Please wait a minute...
 
国土资源遥感  2012, Vol. 24 Issue (1): 36-42    DOI: 10.6046/gtzyyg.2012.01.07
  技术方法 本期目录 | 过刊浏览 | 高级检索 |
NWFE结合纹理特征的SVM土地覆被分类方法研究
崔林林1,2, 罗毅1, 包安明1
1. 中国科学院新疆生态与地理研究所, 乌鲁木齐 830011;
2. 中国科学院研究生院, 北京 100049
Land Cover Classification with SVM Based on NWFE and Texture Features
CUI Lin-lin1,2, LUO Yi1, BAO An-ming1
1. Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, China;
2. Graduate School, Chinese Academy of Sciences, Beijing 100049, China
全文: PDF(5109 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 为提高土地覆被分类精度,采用非参数权重特征提取(nonparametric weighted feature extraction,NWFE)结合纹理特征的支持向量机(support vector machines,SVM)的分类法,对新疆玛纳斯河流域绿洲区2006年的土地覆被进行分类,并将该方法与主成分分析(principal component analysis, PCA)结合纹理特征的SVM分类、原始波段结合纹理特征的SVM分类进行对比。结果表明,NWFE结合纹理特征的SVM分类结果优于其他2种分类结果,不仅反映了土地覆被分布的整体情况,而且使不同土地覆被类型得到较好的区分,总体分类精度达89.17%。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘刚
李述靖
曹文玉
黄相成
关键词 遥感王屋山析城山岩溶洼地岩溶成因陨石冲击    
Abstract:Land cover classification based on remote sensing image is of significant importance to agriculture, forestry and environment monitoring. Algorithm of remote sensing information retrieval is always an important research topic in this field. This paper made an effort to combine the Nonparametric Weighted Feature Extraction (NWFE) and texture features with the Support Vector Machines (SVM) so as to achieve a higher classification precision. The combined approach was applied to land cover classification of the Manasi River oasis in Xinjiang in 2006, and was compared with approaches of SVM based on Principal Component Analysis (PCA) and texture features and based on original bands and texture features. The results show that the method of SVM combined with NWFE and texture features can capture not only the distribution of land cover but also the difference among land cover types. An overall classification accuracy of 89.17% is obtained, which is better than those of two other classification results.
Key wordsRemote sensing    Wangwu mountain    Xichengshan karst depression    Origin of karst    Aerolite striking
收稿日期: 2011-05-31      出版日期: 2012-03-07
: 

TP 751.1

 
  TP 274  
  S 127

 
通讯作者: 罗毅(1966-),男,博士,研究员,博士生导师,主要从事作物生长模型及水文模型研究。E-mail: luoyi.cas@gmail.com。
引用本文:   
崔林林, 罗毅, 包安明. NWFE结合纹理特征的SVM土地覆被分类方法研究[J]. 国土资源遥感, 2012, 24(1): 36-42.
CUI Lin-lin, LUO Yi, BAO An-ming. Land Cover Classification with SVM Based on NWFE and Texture Features. REMOTE SENSING FOR LAND & RESOURCES, 2012, 24(1): 36-42.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2012.01.07      或      https://www.gtzyyg.com/CN/Y2012/V24/I1/36
[1] 王静.土地资源遥感监测与评价方法[M].北京:科学出版社,2006:60-61.
[2] 喻小倩,刘娜,李红,等.基于线性光谱混合分解和最大似然分类相结合的土地覆被分类——以红寺堡灌区为例[J].国土资源遥感,2010(1):96-100.
[3] 孙秀邦,范伟,严平,等.遥感影像土地覆被分类研究进展[J].中国农学通报,2007,23(9):607-610.
[4] 关泽群,刘继琳,崔卫红.利用地物的几何属性改进影像分类效果[J].国土资源遥感,2001(1):31-35.
[5] 钱乐祥,崔海山.运用归一化光谱混合模型分析城市地表组成[J].国土资源遥感,2006(2):64-68.
[6] 汪闽,万其明,张大骞,等.光谱、形状特征结合的多精度图像分割算法与应用[J].地球信息科学学报,2010(2):2261-2268.
[7] Kuo B C,Landgrebe D A.Improved Statistics Estimation and Feature Extraction for Hyperspectral Data Classification[D].Ph D Thesis and School of Electrical and Computer Engineering,Purdue University,West Lafayette,IN,Tech Rep TR-ECE,2001:1-6.
[8] 王硕,周激流,彭博.基于API序列分析和支持向量机的未知病毒检测[J].计算机应用,2010,27(8):1942-1943.
[9] 祁亨年,杨建刚,方露明.基于多类支持向量机的遥感图像分类及其半监督式改进策略[J].复旦学报:自然科学版,2004,43(5):781-784.
[10] 朱志宇,张冰,刘维亭.基于模糊支持向量机的语音识别方法[J].计算机工程,2006,32(2):180-182.
[11] Tadjudin S,Landgrebe D A.Classification of High Dimensional Data with Limited Training Samples[D].Purdue University,West Lafayette,IN,TR-EE 98-8,April,1998:35-82.
[12] 唐发明,王仲东,陈绵云.支持向量机多分类分类算法研究[J].控制与决策,2005,20(7):746-749,754.
[13] 中国科学院计算机网络信息中心国际科学数据服务平台[DB/OL].[2011-05-31].http://datamirror.csdb.cn.
[14] Gao Y N,Zhang W C.Variable Empirical Coefficient Algorithm for Removal of Topographic Effects on Remotely Sensed Data from Rugged Terrain[C]//IGARSS’2007,IEEE,2007:4733-4736.
[15] 祁享年.支持向量机及其应用研究综述[J].计算机工程,2004,30(10):6-9.
[16] Richards J A,Jia X P.Remote Sensing Digital Image Analysis:An Introduction,4th ed.[M].Berlin,Germany:Springer-Verlag,2006.
[17] 舒宁.卫星遥感影像纹理分析与分形分维方法[J].武汉测绘科技大学学报,1998,23(4):370-373.
[18] Barald A,Parminggian F.An Investigation on the Texture Characteristics Associated with Gray Level Co-occurrence Matrix Statistical Parameters[J].IEEE Trans on Geosciences and Remote Sensing,1995,32(2):293-303.
[19] Roli F,Fumera G.Support Vector Machines for Remote Sensing Image Classification[C]//Proc of SPIE,2001:160-166.
[20] Vapnik V N.The Nature of Statistical Learning Theory[M].New York:Springer,2000.
[21] 谢承旺.不同种类支持向量机算法的比较研究[J].小型微型计算机系统,2008,29(1):106-109.
[22] Keerthi S S,Lin C I.Asymptotic Behaviors of Support Vector Machines with Gaussian Kernel[J].Neural Computation,2003,15(7):1667-1689.
[1] 刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[2] 王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[3] 吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[4] 张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[5] 薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[6] 宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[7] 李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[8] 丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[9] 高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[10] 张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[11] 贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[12] 艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[13] 李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
[14] 刘白露, 管磊. 南海珊瑚礁白化遥感热应力检测改进方法研究[J]. 自然资源遥感, 2021, 33(4): 136-142.
[15] 吴芳, 金鼎坚, 张宗贵, 冀欣阳, 李天祺, 高宇. 基于CZMIL测深技术的海陆一体地形测量初探[J]. 自然资源遥感, 2021, 33(4): 173-180.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发