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 > 天文/地理 > 基于SVM算法和纹理特征提取的遥感图像分类
侵权投诉

基于SVM算法和纹理特征提取的遥感图像分类

维普资讯 doc.guandang.net

中特征向量是由T多光谱影像的像素值和提取出的纹理信 M 息组成的 .小波分析理论被用来提取图像的纹理信息 .

响分类精度的主要因素之一 .纯地依赖于像素值进行分类,单 必然会存在大量误分样本点 .而纹理特征和结构特征也是表现遥感图像的重要的信息 .文献[】,形状指数和邻接指 9中将

1支持向量机理论 在 2世纪 9代形成了较为完善的统计学习理论以及 0 0年结构风险最小化原则:函数集分解为一个函数集序列,各把使个子集能够根据 V C维的大小排列,每个子集中寻找最小的在经验风险 .V p k提出的支持向量机是实现统计学习理论思 ai n想并且能够符合结构风险最小化原理的新的学习算法 . 对于线性可分的情况,设 ( ) 1Ⅳ)Ⅳ,, …,为J个样本点, () 1

数用作分类特征向量,较好地区分了光谱特征相近但属于不 同类别的土地利用斑块 .献[O中,取了 I O S图像的文 1】提 K NO光谱信息,理信息和结构信息,用平均值,差,一性,纹采方均 反差,异性等指标来表示纹理信息,用图像的边缘密度特相选

征来表示结构信息,利用支持向量机进行分类,取得了较好的 分类效果 .本文采用小波分析理论来提取图像的纹理信息 . 小波分析是对傅立叶变换的补充和发展,弥补了傅立叶变换不能同时对信号进行

时间域和频率域分析的缺点 .小波

其中Y=1一1表示 X属的类 .分类线性方程为 或, i所 曲=W·+= xb 0

分析通过引入一个宽度可变的窗口来对信号的局部信息进行 分析研究 .先引入一个母小波函数 )对母小波函数进行首,平移,缩变换后形成一个函数族伸 1 f— L

所要寻找的最优分类线能够将不同的类分开,同时使分类间隔达到最大,使两类样本都满足 l )≥1距离最优分类 l, 线最近的样本点满足上式时,类间隔等于 2 lW l.求分分/I l ;类间隔最大化即等价于下面的优化问题 a nG(= l ri w) l W () 2

( ( 曲=ll ),∈,4 ) a一 ( ,6 a~ 专— a O "

作为一组小波基,信号力的小波变换即为厂f (在该小波基 ) 下的系数 .维图像的小波变换可以看作是先对行分别作低二通滤波和高通滤波,后对列分别作低通滤波和高通滤波,然得到原图像的 4分解图像:个细节图像和一个近似图像 .个 3对近似部分可以进行继续分解以得到更多的细节图像,由于图

使得Y[·+]>0f,- w )6一1, -, (/=1 -ⅣI满足 Y ( '怕卜 1 0 w ) E=的训练样本Ⅱ做支持向量 .通过构造下面的 L gag q arn e函数, 从而转化为二次规划问题

Lwb ) l ;∑a (五+] 1 (,a= l l一[, l w w· )6一 ) i

(像的纹理信息体现了局部区域灰度值的变化特点,可以认为 3 ) 小波分解后的高频细节系数的变化反映了纹理特征,因此选

式中:=(… n— -, rn e数 .式 ()最小值即为式 n n,, , l gag乘 a 2的

()鞍点,通过对 w a偏导数运算转化为 () 3的可和的 2的对偶问 题,函数西()极大值求 n的 N . N

取下面的能量函数作为其细节部分的纹理信息 E=一 Q( ) g i) i l Q( jo j () 9

西 )∑ ~,y j (= n+ .j(· n一 ayx x aj ) =1 Ⅳ

( 4 )

i=l i l[ Pi j P j∑l() ) ( )/ j 22试验设计与结果分析 .

() 1 0

约束条件为∑=,i, 1 . 0a ,若n为其最优解,≥0…则 z 1= N =

试验选取徐州市北部某地区的多光谱遥感影像 T .. M15 7作为分类影像,地区的地物类型主要分为树木,体,路,该水道

∑0【 =1

( 6 ) N

耕地 4类型 .试验分下面几步完成:种纹理特征提取:分别选 取不同大小的窗口计算小波分解后的细节部分的能量,表征

从而,优分类函数为最

_一 g( + '= g( , s ( ' 6) sn∑n ) n w ) =1

·+ ) ) 6

( 7 )

图像的纹理特

征 .选取 T ..波段的对应点的像素值以及 M157纹理信息形成特征向量,在 T图像中 4类地物中分别提取 M 5个,5 1 14个,0 16个,6个像元作为训练样本,选取测试样 2再本及目标后,支持向量机进行训练,整参数,对调训练中利用 lv .软件进行试验,过测试参数值分别为 c 20gma i m28 s经= .,a= 015对测试样本的分类精度可达到 9.1 .最后利用调整 ., 2 88%好的参数对整幅图像进行测试,输出分类结果 .为了与加入

对于非线性可分的样本点,一个非线性函数样本点用将空间映射到一个高维的特征空间,特征空间进行线性分类 .在 若能找到映射,内积运算·可以用 J· )代替 .则 )来 通常用函数Kx= (·∞ )示内积运算而不直接利用函 ( 表数 .称函数 )核函数 .这样,优分类超平面可表示为为最 Ⅳ

I=g (, s∑ n =1

) )怕

M ( 纹理特征后的分类结果进行对比,直接利用 T遥感影像的 8 ) )·+=[ )

常用的核函数如下所示:多项式核函数: 1径向基核函数: q; Y= ahv y+ ) ) t (( n x' )c.

像素灰度值进行 S M分类, V经过测试参数值分别为c 120=89 ., gma 00 1 5对测试样本的分类精度为 9 .然后对整幅 a=. , 32 42%, 图像进行 S VM分类 .最后的分类图像如图 1示 .所

) ep一= x(

) Sg i核函数:; imod

2纹理特征提取与实验 21纹理特征提取 . 常用的分类方法是基于遥感图像的光谱特征的,照光按谱特征在多光谱空间内聚集的类别成为光谱类别 .但是,由于光学传感器分辨率的限制,及大气中存在的光的折射,以衍射,射等现象,一幅遥感图像中有许多像元都包含有若干散在 ()合纹理特征的 S a结 VM分类 ()接分类 b直

图 1分类结果

种地表覆盖物,即存在混合像元问题 .混合像元的存在是影 一

(转第 23下 1 6页)

21 2一 3

基于SVM算法和纹理特征提取的遥感图像分类

上一页第2页

你可能喜欢

  • 遥感应用
  • 遥感图像分类
  • 微波遥感
  • 植被遥感
  • 植物群落
  • 功能性状
  • 遥感影像分类方法

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