基于SVM遙感數(shù)據(jù)專題信息提取.pdf

1、隨著航天、計算機(jī)及其相關(guān)技術(shù)的發(fā)展,從遙感數(shù)據(jù)中提取專題信息已成為當(dāng)今信息時代非常熱門的研究領(lǐng)域,而尋找從遙感數(shù)據(jù)中提取如礦化信息這樣的弱信息的方法則是地學(xué)領(lǐng)域的一個新的重要課題.本文在簡要介紹遙感專題信息提取的研究內(nèi)容、研究方法和研究動態(tài)之后,分析了提取礦化信息的機(jī)理,從應(yīng)用角度對支持向量機(jī)(Support Vector Machine,簡稱SVM)的算法原理、分類、模型的自動選擇、算法實(shí)現(xiàn)的優(yōu)化、存在的問題及解決辦法等進(jìn)行了全面的討

2、論,將SVM算法應(yīng)用于遙感專題信息提取,提出了一種新的TM遙感圖微弱信息提取方法,并以試驗(yàn)證明其精確度和可行性.在試驗(yàn)中,首先以RGB值作為輸入三維特征向量,應(yīng)用SVM對圖片進(jìn)行識別,測試了SVM在圖形識別中的精確度和LOO(Leave-One-Out)自動模型選擇算法的效率;其次,對青海省兩蘭地區(qū)(都蘭縣-烏蘭縣)的TM遙感數(shù)據(jù)進(jìn)行測試,其訓(xùn)練集分別采用沙地和山地的32×32像元的子集,測試集為512×512像元約236平方公里的地區(qū)

3、進(jìn)行分類識別,獲得了較好的效果;而訓(xùn)練集采用銅礦化子集對同一地區(qū)進(jìn)行分類,可能由于訓(xùn)練集純凈程度的問題,分類結(jié)果不如前者.最后,我們總結(jié)了應(yīng)用SVM提取遙感數(shù)據(jù)中弱信息存在的問題,并提出改進(jìn)算法的建議.本文的主要研究成果:1.本文首次應(yīng)用SVM識別算法對TM遙感圖像進(jìn)行礦化信息提取,提出了一套新的礦化信息提取方法,并取得了一定的成效.2.測試了以彩色圖片的R、G、B彩色值構(gòu)成輸入特征向量,運(yùn)用SVM算法對圖片的識別精確度及LOO模型自動