论文研究-遥感图像森林林型SVM分类的多特征选择.pdf

所需积分/C币:20 2019-09-12 22:19:33 488KB .PDF
26
收藏 收藏
举报

为了研究遥感图像森林林型SVM分类多特征的选择对提高分类精度的影响,选取小波变换不同尺度纹理、四种植被指数、最优波段光谱特征等不同组合构成林型分类多特征向量进行分类。结果表明,纹理与植被指数、最优波段组合多特征的森林林型分类精度最高,阔叶林、针叶林和竹林的分类精度分别为84.4%、86.5%、91.0%,比纹理单类特征分类分别提高4.1%、4.0%、1.1%,比植被指数单类特征分类分别提高9.2%、11.8%、11.9%。多特征的分类精度一般要高于单类特征,纹理能够较明显提高林型可分性,植被指数也有一定的效果,但最优波段光谱特征的效果较弱。
王修信,秦丽梅,罗玲,等:遥感图像森林林型SVM分类的多特征选择 2013,49(20)261 特征较易分类。提取植被指数NDV、RH和CV′。在GPS 不同分类特征组合的SVM分类图见图1,整幅图像全 和髙分辨率遥感图像的支持下,获取8×8窗口典型林型样部地物的分类精度见表2。纹理与植被指数、最优波段光 本,训练样本阔叶林86块、针叶林67块和竹林82块,测试谐特征组合多特征的总体分类精度最高,达到917%,分别 样本潏叶林154块、针叶林μ06块和竹林146块。每个样本比纹理、植被指数等单类特征分类提高1.6%、1,9%σ; Kappa 有6个波段的图像,小波变换分解两层后小波系数l范数系数为0.876,均比纹理、植被指数等单类特征分类有所提 构成6×7维纹理特征向量。纹理特征,样本窗凵的四种植高。由于包含水体、裸土等分类度较高的地物,整幅图 被指数均值,3、4、7最优分类波段样本窗口的光谱特征均像的分类精度高于森林的分类平均精度 值的不同组合构成分类多特征向量,并归一化。 使用训练样本分类特征向量对SM进行训练,内积函 数取RBF函数,用交叉验证法确定最优惩罚系数C和间隔 松弛因子y,分别从23-25以22指数增长方式搜索,实验结 果表明C=23、y=2时森林林型的平均分类精度最高,为 最优SVM参数。 使用测试样本检测不同特征组合对林型的分类精度 结果见表1。纹理与植被指数、最优波段光谱特征组合多 特征的林型分类平均精度最高,达到87.3%,比纹理、植被 (a)纹理+植被(b)纹理+植被指教(c)植被指数+ 指数等单类特征分类分别提高3.0%、11.0%;阔叶林、针叶 指数一光谱 光谱特征 林和竹林的分类精度分别为84.4%、86.5%、91.0%,均在 84.0%以上,比纹理单类特征分类分别提高4.1%、4.0%、 1.1%,比植被指数单类特征分类分别提高9.2%、118% 119%,均有明显提高。比较各单类特征加入分类多特征 裸土 向量对提高林型分类精度的作用,纹理的效果最明显,植 针叶林 被指数有一定的效果,最优波段光谱特征的效果较弱 □竹林 □阔叶杯 表1森林林型分类精度 □农出 杯型用户精度生产精度平均精度 (d)纹理 (c)植被指数 特征 阔叶林82.3 84.4 图1不同特征组合SⅤM分类图 纹理-被指数+ 针叶林 84.9 86.5 最优波段 表2不同特征SⅤM分兆精度 竹林 89.6 91.0 光谱特征 均值 87.6 87.3 特征 总精度%)Kapa系数 阔叶林 纹玛+植被指数+光谱 91.7 0.876 针叶林 86.3 纹理+植被指数 0874 纹理植被指数竹林91.489 91.0 纹理+光谱 0.862 均值 纹理 86.8 872 阔叶林 79.7 81.3 80.5 植被指数 79.8 0.742 纹理+最优波针叶林 3.8 82.8 段光谱特征竹林 4结论 均值 对遥感图像中空间分布复杂的森林林型SVM分类,多 阔叶林79.5 80.3 特征的分类精度一般要高于单类特征。纹理与植被指数 纹理 针叶林 83.5 81.5 82.5 最优波段光谱特征组合多特征的森林林型分类精度最高, 竹林 88.2 比单类特征分类的纹理、植被指数分别提高3.0%、110% 阔叶林769734352阔叶林、针叶林和竹林的分类精度分别比单类特征分类的 均值 84.9 植被指数 针叶林75.3 74.1 纹理分别提高4.1%、4.0%、1.1%,比植被指数分别提高 竹林 78.0 80.2 79.1 92%、11.8%、11.9%,均有明显提高 均值 76.7 76.3 纹理加入分类多特征向量可明显提高林型分类精度 植被指数也有一定的敚果,但最优波段光谱特征的效果铰弱。 由」自然生长的阔叶林、针叶林易出现混交林,一些囚此,并非分类多特征向量的特征类别越多越能提高分类 所选阔叶林、针叶样本像元并非完全纯林型像元,而硏精度,应选择能够较叨显提髙林型可分性的纹理、植被指 究区竹林几乎都是人工栽培的经济林,大面积连续分布,数等特征,尽可能避免使用林型可分性铰差的特征,以减 所选竹林样夲像元纯林型比例较高,使得阔叶林、针叶林少分类特征向量的维数和计算量,冋吋避免林型可分性较 的分类精度低于竹林。 差的特征可能成为噪声而影响森林林型分类精度的提髙。 262 013,49(20) Computer Engineering and Applications计算机工程与应用 森林林型分类多特征向量构成复东高维空间,白然生 of remotely sensed multispectral images.IEEE Trans on 长的森林林木易岀现混交林,导致所选同一林型像元可能 Geosci Remote Sens, 2007, 45(9): 2953-2963 出现掺杂异种林型的混合像元,可选纯净样本有限:SM] Hcikkincn, orpcla I, Tokola t, ct al. An Svm classifica 以结构风险最小化为准则,由有限训练样本得到的决策规 tion of tree species radiometric signatures based on the leica 则对独立测试集仍能得到小误差,是森林林型多特征分类 ADS40 sensor[J]. IEEE Trans on Geosci Remote Sens, 2011 的有效分类器。 49(11):4539-4551 利用多特征和SⅴM可提高遥感图像森林林型的分类 7 Longepe N, Rakwalin P, Isoguchi O, el al. AssessInent of ALOS PALSAR 50 m orthorectified Fbd data for regional 精度,可较有效地监测大面积地表森林林型覆盖的变化。 land cover classification by support vector machines IEEE Trans on Geosci Remote Sens 2011, 49(6): 2135-2150 参考文献 [8] Anirban M, Ujjwal M. Unsupervised pixel classification in [ 1] Fu A, Sun G, Guo Z, et al. Forest cover classification with satcllitc imagery using multiohjcctivc fuzzy clustering com MODIS images in northeastern Asia[JJ.IEEE J Sel Topics bined with SVM classifier[JJ.IEEE Trans on Geosci Remote Appl Earth Observ Remote Sens, 2010, 3(2): 178-189 Sens,2009,47(4):1132-1138 [2 Wen Q, Zhang Z, Liu S, et al. Classification of grassland [9 Munoz-Mari J, Bovolo F, Gomez-Chova L, et al. Semisuper- Types by MoDis LiIme-series images in TibeL, China[JI vised unle-class supporl vector machines for classilication IEEE J Sel Topics Appl Earth Observ Remote Sens, 2010, 3 of remote sensing data J.IEEE Trans on Geosci Remote (3):404-409 Sens,2010,48(8):3l88-3197 13 Chamundeeswari VV, Singh D, Singh K. An analysis of tex- [10 Ghoggali N, Mclgani F, Bazi YA multiobjcctivc genctic ture measures in PCA-hased unsupervised classification of SVM approach for classification problcms with limited SAR images[]. IEEE Gcosci Rcmotc Scns Lctt, 2009.6(2) training samples[J]. IEEe Trans on Geosci Remote Sens 214-218 2009,47(6):1707-1718 [4] Zhao Y, Zhang L, Li P, et al. Classification of high spatial [11] Mesher s K, Shankar B U, Ghosh A Wavelel-feature-based resolution imagery using improved Gaussian Markov rando lassifier for multispectral remote sensing images[J].IEEE field-based Texture fealures J].IEEE Trans on Geos Trans un Geosci Remote Sens, 2007, 45(6): 1881-1886 mote sens,2007,45(5):1458-1468 1 12 Pohl