【摘要】：近年來,遙感行業(yè)發(fā)展日新月異,傳感器技術、電磁波的接收與處理等技術發(fā)展迅速,更是極大的促進了遙感技術的進步,在此期間涌現出了一系列的高空間分辨率衛(wèi)星傳感器,如何充分利用高分辨率遙感影像為我國土地利用、城鄉(xiāng)規(guī)劃、土地變化監(jiān)測、軍事等各個行業(yè)提供實時準確的土地覆蓋信息至關重要,遙感影像分類作為獲取土地覆蓋信息最省力、最準確、最重要的方式,其技術進展一直備受關注,其中支持向量機算法在用于遙感影像分類時取得的效果可觀。本文在分析國內外關于支持向量機遙感影像分類法的相關研究現狀基礎上,以GF2高空間分辨率遙感影像作為實驗數據,參考全國第二次土地利用調查分類體系,展開了基于多特征的SVM高分辨率遙感影像土地利用分類研究。本研究在一定程度上對基于支持向量機的高分辨率遙感影像土地利用分類研究提供了一些參考價值,同時為土地利用信息的提取提供一定的技術參考方法。主要研究內容與成果如下:(1)以北京市懷柔區(qū)雁棲湖附近一景高分二號(GF-2)遙感影像為研究對象,參考全國第二次土地利用調查分類體系制定研究區(qū)分類標準,基于SVM基本理論與研究區(qū)實驗數據高空間分辨率的基本特性,采用將影像波段光譜值、影像NDVI值兩個光譜特征及方差、熵、差異性、二階矩四個紋理特征融合的方法展開GF2高空間分辨率遙感影像土地利用分類研究,并與最大似然法和神經網絡法相比較。(2)就研究區(qū)GF2影像分類結果而言,通過各項精度指標及各類別分類效果圖比對分析,本文所采取的基于多特征的分類方法取得了最優(yōu)的分類效果,其總體精度為95.67%,Kappa系數可達0.9267。(3)相較于其他分類方法,就研究區(qū)GF2影像分類結果而言,無論是單獨利用影像波段光譜值進行分類還是融合影像光譜特征和紋理特征進行分類,基于SVM取得的分類效果都是最優(yōu)的。另外,最大似然分類法和SVM分類法在綜合考慮影像光譜信息NDVI和紋理信息(方差、熵、差異性、二階矩并經過PCA選取主分量)時取得的分類精度優(yōu)于單獨使用研究區(qū)遙感影像的四波段信息進行分類取得的精度;而神經網絡法在融入多特征后其精度值則有所下降。
【圖文】：

論文技術路線圖

圖 2-1 最優(yōu)分類超平面可分樣本數據集( , ), = 1,2, … , , ∈ , ∈ {1, 1},屬類別。則分類超平面可表示為：f(x) = w x + b。對于超1，，表示的是y = 1類的樣本點；對于超平面 H2，w x
【學位授予單位】：中國地質大學(北京)
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：P237

【參考文獻】

相關期刊論文 前10條

1 王芳;楊武年;鄧曉宇;任金銅;;高分二號數據的城市生態(tài)用地分類方法探討[J];測繪科學;2018年03期

2 陳嘉博;;機器學習算法研究及前景展望[J];信息通信;2017年06期

3 李鵬;虞虎;王鵬;李開淵;;基于GF2號衛(wèi)星影像的農業(yè)信息提取方法對比分析[J];測繪通報;2017年01期

4 王振武;孫佳駿;尹成峰;;改進粒子群算法優(yōu)化的支持向量機及其應用[J];哈爾濱工程大學學報;2016年12期

5 王振武;孫佳駿;于忠義;卜異亞;;基于支持向量機的遙感圖像分類研究綜述[J];計算機科學;2016年09期

6 張靜;張翔;田龍;張青峰;;西北旱區(qū)遙感影像分類的支持向量機法[J];測繪科學;2017年01期

7 鄧曾;李丹;柯櫻海;吳燕晨;李小娟;宮輝力;;基于改進SVM算法的高分辨率遙感影像分類[J];國土資源遙感;2016年03期

8 紀凱;韓棟;;SVM支持向量機在遙感圖像中的應用研究[J];湖南城市學院學報(自然科學版);2016年03期

9 賈坤;李強子;田亦陳;吳炳方;;遙感影像分類方法研究進展[J];光譜學與光譜分析;2011年10期

10 張過;李揚;祝小勇;唐新明;;有理函數模型在光學衛(wèi)星影像幾何糾正中的應用[J];航天返回與遙感;2010年04期

相關博士學位論文 前1條

1 員永生;基于支持向量機分類的面向對象土地覆被圖像分類方法研究[D];西北農林科技大學;2010年

相關碩士學位論文 前8條

1 和曉風;基于GF-1遙感濕地類型提取研究[D];中南林業(yè)科技大學;2017年

2 朱莎;基于機器學習的遙感圖像分類研究[D];江西理工大學;2017年

3 胡天宇;基于數據降維的機器學習分類應用研究[D];吉林大學;2017年

4 王愛蕓;山地GF-2衛(wèi)星遙感圖像融合方法優(yōu)選研究[D];云南大學;2016年

5 翟莉;基于加權多特征融合和SVM的圖像分類研究[D];華中師范大學;2016年

6 元晨;高空間分辨率遙感影像分類研究[D];長安大學;2016年

7 蔣芳;基于MATLAB的遙感圖像SVM分類系統(tǒng)實現[D];湖北大學;2012年

8 姚磊;基于支持向量機的遙感影像分類研究[D];山東師范大學;2012年

本文編號：2607172