|
|||||
|
|
| 基于MNF和SVM的高光谱遥感影像分类研究 | |
| 引用本文： | 李海涛,顾海燕,张兵,高连如.基于MNF和SVM的高光谱遥感影像分类研究[J].遥感信息,2007(5):12-15,25. |
| 作者姓名： | 李海涛 顾海燕 张兵 高连如 |
| 作者单位： | 1. 中国测绘科学研究院摄影测量与遥感研究所,北京,100039 2. 中国测绘科学研究院摄影测量与遥感研究所,北京,100039;辽宁工程技术大学测绘与地理科学学院,辽宁,123000 3. 遥感科学国家重点实验室,中国科学院,遥感应用研究所,北京,100101 |
| 基金项目： | 地理空间信息工程国家测绘局重点实验室经费资助项目 |
| 摘 要： | 通过分析高光谱遥感影像分类的现状及遇到的困难,以OMIS1高光谱数据为实验数据,提出了基于最小噪声分离(Minimum Noise Fraction-MNF)变换和支持向量机(Support Vector Machine-SVM)的高光谱遥感影像分类方法。分类实验结果表明:与传统的最大似然分类法(Maxi mum Likelihood Classification-MLC)比较,该方法克服了Hughes现象,分类速度得以提高,总体分类精度达到94.85%,从而表明了该方法用于高光谱遥感影像分类的实用性和优越性。 |
| 关 键 词： | 高光谱遥感 Hughes现象 最小噪声分离变换 支持向量机(SVM) |
| 文章编号： | 1000-3177（2007）93-0012-04 |
| 修稿时间： | 2007-05-092007-07-26 |
Research on Hyperspectral Remote Sensing Image Classification Based on MNF and SVM |
|
| LI Hai-tao,GU Hai-yan,ZHANG Bing,GAO Lian-ru.Research on Hyperspectral Remote Sensing Image Classification Based on MNF and SVM[J].Remote Sensing Information,2007(5):12-15,25. | |
| Authors: | LI Hai-tao GU Hai-yan ZHANG Bing GAO Lian-ru |
| Abstract: | On the basis of analyzing the actuality and difficulty of Hyperspectral image classification, a method of applying Minimum Noise Fraction Transformation and Support Vector Machine to Hyperspectral remote sensing image classification is presented in this paper where OMIS 1 data is used. Compared with the traditional Maximum Likelihood Classification (MLC) method, the results show that this method overcomes the Hughes phenomenon, boosts classification speed, and has total accuracy of about 94.85%. Thus this method demonstrated its superiority and practicability in classifying Hyperspectral remote sensing image. |
| Keywords: | hyperspectral remote sensing hughes phenomenon minimum noise fraction transformation support vector machine(SVM) |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |