测绘与空间地理信息
測繪與空間地理信息
측회여공간지리신식
GEOMATICS & SPATIAL INFORMATION TECHNOLOGY
2013年
4期
144-146,149,152
,共5页
郭学兰%杨敏华%毛军%周秋琳
郭學蘭%楊敏華%毛軍%週鞦琳
곽학란%양민화%모군%주추림
高光谱%特征提取%独立成分分析(ICA)%支持向量机(SVM)
高光譜%特徵提取%獨立成分分析(ICA)%支持嚮量機(SVM)
고광보%특정제취%독립성분분석(ICA)%지지향량궤(SVM)
针对高光谱影像数据具有波段众多、数据量较大的特点,本文提出了一种基于波段子集的独立分量分析(ICA)特征提取的高光谱遥感影像分类的新方法.以北京昌平小汤山地区的高光谱影像为例,根据高光谱遥感影像的相邻波段的相关性进行子空间划分,在各个波段子集上采用ICA算法进行特征提取,将各个子空间提取的特征合并组成特征向量,采用支持向量机(SVM)分类器进行分类.结果表明:该方法分类精度最佳(分类精度89.04%,Kappa系数0.8605,明显优于其它特征提取方法的SVM分类,有效地提高了高光谱数据的分类精度.
針對高光譜影像數據具有波段衆多、數據量較大的特點,本文提齣瞭一種基于波段子集的獨立分量分析(ICA)特徵提取的高光譜遙感影像分類的新方法.以北京昌平小湯山地區的高光譜影像為例,根據高光譜遙感影像的相鄰波段的相關性進行子空間劃分,在各箇波段子集上採用ICA算法進行特徵提取,將各箇子空間提取的特徵閤併組成特徵嚮量,採用支持嚮量機(SVM)分類器進行分類.結果錶明:該方法分類精度最佳(分類精度89.04%,Kappa繫數0.8605,明顯優于其它特徵提取方法的SVM分類,有效地提高瞭高光譜數據的分類精度.
침대고광보영상수거구유파단음다、수거량교대적특점,본문제출료일충기우파단자집적독립분량분석(ICA)특정제취적고광보요감영상분류적신방법.이북경창평소탕산지구적고광보영상위례,근거고광보요감영상적상린파단적상관성진행자공간화분,재각개파단자집상채용ICA산법진행특정제취,장각개자공간제취적특정합병조성특정향량,채용지지향량궤(SVM)분류기진행분류.결과표명:해방법분류정도최가(분류정도89.04%,Kappa계수0.8605,명현우우기타특정제취방법적SVM분류,유효지제고료고광보수거적분류정도.