MNF和SVM在遥感影像计算机分类中的应用

由于黄土高原地形复杂,单纯采用监督分离变换MNF(Minimum Noise Fraction)变换得到的4个去除噪声波段、归一化植督分类方法很难获得理想的精度,以延安市区为实验区,以TM遥感图像的最小噪声被指数NDVI和该地域的DEM作为数据源,采用支持向量机SVM(Support Vector Machine)的方法对研究区土地利用与覆盖状况进行分类,获得了较理想的分类结果。

基于类间可分性度量的支持向量机决策树

采用支持向量机解决多类分类问题一般通过多个两类分类器的组合来求解,如何组合这些两类分类器就是该方法的关键。提出一种改进的支持向量机决策树多类分类模型,该模型通过引入类间可分性度量来确定决策树结构,以类间可分性度量的高低来决定不同类别在决策树中的位置,将容易分离的类尽可能早地划分出来。最后通过一组实验证明了该模型的有效性。

基于Landsat OLI数据的不透水面提取方法对比研究——以长株潭城市群核心区为例

不透水面的分布规模和空间格局是影响区域生态系统和环境变化的重要指标。该研究基于LandsatOLI遥感影像,以长株潭主城区核心区为研究区域,进行了归一化建筑指数法、归一化差值不透水面指数法和最小噪声分离结合支持向量机分类法3种方法提取不透水面信息的综合比较。结果表明:MNF结合SVM方法步骤相对较多,在选取端元和去除水体掩膜等方面都存在人工干涉,受人工影响较大;归一化建筑指数法虽然能快速地提取不透水面,但存在裸土与不透水面混淆的情况;而归一化差值不透水面指数法可有效区分裸土与不透水面,提取精度高于其他2种方法。最终选择归一化差值不透水面指数法,提取研究区2013年、2015年的不透水面信息,分析了其空间格局和扩展情况。