基于粗糙集支持向量机的遥感影像分类算法研究

2012-07-13张立民张瑞峰

电子设计工程 2012年23期

刘峰，张立民，张瑞峰

（1.海军航空工程学院电子信息工程系，山东烟台 264001；2.解放军92785部队河北秦皇岛 066200）

遥感是接收地表物质波谱反射信息的一种被动式遥感技术。随着遥感技术朝着高空间分辨率、高光谱分辨率、高时相分辨率的迅猛发展，人们将获取越来越庞大的遥感数据。作为遥感影像处理过程中的重要步骤，分类一直被从事遥感信息处理的广大科技人员所重视。遥感影像分类方法包括统计模式识别、神经网络、遗传算法、模拟退火算法等，上述方法大多要求已知先验概率或基于渐近理论，在实际应用过程中，样本的数目通常是有限的，上述方法都难以取得理想的效果。基于结构风险最小化原则（SRM）的支持向量机（SVM）模型可以有效地解决小样本条件下的学习问题，而遥感影像具有较强的不确定性，主要表现在同物异谱、同谱异物、时相变化以及地物单元空间分布的相互交错关系等方面，粗糙集理论是一种处理不精确、不完全和不确定信息的新型数据分析工具，1990年以后逐渐引起世界各国学者的广泛关注，将粗糙集理论和支持向量机相结合已成为信息科学最活跃的研究领域之一，本文将基于粗糙集理论的支持向量机用于遥感影像的处理和分类，并进行了仿真实验，实验结果表明计算量大大减少，并且提高了分类精度。