基于纹理特征和支持向量机的ALOS图像土地覆被分类

• 作者: 刘庆生 宁吉才 李玲 王红
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 纹理特征 SVM ALOS图像 土地覆被 非点源污染
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 技术方法
• 页码范围: 58-63
• 分类号: TP751.1
• 字数: 4304字
• 语种: 中文

摘要

高空间分辨率遥感图像在土地覆被分类方面应用广泛,但传统的基于像元分类方法的精度较低.为了提高高分辨率图像的分类精度,通过灰度共生矩阵法快速提取纹理特征,利用支持向量机(SVM)并辅以纹理特征,对浙江湖州典型实验样区的ALOS图像进行土地覆被分类.结果表明:基于纹理特征和SVM的图像分类能更好地提取地物信息,分类总精度达到90.88％；单纯SVM的分类精度(89.96％)高于最大似然法(分类精度86.16％).本文方法可快速准确地提取土地覆被类型,为研究农业非点源污染的产生和时空分布提供服务,进而为寻求太湖流域内合理的土地利用模式和土地的可持续利用提供科学依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘庆生	中国科学院地理科学与资源研究所	86	1854	22.0	40.0
2	王红	河海大学地球科学与工程学院	26	191	7.0	13.0
3	宁吉才	中国科学院地理科学与资源研究所	18	326	10.0	18.0
4	李玲	河海大学地球科学与工程学院	4	56	4.0	4.0