首页|一种基于支撑向量机的遥感影像不完全监督分类新方法

一种基于支撑向量机的遥感影像不完全监督分类新方法

Partially Supervised Classification of Remotely Sensed Imagery Using Support Vector Machines

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
不完全监督分类是研究在只有目标类训练样本的情况下如何准确地将目标类从数据集中提取出来.在许多遥感应用问题中,往往只需要从遥感影像中提取某一类地物.如果分类过程中只要选取目标类训练样本,将节省在训练样本选取过程中的大量人力物力.因此不完全监督分类是一个值得研究的遥感分类问题.提出了一种基于加权无标识样本支撑向量机(WUS-SVM),并在其基础发展出一种不完全监督分类方法.该方法分3个步骤:(1)在影像中随机选取一定量的无标识样本,将它们作为具有不同权重的非目标类训练样本;(2)用目标类的训练样本和加权无标识训练样本一起训练WUS-SVM,得到初步的分类器;(3)利用初步的分类器确定无标识样本的类别,并与原目标类训练样本一起再次训练SVM得到最终的分类器.通过对模拟数据和遥感影像的分类试验初步证明了该分类方法的有效性.

刘志刚、史文中、李德仁、秦前清

展开 >

北京师范大学遥感科学国家重点实验室,地理学与遥感科学学院,环境遥感与数字城市北京市重点实验室,北京,100875

武汉大学,测绘遥感信息工程国家重点实验室,湖北,武汉,430079

香港理工大学,土地测量与地理咨询系,地球信息研究中心

不完全监督分类 基于加权无标识样本的支撑向量机 支撑向量机 遥感

香港RGC资助项目香港理工大学校科研和教改项目国家自然科学基金

3-ZB401.34.970940176032

2005

遥感学报
中国地理学会环境遥感分会 中国科学院遥感应用研究所

遥感学报

CSCD北大核心
影响因子：2.921
ISSN：1007-4619
年,卷(期)：2005.9(4)
  • 17
  • 12