摘要: 高分辨率遥感影像分类是遥感影像处理领域中的一个重要的研究方向． 选取Worldview-2 影像，分别以光谱信息和光谱结合纹理信息为分类数据，采用最大似然法( MLC) 和支持向量机法( SVM) 进行监督分类，用混淆矩阵对分类结果进行评价． 结果表明，9 × 9 为最佳纹理窗口; SVM 法分类精度明显优于MLC 法; 基于光谱结合纹理信息的分类精度明显优于单纯基于光谱信息的分类结果． 辅以影像纹理特征，采用SVM 法可以较为有效提取Worldview-2 地物信息．
【地物分类】在遥感影像处理中是一个关键的研究领域，尤其随着高分辨率遥感影像技术的发展，地物分类的精度和效率对于环境监测、城市规划等应用具有重要意义。本研究以【Worldview-2】遥感影像为对象，探讨了如何通过结合光谱和纹理信息来提高分类效果。
Worldview-2影像以其高空间分辨率提供了丰富的地物细节，使得地物识别更加精准。研究中，科学家们采用了两种不同的分类方法：最大似然法（MLC）和支持向量机法（SVM）。这两种方法都是监督学习算法，在遥感地物分类中广泛使用。其中，最大似然法基于统计理论，通过计算各类别的概率来确定样本归属；而支持向量机法则是一种基于结构风险最小化原则的非线性分类方法，特别适合处理小样本和非线性问题。
实验对比了仅使用光谱信息和结合光谱与纹理信息的分类效果。纹理信息是反映地物表面结构和空间分布的特征，对于识别同质性地物（如建筑物、道路）或复杂环境下的地物类别有显著帮助。研究表明，9x9的纹理窗口被证实为最佳选择，它能有效地提取出影像中的纹理特征。
对比两种分类方法，SVM在分类精度上明显优于MLC。这可能是因为SVM能够处理更复杂的非线性关系，尤其是在高维特征空间（如结合光谱和纹理信息后）中，其优势更为突出。同时，结合光谱与纹理信息进行分类，相比于只依赖光谱信息，分类精度显著提升，表明纹理信息对提高分类性能起到了关键作用。
论文指出，利用SVM方法并结合影像的纹理特征，能够更加有效地提取Worldview-2影像中的地物信息。这对于环境监测、灾害评估、土地利用规划等实际应用具有重大价值，可以提供更准确的决策支持。
这项研究强调了在遥感影像地物分类中融合多源信息的重要性，特别是纹理信息，以及采用高级分类算法（如SVM）的优越性。未来的研究可以进一步探索更多类型的特征组合，以及优化分类算法，以提升高分辨率遥感影像的地物分类效果。
