遥感图像森林林型SVM分类的多特征选择

作     者：王修信 秦丽梅 罗玲 张晓朋 汤谷云 WANG Xiuxin;QIN Limei;LUO Ling;ZHANG Xiaopeng;TANG Guyun

作者机构：广西师范大学计算机科学与信息工程学院广西桂林541004 北京师范大学遥感科学国家重点实验室北京100875 广东第二师范学院计算机系I510303 湖南科技学院数学与计算科学系湖南永州425100 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2013年第49卷第20期

页      面：259-262页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(No.41061040) 广西研究生教育创新计划项目(No.2010106020812M59) 

主　　题：森林林型分类 遥感 支持向量机(SVM) 多特征选择 小波变换 

摘      要：为了研究遥感图像森林林型SVM分类多特征的选择对提高分类精度的影响,选取小波变换不同尺度纹理、四种植被指数、最优波段光谱特征等不同组合构成林型分类多特征向量进行分类。结果表明,纹理与植被指数、最优波段组合多特征的森林林型分类精度最高,阔叶林、针叶林和竹林的分类精度分别为84.4%、86.5%、91.0%,比纹理单类特征分类分别提高4.1%、4.0%、1.1%,比植被指数单类特征分类分别提高9.2%、11.8%、11.9%。多特征的分类精度一般要高于单类特征,纹理能够较明显提高林型可分性,植被指数也有一定的效果,但最优波段光谱特征的效果较弱。