利用分离性测度多类支持向量机进行高光谱遥感影像分类

谭琨; 杜培军; 王小美

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用分离性测度多类支持向量机进行高光谱遥感影像分类

谭琨, 杜培军, 王小美

文章导航 > 武汉大学学报 ● 信息科学版 > 2011 > 36(2): 171-175

谭琨, 杜培军, 王小美. 利用分离性测度多类支持向量机进行高光谱遥感影像分类[J]. 武汉大学学报 ● 信息科学版, 2011, 36(2): 171-175.

引用本文:

谭琨, 杜培军, 王小美. 利用分离性测度多类支持向量机进行高光谱遥感影像分类[J]. 武汉大学学报 ● 信息科学版, 2011, 36(2): 171-175.

TAN Kun, DU Peijun, WANG Xiaomei. Multi-Class Support Vector Machine Classifier Based on Separability Measure for Hyperspectral Remote Sensing Image Classification[J]. Geomatics and Information Science of Wuhan University, 2011, 36(2): 171-175.

Citation:

TAN Kun, DU Peijun, WANG Xiaomei. Multi-Class Support Vector Machine Classifier Based on Separability Measure for Hyperspectral Remote Sensing Image Classification[J]. Geomatics and Information Science of Wuhan University, 2011, 36(2): 171-175.

利用分离性测度多类支持向量机进行高光谱遥感影像分类

谭琨^1,2,
杜培军^1,2,
王小美^1,2

¹中国矿业大学国土环境与灾害监测国家测绘局重点实验室,徐州市大学路1号221116;²中国矿业大学测绘与空间信息工程研究所,徐州市大学路1号,221116

基金项目: 国家自然科学基金资助项目(40401038)；国家863计划资助项目(2007AA12Z162)；高等学校博士学科点专项科研基金资助项目(20070290516)；江苏省普通高校研究生科研创新计划资助项目(CX08B_112Z)

详细信息

作者简介:
谭琨,博士,讲师,从事高光谱遥感图像处理、支持向量机和神经网络遥感应用等方面的研究

中图分类号: P237.3

Multi-Class Support Vector Machine Classifier Based on Separability Measure for Hyperspectral Remote Sensing Image Classification

¹Key Laboratory for Terrestrial Environment and Geohazards Monitoring,State Bureau of Surveying and Mapping,China University of Mining and Technology,1 Daxue Road,Xuzhou 221116,China;² Institute of Surveying and Geospatial Information Engineering,China University of Mining and Technology,1 Daxue Road,Xuzhou 221116,China

Funds: 国家自然科学基金资助项目(40401038)；国家863计划资助项目(2007AA12Z162)；高等学校博士学科点专项科研基金资助项目(20070290516)；江苏省普通高校研究生科研创新计划资助项目(CX08B_112Z)

摘要: 从支持向量机的基本理论出发,结合高光谱数据的分离性测度,提出了一种基于分离性测度的二叉树多类支持向量机分类器,并用OMIS传感器获得的高光谱遥感数据和Hyperion高光谱遥感数据进行实验,分析比较了各种多类SVM的分类精度,并和传统的光谱角制图和最小距离分类算法进行了比较。结果表明,SVM进行高光谱分类时,基于分离性测度的二叉树多支持向量机的分类精度最高。
- 高光谱遥感 /
- 分离性测度 /
- 多类支持向量机 /
- 分类
Abstract: According to SVM theory and the separability measure of hyperspectral data,we put forward a novel binary tree multi-class SVM classifier based on separability between different classes,constructed different multi-class SVM classifiers and tested their accuracy by experimented the hyperspectral image with the 64 bands OMISII data and Hyperion hyperspectral data.The experimental results show that the novel binary tree classifier has the highest accuracy than the other multi-class SVM classifiers and some traditional classifiers(spectral angle mapping classification and minimum distance classification).Use of the novel binary tree multi-class SVM classifier based on separability measure is a novel approach which improves the accuracy of hyperspectral image classification and expands the possibilities for scientific interpretation and application.
- hyperspectral remote sensing /
- separability measure /
- multi-class support vector machine /
- classification

