遥感图像森林类型小波纹理的SVM法分类

摘要：

利用遥感图像对森林类型进行分类是大面积地调查、监测、分析森林资源的快速与经济的方法,但由于不同森林的光谱特征非常相近而较难准确分类.因此,在GPS数据和高分辨率遥感图像的支持下,对水源林Landsat TM遥感图像用窗口法获得阔叶林、针叶林和竹林样本图像,然后计算其小波分解后小波系数的l1范 数纹理测度构成分类特征向量,利用支持向量基SVM进行分类.结果表明,利用SVM对图像中阔叶林、针叶林和竹林分类平均精度在80％以上,可较准确地识别森林类型,图像总体分类精度达到90.2％,Kappa系数0.77,均比利用小波纹理特征的神经网络法和最大似然法有所提高,森林分类错误产生的主要原因是混交林造成两类森林间存在交集.该方法可以较有效地提高遥感图像森林类型的分类精度.

关键词：遥感图像、森林类型分类、纹理特征、小波变换、支持向量机法

所属期刊栏目：48

分类号：TP79(遥感技术)

资助基金：国家自然科学基金41061040

在线出版日期：2012-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：194-197