最小化支持向量数分类器的云检测

针对。感卫星图像的云检测，提出了基于最小化支持向量数分类器的云检测方案，解决传统分类器训练样本多、易陷入局部最优的问题。使用该分类器对QuickBird高分辨率。感图像进行云检测，检测正确率达99%以上。实验表明：在确定分类器内部结构参数过程中，与传统的交叉验证法相比，基于支持向量数的方法不仅能够准确预测分类器推广性能的变化趋势，从而确立最优化的参数组合，并且实现简单，大大减少了计算的复杂度。与传统的BP神经网络相比，该方法所需训练样本少，分类性能好。