[1]	林娜, 杨武年, 王斌. 利用核方法进行高光谱遥感图像线性解混 . 武汉大学学报 ● 信息科学版, 2017, 42(3): 355-361. doi: 10.13203/j.whugis20140787
[2]	吴一全, 陶飞翔, 曹照清. 基于Log-Gabor小波和Krawtchouk矩的遥感图像分类 . 武汉大学学报 ● 信息科学版, 2016, 41(7): 861-867. doi: 10.13203/j.whugis20140234
[3]	岳冲, 刘昌军, 王晓芳. 基于多尺度维度特征和SVM的高陡边坡点云数据分类算法研究 . 武汉大学学报 ● 信息科学版, 2016, 41(7): 882-888. doi: 10.13203/j.whugis20140335
[4]	姚娜, 林宗坚, 张景雄, 任超锋. 遥感影像分类后处理的地统计方法 . 武汉大学学报 ● 信息科学版, 2013, 38(1): 15-18.
[5]	张晓贺, 翟亮, 张继贤, 杨享兵. AdaTree算法在遥感影像分类中的应用 . 武汉大学学报 ● 信息科学版, 2013, 38(12): 1460-1464.
[6]	林娜, 杨武年, 王斌. 高光谱遥感影像核最小噪声分离变换特征提取 . 武汉大学学报 ● 信息科学版, 2013, 38(8): 988-992.
[7]	张乐飞, 黄昕, 张良培. 高分辨率遥感影像的支持张量机分类方法 . 武汉大学学报 ● 信息科学版, 2012, 37(3): 314-317.
[8]	杜培军, 王小美, 谭琨, 夏俊士. 利用流形学习进行高光谱遥感影像的降维与特征提取 . 武汉大学学报 ● 信息科学版, 2011, 36(2): 148-152.
[9]	郑文武, 曾永年. 利用多分类器集成进行遥感影像分类 . 武汉大学学报 ● 信息科学版, 2011, 36(11): 1290-1293.
[10]	宋沙磊, 李平湘, 龚威, 汪金平. 基于水稻高光谱遥感数据的PLS波长选择研究 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 219-223.
[11]	陶建斌, 舒宁, 沈照庆. 利用互信息改进遥感影像朴素贝叶斯网络分类器 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 228-232.
[12]	钟燕飞, 张良培, 李平湘. 遥感影像分类中的模糊聚类有效性研究 . 武汉大学学报 ● 信息科学版, 2009, 34(4): 391-394.
[13]	黄昕, 张良培. 基于光谱变换与融合的IKONOS多光谱影像分类 . 武汉大学学报 ● 信息科学版, 2007, 32(6): 502-505.
[14]	陈云浩, 冯通, 史培军, 王今飞. 基于面向对象和规则的遥感影像分类研究 . 武汉大学学报 ● 信息科学版, 2006, 31(4): 316-320.
[15]	杜培军, 唐宏, 方涛. 高光谱遥感光谱相似性度量算法与若干新方法研究 . 武汉大学学报 ● 信息科学版, 2006, 31(2): 112-115.
[16]	方圣辉, 龚浩. 动态调整权重的光谱匹配测度法分类的研究 . 武汉大学学报 ● 信息科学版, 2006, 31(12): 1044-1046.
[17]	张立福, 张良培, 村松加奈子, 藤原昇. 基于高光谱卫星遥感数据的UPDM分析方法 . 武汉大学学报 ● 信息科学版, 2005, 30(3): 264-268.
[18]	哈斯巴干, 马建文, 李启青, 戴芹. 多波段遥感数据的自组织神经网络降维分类研究 . 武汉大学学报 ● 信息科学版, 2004, 29(5): 461-465. doi: 10.13203/j.whugis2004.05.019
[19]	贾永红, 李德仁. 多源遥感影像像素级融合分类与决策级分类融合法的研究 . 武汉大学学报 ● 信息科学版, 2001, 26(5): 430-434.
[20]	张良培, 李德仁. 鄱阳湖地区高光谱遥感数据的定标研究 . 武汉大学学报 ● 信息科学版, 1997, 22(1): 35-38.

点击查看大图

计量

文章访问数: 1008
HTML全文浏览量: 54
PDF下载量: 600
被引次数: 0

利用分离性测度多类支持向量机进行高光谱遥感影像分类

¹中国矿业大学国土环境与灾害监测国家测绘局重点实验室,徐州市大学路1号221116;²中国矿业大学测绘与空间信息工程研究所,徐州市大学路1号,221116

作者简介:
谭琨,博士,讲师,从事高光谱遥感图像处理、支持向量机和神经网络遥感应用等方面的研究

收稿日期: 2010-12-15
刊出日期: 2011-02-05

中图分类号: P237.3

关键词:

摘要: 从支持向量机的基本理论出发,结合高光谱数据的分离性测度,提出了一种基于分离性测度的二叉树多类支持向量机分类器,并用OMIS传感器获得的高光谱遥感数据和Hyperion高光谱遥感数据进行实验,分析比较了各种多类SVM的分类精度,并和传统的光谱角制图和最小距离分类算法进行了比较。结果表明,SVM进行高光谱分类时,基于分离性测度的二叉树多支持向量机的分类精度最高。

English Abstract

Multi-Class Support Vector Machine Classifier Based on Separability Measure for Hyperspectral Remote Sensing Image Classification

¹Key Laboratory for Terrestrial Environment and Geohazards Monitoring,State Bureau of Surveying and Mapping,China University of Mining and Technology,1 Daxue Road,Xuzhou 221116,China;² Institute of Surveying and Geospatial Information Engineering,China University of Mining and Technology,1 Daxue Road,Xuzhou 221116,China

Received Date: 2010-12-15
Publish Date: 2011-02-05

Keywords:

Abstract: According to SVM theory and the separability measure of hyperspectral data,we put forward a novel binary tree multi-class SVM classifier based on separability between different classes,constructed different multi-class SVM classifiers and tested their accuracy by experimented the hyperspectral image with the 64 bands OMISII data and Hyperion hyperspectral data.The experimental results show that the novel binary tree classifier has the highest accuracy than the other multi-class SVM classifiers and some traditional classifiers(spectral angle mapping classification and minimum distance classification).Use of the novel binary tree multi-class SVM classifier based on separability measure is a novel approach which improves the accuracy of hyperspectral image classification and expands the possibilities for scientific interpretation and application.

谭琨, 杜培军, 王小美. 利用分离性测度多类支持向量机进行高光谱遥感影像分类[J]. 武汉大学学报 ● 信息科学版, 2011, 36(2): 171-175.

引用本文:

谭琨, 杜培军, 王小美. 利用分离性测度多类支持向量机进行高光谱遥感影像分类[J]. 武汉大学学报 ● 信息科学版, 2011, 36(2): 171-175.

Citation: