结合纹理特征的SVM样本分层土地覆盖分类

作     者：刘萌萌 刘亚岚 孙国庆 彭立 Liu Mengmeng;Liu Yalan;Sun Guoqing;Peng Li

作者机构：中国科学院遥感与数字地球研究所国家环境保护卫星遥感重点实验室北京100101 中南大学湖南长沙410083 湖南省交通规划勘察设计院湖南长沙410008 

基　　金：国家自然科学基金项目(40971201) 

出 版 物：《遥感技术与应用》 (Remote Sensing Technology and Application)

年 卷 期：2014年第29卷第2期

页      码：315-323页

摘      要：支持向量机(SVM)分类在精度、泛化性、高维数据处理等方面都具有较强的优势,在遥感影像分类中也得到了广泛应用。由于遥感影像"同物异谱"和"异物同谱"现象的影响,结合纹理特征提高SVM分类精度已成为遥感应用研究的热点。但不同尺度的纹理特征突出的信息不一,在同一尺度上难以区分的地物在多尺度空间则更容易区分,因此,采用多尺度纹理特征进行SVM分类,并从分类样本和纹理特征的选取两个方面探讨SVM土地覆盖分类的方法。首先,以ALOS影像为例,通过灰度共生矩阵提取不同尺度、不同方向的几种纹理特征;然后在光谱分类结果基础上,借助地类特征曲线,选取有效的多尺度纹理特征,最后进行样本分层分类。样本分层分类是选取首层样本进行分类,再从"漏分和错分"地块中选取新样本加入到首层样本中,得到第二层样本并对整个影像进行分类;用同样的方法选出第三层样本或更高层样本进行分类,直到结果满意为止。结果表明:该方法比仅用光谱特征的SVM分类总精度提高了8.11%,Kappa系数增加了0.11。其中,纹理特征的引入使分类总精度提高了4.13%,且对纹理特征较明显的地类更有效;采用样本分层后的分类总精度进一步提高了3.98%,且各单一地类的精度也都有不同程度的提高。借助地类特征曲线选择合适的纹理特征具有一定的可行性,并且采用样本分层的方法能够提高SVM分类的精度。

主 题 词：纹理特征 SVM 样本分层 遥感影像分类 多尺度 

学科分类：12[管理学] 0810[工学-土木类] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 081002[081002] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11873/j.issn.1004-0323.2014.2.0315

馆 藏 号：203967439...