最后泛化推广识别其它待识别的样本。通过所提取的遥感蚀变异常信息与原有矿区叠加分析，叠加基本吻合；从野外实地验证来看，均发现了不同程度的矿化现象，并指出了4个重点异常区。