摘要
遥感影像融合是遥感图像处理中的研究热点和难点之一。对下列两种遥感影像决策级融合方法进行了实验研究:一种是基于支持向量机(SVM),另一种是基于自组织神经网络。融合实验分别采用这两种方法对Landsat TM多光谱数据(30 m/像素)与IRS-C全色数据(5.8 m/像素)间分别进行影像融合。融合结果表明:基于SVM的方法可有效地融合不同影像的信息,并且可获得较高的融合分类精度。在分类精度方面,基于SVM方法的融合影像明显优于基于自组织神经网络方法的融合影像。
Two methods of remote sensing image decision-level fusion are studied. One is based on support vector machine（SVM）, the other is based on self-organizing feature maps（SOFM） networks. The fusion experiments are eonducted using Landsat TM muhispectral data （ 30 m/pixel） and IRS-C Panchromatic（PAN） data （ 5.8 m/pixel）. The results show that the fusion method based on SVM could efficiently integrate information from different images and achieved high classification accuracy. The fusion image using SVM method outperformed the fusion image using SOFM networks method in terms of classification accuracy.
出处
《测绘科学技术学报》
北大核心
2007年第4期247-250,共4页
Journal of Geomatics Science and Technology
基金
国家自然科学基金项目资助(40501047)
南京大学人才引进启动基金项目资助
关键词
决策级
自组织神经网络
SVM
分类
decision-level fusion
SOFM networks
SVM
classification
