基于svm的高光谱遥感图像分类分析.doc

基于SVM的高光谱遥感图像分类分析

1.47万字 37页 原创作品，已通过查重系统

摘要

就对地观测技术水平的提高，光谱遥感技术成为人们获得地面上信息的重要招数，它用很多很窄的电磁波波段从感兴趣的东西获得有效消息。高光谱遥感看作一种新的遥感方法，在民用和军用方面都发挥着举足轻重的作用。
高光谱图像分类是高光谱信息处理的第一目标。高光谱图像以其高分辨率、多波段数、大数据量的特性给传统图像分类技术带来了很大的困难。出于支持向量机在小样本、非线性和高维空间中表现出良好的分类功能，本文主要探讨了基于支持向量机的高光谱遥感图像分类方法，重点包括：概况介绍了遥感研究的现状，高光谱遥感分类的传统方法及图像的分类结果，基于支持向量机的高光谱遥感分类。综述了高光谱图像分类的基本定义，对监督分类与非监督分类，硬分类和软分类，单分类和多分类等分类方法进行了简单介绍，对监督分类与非监督分类进行了研究。传统的机器学习法是基于经验风险最小化标准来设计的，其采取的大前提是需要足量的学习样本数据。而基于统计学习理论的支持向量机能走出小样本学习的牢笼。将支持向量机的设计方法应用到高光谱图像分类中来，获得了不错的分类成效。分析了支持向量机类型的选取和参数的规定对分类器性能的改变。




关键词：高光谱遥感，支持向量机，监督分类，图像分类，非监督分类