基于 SVM 方法的 SPOT-5影像植被分类1）

• 作者: 张晓丽 郭航 黎良财
• 来源期刊: 东北林业大学学报
• 关键词: 影像融合 Gram-Schmidt光谱锐化法 灰度共生矩阵 支持向量机 植被分类
• 年，卷（期）: 2014,（1）
• 页码范围: 51-56
• 页数: 6页
• 分类号: S771.8|TP753
• 语种: 中文

摘要

运用SPOT-5全色和多光谱影像，采用支持向量机（ SVM）法对森林植被进行分类研究，探讨了SVM法的分类能力以及纹理信息在森林植被分类中的影响。结果表明：Gram-Schmidt光谱锐化法是北京山区SPOT-5影像最佳的融合方法；SVM法在高分辨率影像森林植被分类中精度较高，不同核函数对分类精度的影响不显著；基于灰度共生矩阵产生的纹理信息能够提高SVM法的分类精度，3×3窗口是提高分类精度的最佳纹理窗口。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓丽		3	6	2.0	2.0
2	黎良财		1	4	1.0	1.0
3	郭航		1	4	1.0	1.0