基于SVM與子空間結(jié)合的高光譜圖像分類算法研究.pdf

1、高光譜遙感的發(fā)展使得遙感圖像分類在遙感學(xué)上又上了一個嶄新的臺階，高光譜遙感已經(jīng)成為遙感領(lǐng)域的前沿科技，其中高光譜圖像分類技術(shù)已經(jīng)成為高光譜遙感處理領(lǐng)域的研究熱點(diǎn)，高光譜遙感的諸多特點(diǎn)保證了高光譜遙感圖像應(yīng)用于地物分類的高精確性和有效性，但同時高光譜圖像的一些特點(diǎn)卻使得高光譜分類過程中遇到了阻礙和制約，如“維數(shù)災(zāi)難”，噪聲現(xiàn)象和小樣本等問題。目前，國內(nèi)外很多學(xué)者都在致力于解決這些高光譜分類遇到的困難和矛盾，并取得了各個方面的有價值的進(jìn)展。

2、
　　本文提出了一種針對于高光譜圖像的監(jiān)督分類算法，支持向量機(jī)(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢。子空間投影方法最初是線性特征抽取和數(shù)據(jù)壓縮的產(chǎn)物，其作用是將矢量形式給出的數(shù)據(jù)壓縮到能量集中的主軸上，實現(xiàn)數(shù)據(jù)從高維空間向低維空間映射。本文實現(xiàn)了將支持向量機(jī)與子空間方法結(jié)合并利用LIBSVM工具箱對高光譜圖像數(shù)