高光谱影像的BDT-SVM地物分类算法与应用

• 作者: 晏路明 林志垒
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 高光谱影像 支持向量机(SVM) 二叉决策树(BDT) 分类算法
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 数据与图像处理
• 页码范围: 177-185
• 分类号: TP751.1
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2016.1.0177

摘要

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果.因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法.实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96％,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	晏路明	福建师范大学地理科学学院	46	583	14.0	22.0
2	林志垒	福建师范大学地理科学学院	23	321	11.0	17.0