C, Van Genderen J L Multisensor image fusion in [5] Lee J, Ersoy O K Consensual and hierarchical classification emote sensing[J]. Int J Remote Sens, 1998,19(5): 823-854 (上接258页) [7 Tricarico R WPhysiological modeling of speech production 发音功能分为三类,利用舌上下纵肌等舌内肌实现舌前升 methods for modeling soft-tissue articulators[J] Journal of 高运动,利用茎突舌肌实现后升高运动,并提出舌骨舌肌 Acoustical Society of America. 1995, 97(5):3085-3098 控制机制,实现谷形运动。实验结果表明,该方法能够较 [8 Lewis J P, Parke F lAutomated lip-synch and speech syn thesis for character animation[c]/Proceedings of CHI87 and 好地仿真舌部的多种运动,所需数据量小,驱动方便。后 Graphics Interlace'87, Toronto, Canada, 1987: 143-147. 继将进一步研究舌部多种发音的表示形式。 19 Stone M.Toward a model of three dimensional tongue move ment[]Journal of Phonetics, 1991, 19: 309-320 参考文献 [1o] Stone M, Lundberg AThree dimensional tongue surface [1 Wayland R, Li B Training native Chinesc and native English shapes of English consonants and vowels[] Journal of the listeners to perceive Thai tones[C]/IsCA Workshop on Plasticity Acoustical Society of America, 1996,99(6): 3728-3737 Speech Perception, Senate House. London, UK, 2005: 62-65. [11 Scoll A K, Richard E P a 3D parametric tonyue model for [2 Wayland R, Li B Effecls of lwu training procedures in cross animated speech[J .The Journal of visualization and Com anguage percept f tones Journal of Phonetics, 2008 puter Animation, 2001, 12: 107-115 36(2),250-267 [2]陈志翔,稞义民,曾丹,等.人舌及嘴部的3D控制模门中国科 [3]李彬视觉信息与辅音感知[门语言科学,2012,1114):403-411 学院研究生院学报,2008,25(3):372-378 [4]夏静宁,管燕平,薛永强4.4-5.5岁聋儿与正常儿童语音清晰度[13]陈志翔,程义民,曾丹,等.人舌运动与嘴部表情的多线谱仿 的比较[J中国康复理论与实践,2012,18(8):707-709 真[J系统仿真学报,2009,21(23):7518-7521 [5]张磊,朱群怡,黄邵鸣,等学龄前聋儿声母发音难度研究门听I4↓曾智成新编人体解剖学图谱M西安:世界图书出版社 力学及言语疾病东志,2012,20(2),102-104. 2006:55-58 16 Reeves W T Simple and complex facial animation: case stud- [15] Chen 7.X, Zhang X,wu /R a new tonguc model bascd on ies[C]!SIGGRAPll90 Course Notes 26: State of the Art in muscle-control[C]IEEE International Conference on Granular Facial Animation. 1990: 88-106 Computing, 2011: 132-137

...展开详情
试读 4P 论文研究-遥感图像森林林型SVM分类的多特征选择.pdf
立即下载 身份认证后 购VIP低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-遥感图像森林林型SVM分类的多特征选择.pdf 20积分/C币 立即下载
1/4
论文研究-遥感图像森林林型SVM分类的多特征选择.pdf第1页

试读结束, 可继续读1页

20积分/C币 立即下载