林业资源管理
林業資源管理
임업자원관리
FORESTRY RESOURCE MANAGEMENT
2015年
4期
69-72
,共4页
ALOS%最大似然法%支持向量机%面向对象
ALOS%最大似然法%支持嚮量機%麵嚮對象
ALOS%최대사연법%지지향량궤%면향대상
ALOS%maximum likelihood method%SVM%object-oriented
以云南省宜良县 ALOS 影像为基础数据，利用最大似然法、支持向量机方法和面向对象的支持向量机方法对 ALOS 影像进行植被分类研究。实验结果：最大似然法分类精度为79.33％，支持向量机方法分类精度为82.25％，面向对象的支持向量机分类方法精度为86.13％，面向对象的支持向量机分类方法取得较好的分类效果。研究结果可为中高分辨率遥感影像分类研究提供参考。
以雲南省宜良縣 ALOS 影像為基礎數據，利用最大似然法、支持嚮量機方法和麵嚮對象的支持嚮量機方法對 ALOS 影像進行植被分類研究。實驗結果：最大似然法分類精度為79.33％，支持嚮量機方法分類精度為82.25％，麵嚮對象的支持嚮量機分類方法精度為86.13％，麵嚮對象的支持嚮量機分類方法取得較好的分類效果。研究結果可為中高分辨率遙感影像分類研究提供參攷。
이운남성의량현 ALOS 영상위기출수거，이용최대사연법、지지향량궤방법화면향대상적지지향량궤방법대 ALOS 영상진행식피분류연구。실험결과：최대사연법분류정도위79.33％，지지향량궤방법분류정도위82.25％，면향대상적지지향량궤분류방법정도위86.13％，면향대상적지지향량궤분류방법취득교호적분류효과。연구결과가위중고분변솔요감영상분류연구제공삼고。
Based on the data of ALOS image of Yiliang County,Yunnan Province,this paper discusses the use of the maximum likelihood method,support vector machine method and object-oriented support vector machine(SVM).The results show that maximum like-lihood classification accuracy is 79.33%,SVM classification accuracy 82.25%,oriented object based support vector machine classification accuracy 86.13%,and oriented-object based support vector machine classification method has better classification results.The results can provide a reference for the study of high-resolution remote sensing image classifi-cation.
