喀斯特地区遥感影像解译新算法——支持向量机算法
朱星磊1
安裕伦1
黄祖宏2
王静敏3
1.贵州省山地资源与环境遥感应用重点实验室,贵州贵阳550001;贵州师范大学地理与环境科学学院,贵州贵阳5500012.华东师范大学中国现代城市研究中心、人口研究所,上海,2000623.南阳师范学院外国语学院,河南南阳,473061
摘要：现行的遥感影像解译方法有监督分类和非监督分类.在监督分类中有平行算法,最小距离算法、最大似然算法等,而支持向量机是监督分类中的一种新的算法.本研究选择贵阳市花溪区小碧乡局部地区为研究对象,采用SPOT数据,分别运用最大似然算法和支持向量机算法对研究区遥感影像进行解译.通过建立混淆矩阵,来计算分类精度和Kappa系数.结果表明:支持向量机具有分类精度高,分类图斑完整等优点;但在时间的消耗上,支持向量机算法要比最大似然算法长.对于这两种算法而言,都存在地物光谱特征明显相异的地物易于区别,光谱相似的地物容易造成错分的现象,然而支持向量机分类精度要比最大似然分类精度高一些.支持向量机对样本数量具有敏感性,样本数量过多将导致运算时间过长.因此在实际运用中应根据实际情况,选择适合的算法.
关键词：喀斯特地区影像解译最大似然算法支持向量机算法
分类号：TP75(遥感技术)
论文发表日期：2011-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 222-226 )
英文信息