基于决策树多分类支持向量机岩性波谱分类

地面岩性波谱建模是高光谱遥感地质填图的关键环节之一,地面岩性波谱具有高维、多类特点,传统的多光谱分类方法不能对地面岩性高光谱数据进行有效处理。该文在岩性波谱特征分析的基础上,构建岩性波谱特征空间;然后,从支持向量机(SVM)基本理论出发并对算法改进,建立了一个基于决策树的SVM多类分类器(DT-SVMs);最后,利用云南北衙金矿区采集的野外实测岩性波谱数据进行分类实验,分类正确率达到93.75%。实验结果表明:基于决策树的多类分类支持向量机(DT-SVMs)可以很好的应用于地面岩性的波谱分类建模。同时,可推广到高光谱遥感岩性分类研究。

基于进化策略的CHC遗传算法及岩性波谱识别

野外实测岩性波谱数据的数据挖掘可以为高光谱遥感建模提供依据 .针对实测波谱数据的特点 ,设计了一种基于MonteCarlo抽样进化机制的CHC(crossgenerationelitistselection ,heterogeneousrecombination ,cataclysmicmutation ,跨世代精英选拔、异物种重组、灾变变异 )遗传算法用于多类岩性判别 .应用于云南北衙金矿蚀变岩的识别 ,表明该方法具有快速高效性 .

Landsat8 OLI图像增强与岩性识别方法

新疆维吾尔自治区阿克陶县布伦口地区海拔高、穿越条件差、岩性复杂,因而研究Landsat8 OLI数据信息增强与岩性识别在该区有强大的应用需求,也有遥感岩性识别的理论意义。区内不同岩性单元光谱较为相似,仅利用最佳波段组合(OIF)指数、主成分分析(PCA)和独立主成分分析(ICA)等图像增强方法均不能最大限度地区分各岩性单元。通过分析独立主成分变换之后各岩性单元的特征向量,发现不同岩性单元特征向量差异比原图像光谱差异增大,为扩大差异,依据特征向量统计结果构建比值运算,再联合PCA特征向量进行彩色合成,各岩性单元可识别性显著增加。研究表明:(1)采用联合多种图像增强的方法能将研究区不同岩性单元进行分离;(2)国道314南北两侧地层均划归布伦阔勒岩群的结论有误,其北侧仍属布伦阔岩石,南侧实为片麻状二长花岗岩;(3)沙湖南东原划归志留纪的岩石单元可进一步分解为志留纪地层和元古代布伦阔勒岩群岩石单元。该方法有推广应用价值和深化研究的前景。