基于WWSVDD多分类的遥感图像病害松树识别

作     者：胡根生 张学敏 梁栋 HU Gen-sheng;ZHANG Xue-min;LIANG Dong

作者机构：安徽大学计算智能与信号处理教育部重点实验室合肥230601 安徽大学电子信息工程学院合肥230601 

出 版 物：《北京邮电大学学报》 (Journal of Beijing University of Posts and Telecommunications)

年 卷 期：2014年第37卷第2期

页      面：23-27页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61172127) 安徽省自然科学基金项目(1408085MF121) 

主　　题：无人机 遥感图像 病害松树识别 加权小波支持向量数据描述 多分类 

摘      要：针对支持向量数据描述多分类中模糊数据域的误判问题,提出了一种改进的加权小波支持向量数据描述(WWSVDD)多分类方法,并应用于遥感图像病害松树识别.利用无人机搭载双光谱相机获取高分辨率遥感图像,提取地物特征,构建特征向量.用WWSVDD模型描述每类样本,根据待测样本在特征空间中的不同分布,分别采用最小相对距离法和隶属度函数法进行决策分类,从而实现病害松树的识别.实验结果表明,与传统的K近邻和支持向量数据描述多分类方法相比,所提方法在识别病害松树方面准确性更高.