基于SVM方法的SPOT-5影像植被分类

编号 zgly0000840675

文献类型 期刊论文

文献题名 基于SVM方法的SPOT-5影像植被分类

作者 黎良财  张晓丽  郭航 

作者单位 省部共建森林培育与保护教育部重点实验室(北京林业大学) 

母体文献 东北林业大学学报 

年卷期 2014(1)

页码 51-56

年份 2014 

关键词 影像融合  Gram-Schmidt光谱锐化法  灰度共生矩阵  支持向量机  植被分类 

文摘内容 运用SPOT-5全色和多光谱影像,采用支持向量机(SVM)法对森林植被进行分类研究,探讨了SVM法的分类能力以及纹理信息在森林植被分类中的影响。结果表明:Gram-Schmidt光谱锐化法是北京山区SPOT-5影像最佳的融合方法;SVM法在高分辨率影像森林植被分类中精度较高,不同核函数对分类精度的影响不显著;基于灰度共生矩阵产生的纹理信息能够提高SVM法的分类精度,3×3窗口是提高分类精度的最佳纹理窗口。