文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 生物学 > 基于SVM算法和纹理特征提取的遥感图像分类_丁海勇
侵权投诉

基于SVM算法和纹理特征提取的遥感图像分类_丁海勇

第29卷第8期Vol.29

No.8

计算机工程与设计

ComputerEngineeringandDesign

2008年4月Apr.2008

基于SVM算法和纹理特征提取的遥感图像分类

丁海勇1,2,卞正富1

(1.中国矿业大学环测学院,江苏徐州221008;2.山东农业大学信息学院,山东泰安271018)

摘

要:遥感图像分类是遥感图像处理领域中的一个重要的研究方向,传统的遥感图像分类方法根据像素值进行分类,忽视了遥感影像中丰富的纹理特征信息。小波分析通过引入宽度可变的窗口,可以同时对信号的局部信息进行频率域和时间域的变换。小波分析算法可以有效地提取出图像中的纹理特征信息。支持向量机算法是20世纪90年代提出的一种新的机器学习算法,通常被用来进行模式识别和分类。结合小波纹理提取算法,利用支持向量机进行遥感图像分类。研究结果表明,结合纹理特征的支持向量机分类的效果优于直接对灰度图像进行分类。关键词:支持向量机;遥感;小波分析;纹理特征;分类;模式识别中图法分类号:TP301.8

文献标识码:A

文章编号:1000-7024(2008)08-2131-02

RemotesensingimageclassificationbasedonSVMalgorithmandtexturefeatureextraction

DINGHai-yong1,2,

BIANZheng-fu1

(1.CollegeofEnvironmentandSpatialInformatics,ChinaUniversityofMiningandTechnology,Xuzhou221008,China;

2.CollegeofInformationScienceandEngineering,ShandongAgriculturalUniversity,Tai'an271018,China)

Abstract:Itisanimportantresearchdirectiontoclassificationtheremotesensingimagesinthefieldofremotesensingimageprocessing.Traditionally,theremotesensingimageclassificationisbasedontheclusteralgorithmofthepixels'graylevel.Abundancetexturefeatureinformationintheremotesensingimageisomitted.Awindowwithvariablewidthisbroughtintothewavelettransformationtheorytoanalysisthelocalinformationofasignalinthefrequencyandspatialdomainsimultaneous.Thewaveletanalysisisusedtoextractthetexturestructureinformation.Thesupportvectorsmachines(SVMs)isanewmachinelearningalgorithmintroducedin90slastcentury,whichisusedinthefieldofpatternrecognitionandclassification.Therefore,thediscretewavelettransformationisusedtoobtainthetexturefeaturewhichisusedtoclassifytheremotesensingimagebyvirtueofthesupportvectormachine.TheresultshowsthattheeffectofclassificationbasedonSVMsandtexturefeatureisbetterthanclassificationresultbasedonpixelsvalues.

Keywords:supportvectormachine;remotesensing;waveletanalysis;texturefeature;classification;patternrecognition

像规律等知识进行分析和推理,实现对图像的理解,可以完成对遥感图像的解译[1]。常用的分类方法有主成份分析、小波分析方法、神经网络、贝叶斯分类器、支持向量机等。经过20多年的发展,神经网络的理论日趋成熟,算法日益完善,相继提出了反馈神经网络、Hopfield神经网络、自组织特征映射神经网络。在文献[4-5]中,神经网络被用来进行遥感图像分类,取得了较好的效果。但是,神经网络中固有的理论上的不足,网络结构和参数的选择没有充足的理论依据,并且存在过学习,易陷入局部极小点等问题使得对经验性因素依赖较大。

支持向量机理论是近十几年来发展起来的一种统计学习理论[6-7],是机器学习研究领域的一项重大成果。支持向量机理论体现了结构风险最小化原则。与传统的人工神经网络相比,它不仅结构简单,而且泛化能力明显提高。本文研究了基于支持向量机理论与纹理特征提取的遥感图像分类问题,其

0引言

遥感数字图像计算机识别与分类是遥感图像处理中的一个重要的研究方向。区别于目视解译方法,计算机自动识别提供了更加准确有效的分类结果。遥感技术的迅速发展,为我们提供了更多的不同传感器所获得的遥感图像,例如,我国已经成功地研制了机载地物光谱仪,多光谱扫描仪、红外扫描机、成像光谱仪、真实孔位和合成孔位侧视雷达、微波辐射计、激光高度计等传感器

[1-3]

。可以获得同一地区的多光谱、多时

相的遥感图像,为环境监测、国土资源调查、交通管理等提供了丰富的资料。现代计算机技术和数学理论的发展,为遥感图像的计算机自动识别分类提供了技术支持和保证。利用模式识别技术与人工智能技术相结合,根据遥感图像中目标地物的各种影像,结合专家知识库中目标地物的解译经验和成

收稿日期:2007-06-06E-mail:hyongd@163.com

基金项目:江苏省社会发展基金项目(BS2003010);教育部新世纪优秀人才基金项目(NCET-04-0487)。

作者简介:丁海勇(1974-),男,山东泰安人,博士研究生,讲师,研究方向为遥感图像处理;卞正富(1965-),江苏建湖人,教授,博士生导师,研究方向为矿区土地复垦与生态重建、遥感图像处理。

-2131-

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email