基于MNF和SVM的高光谱遥感影像分类研究

摘要：

通过分析高光谱遥感影像分类的现状及遇到的困难,以OMIS1高光谱数据为实验数据,提出了基于最小噪声分离(Minimum Noise Fraction-MNF)变换和支持向量机(Support Vector Machine-SVM)的高光谱遥感影像分类方法.分类实验结果表明:与传统的最大似然分类法(Maximum Likelihood Classification-MLC)比较,该方法克服了Hughes现象,分类速度得以提高,总体分类精度达到94.85%,从而表明了该方法用于高光谱遥感影像分类的实用性和优越性.

关键词：高光谱遥感、Hughes现象、最小噪声分离变换、支持向量机(SVM)

分类号：TP751(遥感技术)

资助基金：地理空间信息工程国家测绘局重点实验室经费资助项目200601

在线出版日期：2008-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：12-15,25,插页1