基于特征距离的多类SVM分类方法研究

• 作者: 夏旺 赵展 闫利
• 来源期刊: 地理空间信息
• 学科: 地球科学
• 关键词: 面向对象影像分析 SVM Jeffries-Matusita距离
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 测绘工程案例
• 页码范围: 84-87
• 页数: 4页
• 分类号: P237.4
• 字数: 3077字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4623.2017.11.026

摘要

提出了一种基于特征分离性测度的面向对象分类方法.首先利用区域增长分割影像获得影像对象,并计算光谱、纹理、形状等多种分类特征,然后在构建多类SVM分类器过程中,对于任意两个分类类别对,利用Jeffries-Matusita距离选择最合适的特征.实验证明,相比于原始方法,基于Jeffries-Matusita距离的多类分类器能够有效减少建筑物、道路等复杂地物的误分现象,提高分类的总体精度和Kappa系数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫利	武汉大学测绘学院	144	1172	19.0	28.0
2	赵展	武汉大学测绘学院	17	81	5.0	8.0
3	夏旺	武汉大学测绘学院	10	65	4.0	8.0