基于SVM與子空間結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上又上了一個嶄新的臺階，高光譜遙感已經(jīng)成為遙感領域的前沿科技，其中高光譜圖像分類技術已經(jīng)成為高光譜遙感處理領域的研究熱點，高光譜遙感的諸多特點保證了高光譜遙感圖像應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卻使得高光譜分類過程中遇到了阻礙和制約，如“維數(shù)災難”，噪聲現(xiàn)象和小樣本等問題。目前，國內(nèi)外很多學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(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)了將支持向量機與子空間方法結合并利用LIBSVM工具箱對高光譜圖像數(shù)