%0 Journal Article
%T 基于多纹理和支持向量机的ZY-102C星HR数据分类<br>SVM Classification with Multi-texture Data of ZY-102C HR Image
%A 李粉玲
%A 常庆瑞
%A 刘佳岐
%A 刘京&lt
%A br&gt
%A LI Fenling
%A CHANG Qingrui
%A LIU Jiaqi
%A LIU Jing
%J 武汉大学学报·信息科学版
%D 2016
%R 10.13203/j.whugis20140356
%X 基于国产资源一号02C星高分辨率(high resolution,HR)影像,提取了基于变差函数、灰度共生矩阵和梯度的多纹理特征,结合光谱信息构建了基于支持向量机(support vector machine,SVM)的多源信息复合模型的图像分类方法,并与传统最大似然法和决策树法的分类结果进行了比较。研究表明,变差函数纹理和梯度纹理参与的多源复合数据有效提高了图像的分类精度,总分类精度由85.14%提高到87.43%,Kappa系数由0.82提高到0.85;绝对值变差函数为纹理最佳窗口分析提供了理论依据,基于累积步长提取的纹理特征能显著提升图像分类的精度,分类准确率提高了13.94%,Kappa系数增加了0.17;基于多源复合数据的SVM高空间分辨率遥感图像分类方法能有效解决传统图像分类结果破碎的问题,比最大似然方法和决策树法的分类精度显著提高,总精度达到89.14%,Kappa系数为0.87,分别提高了6.85%和10.84%。实验表明,ZY-102C星HR数据在冬小麦信息提取中具有一定的稳定性和优势
%K 高分辨率相机
%K 多纹理特征
%K 累积步长
%K 支持向量机
%K 精准农业
%K &lt
%K br&gt
%K high resolution camera(HR camera)
%K multi-textural feature
%K accumulative lag distance
%K support vector machine(SVM)
%K precision agriculture
%U http://ch.whu.edu.cn/CN/abstract/abstract5414.shtml