CAJ | 학술논문

在遥感影像分类的过程中非光谱特征起着重要的辅助作用.纹理特征作为一种重要的非光谱特征对于遥感影像分类精度的提高也有很重要的作用.以渭干河-库车河三角洲绿洲为例,利用ETM+数据,探讨了该绿洲盐渍化土地覆盖信息的提取方法.提出了基于SVM的光谱和纹理两种信息复合的分类方法,通过此方法对该绿洲进行分类研究,并将分类结果与最小距离法、最大似然法(MLC)、神经网络法(Neural net)和单源数据(光谱)SVM分类结果进行定性和定量比较分析.研究结果表明:该方法能够有效地解决单数据源分类效果破碎、分类精度不高等问题,并对高雏输入向量具有较高的推广能力.总精度达到93.179 5%,比单源信息的SVM分类法提高了3.1618%,比最大似然法提高了4.8252%,比神经网络法提高了7.4756%,而与最小距离法相比,总精度甚至提高了11.1029%,取得了良好的效果.与传统的分类方法的比较表明,文中所提出的分类方法具有明显的优越性和良好的前景,因此该方法更适合于遥感图像分类和盐渍化信息提取,是地物遥感信息提取的有效途径.
재요감영상분류적과정중비광보특정기착중요적보조작용.문리특정작위일충중요적비광보특정대우요감영상분류정도적제고야유흔중요적작용.이위간하-고차하삼각주록주위례,이용ETM+수거,탐토료해록주염지화토지복개신식적제취방법.제출료기우SVM적광보화문리량충신식복합적분류방법,통과차방법대해록주진행분류연구,병장분류결과여최소거리법、최대사연법(MLC)、신경망락법(Neural net)화단원수거(광보)SVM분류결과진행정성화정량비교분석.연구결과표명:해방법능구유효지해결단수거원분류효과파쇄、분류정도불고등문제,병대고추수입향량구유교고적추엄능력.총정도체도93.179 5%,비단원신식적SVM분류법제고료3.1618%,비최대사연법제고료4.8252%,비신경망락법제고료7.4756%,이여최소거리법상비,총정도심지제고료11.1029%,취득료량호적효과.여전통적분류방법적비교표명,문중소제출적분류방법구유명현적우월성화량호적전경,인차해방법경괄합우요감도상분류화염지화신식제취,시지물요감신식제취적유효도경.