基于SVM 的遥感信息提取技术研究
文献类型：学位论文
| 作者 | 李明明 |
| 学位类别 | 硕士 |
| 答辩日期 | 2010 |
| 授予单位 | 中国科学院研究生院 |
| 导师 | 周可法 |
| 关键词 | 支持向量机 集成核函数 遥感数据 信息提取 |
| 其他题名 | Research of information extracting technology for remote sensing data based on SVM |
| 学位专业 | 地图学与地理信息系统 |
| 中文摘要 | 遥感影像的信息提取是一个模式识别问题，随着卫星传感器向着更加精确的方向发展，影像的分辨率和各项质量参数都在不断地提升。传统的方法已经不能满足某些需求，而支持向量机（Support Vector Machine，SVM）作为一种新兴的基于统计学习理论的分类算法，是一种新的模式识别方法。它在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势：全局最优、结构简单、推广能力强等优点。目前在很多领域获得了相对其它分类方法的最优的性能。其中核函数是SVM 中很重要的部分，利用核函数思想，它能把非线性不可分问题转化到高维空间中线性可分，降低了算法的复杂度。本论文在常规的利用SVM 提取遥感信息的基础上，研究了SVM 中比较重要的部分——核函数，对现有常用的核函数进行分析研究，在此基础上构造了一个新的二元集成核函数，通过数据实验分析了该集成核函数的优点。并且通过实际的遥感数据对构造的集成核函数进行了分类实验，在实验中将集成核函数的使用分为两种方式。一种是将其当作一新的单一核函数和SVM 中原有常用的RBF 核函数进行分类比较。另一种方式是结合遥感数据的光谱和纹理这二元信息，通过设置集成核函数的比例系数，分别用构成集成核函数的单一核函数进行光谱特征训练和纹理特征训练获取最佳参数，再构成有效集成核函数进行数据分类。然后对分类结果进行精度评价，表明这两种方式的分类效果较SVM 中常用核函数的分类效果要好，并且后一种方式更符合结合遥感数据光谱和纹理信息的分类，精度达到最高。结果显示构造的集成核函数能够很好的满足现在高精度影像信息提取的要求。最后结合项目需求利用IDL 程序语言实现了该技术方法的软件实现，采用网格搜索法自动的获取最优参数，且能很好的与ENVI 软件集成进行影像的后处理和分析评价。本文中提出的集成核函数的SVM方法在综合遥感数据的光谱和纹理信息分类方面有较好的效果，具有很大的潜力，未来可以尝试用于多源数据的融合等。该集成核函数不仅仅针对遥感数据，在其他领域的数据处理也有应用潜力。 |
| 语种 | 中文 |
| 公开日期 | 2011-11-22 |
| 页码 | 75页 |
| 分类号 | TP751 |
| 源URL | [http://ir.xjlas.org/handle/365004/11158]  |
| 专题 | 新疆生态与地理研究所_中国科学院新疆生态与地理研究所(2010年以前数据) |
| 推荐引用方式 GB/T 7714 | 李明明. 基于SVM 的遥感信息提取技术研究[D]. 中国科学院研究生院. 2010. |
入库方式： OAI收割
来源：新疆生态与地理研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。