Comparation of Forest Types Classification Methods Using CHRIS Hyperspectral Image
CHRIS 高光谱图像森林类型分类方法比较研究

以长白山为试验区,选择CHRIS/PROBA高光谱零度角遥感数据,在对其进行预处理的基础上,通过应用最大似然法(MLC)、最小距离法、支持向量机法(SVM)和光谱角填图法(SAM)等几种常用的高光谱遥感分类方法对影像进行森林类型分类.利用混淆矩阵对分类结果进行验证,结果显示:在高光谱遥感森林类型分类中,SVM总体分类精度最高,为84.60%;其次是MLC,为83.53%,最小距离法73.81%,SAM 56.49%.Kappa系数从高到底为:SVM 0.78,MLC 0.77,最小距离法0.68,SAM 0.52.经过比较分析,得出SVM分类方法精度最高,这表明该方法用于高光谱遥感森林分类中的实用性和优越性.