基于SVM鄰近同化濾波模型的冰凍湖泊水體精確提取研究.pdf

1、本文依托于國(guó)家科技基礎(chǔ)性工作專項(xiàng)重點(diǎn)項(xiàng)目“中國(guó)湖泊水質(zhì)、水量和生物資源調(diào)查”（2006FY110600）子課題“中國(guó)湖泊衛(wèi)星遙感調(diào)查”，采用小樣本學(xué)習(xí)、抗噪聲性能好、學(xué)習(xí)效率高的支持向量機(jī)（SVM，Support Vector Machine）方法來(lái)提取多光譜遙感影像冰凍湖泊水體。支持向量機(jī)最大特點(diǎn)是根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，盡量提高學(xué)習(xí)機(jī)的泛化能力，即由有限的訓(xùn)練集樣本得到小的誤差能夠保證對(duì)獨(dú)立的測(cè)試集仍保持小的誤差，SVM在遙感信息提

2、取方面，特別是在缺少先驗(yàn)知識(shí)的情況下，具有較高的推廣能力。 本文分析了冰凍湖泊水體的光譜特征，說(shuō)明了傳統(tǒng)遙感影像分類方法不能達(dá)到較高精度的原因，在此基礎(chǔ)上利用MATLAB支持向量機(jī)工具箱建立了SVM提取模型，并選擇了東北地區(qū)的查干湖和長(zhǎng)白山天池CBERS多光譜遙感影像進(jìn)行了提取試驗(yàn)。試驗(yàn)表明，兩湖提取精度支持向量機(jī)較最大似然法提高了3.93％。但僅應(yīng)用SVM方法提取冰凍湖泊水體，提取結(jié)果小圖斑多、分類不完整，因此本文在原來(lái)模型的

3、基礎(chǔ)上加入了鄰近同化濾波方法，有效剔除了小圖斑。 綜合SVM鄰近同化濾波模型提取冰凍湖泊水體的研究過(guò)程，本文得出的結(jié)論如下： （1）查干湖湖面整體冰凍；據(jù)實(shí)地考察和相關(guān)文獻(xiàn)，長(zhǎng)白山天池西部由于湖底受溫泉影響，湖水冬季不封凍，從影像上看天池西部呈深藍(lán)色的部分就是未冰凍的湖泊水體。應(yīng)用SVM鄰近同化濾波提取模型，不僅實(shí)現(xiàn)了對(duì)全部冰凍湖泊水體的精確提取，對(duì)冰水混合的湖泊水體也同樣適用，所以本文的提取模型對(duì)冰凍情況復(fù)雜的湖泊水體

4、精確提取有著廣闊的應(yīng)用前景。 （2）與長(zhǎng)白山天池相比，查干湖結(jié)冰湖面破碎度較高，由于處在破碎部分的像元光譜復(fù)雜，最大似然法難以達(dá)到較高的提取精度。在同樣訓(xùn)練區(qū)樣本下，與最大似然法相比，SVM提取精度提高了5.36％，由此可以看出SVM具有較強(qiáng)的小樣本學(xué)習(xí)能力，提取精度高。 （3）為剔除湖邊淺水沼澤和冰凍期湖面雪等干擾地物的影響，本文提出鄰近同化濾波方法，這也是本文的創(chuàng)新之處。經(jīng)鄰近同化濾波模型處理后，提取結(jié)果小圖斑較少，