邓曾， 李丹， 柯樱海， 吴燕晨， 李小娟， 宫辉力

(首都师范大学城市环境过程与数字模拟国家重点实验室培育基地，北京　100048)



基于改进SVM算法的高分辨率遥感影像分类

邓曾， 李丹， 柯樱海， 吴燕晨， 李小娟， 宫辉力

(首都师范大学城市环境过程与数字模拟国家重点实验室培育基地，北京100048)

摘要：针对面向对象高分辨率遥感影像分类样本维数多、数据量大的特点，提出了一种简单的支持向量机(support vector machine，SVM)改进算法。首先对原始样本数据进行主成分分析(principal component analysis，PCA)实现降维，对降维后的样本数据进行SVM分类器训练，利用网格搜索法得出降维数据的最佳参数； 以此参数作为基准，对基于原始样本数据的SVM分类器参数搜索范围进行重新设定，从而快速获取原始样本数据的最佳SVM分类器参数，并实现分类。利用2景WorldView2高分辨率影像分别对城市土地利用以及林木树种进行分类实验，比较分析传统SVM算法、仅基于PCA降维样本数据的SVM算法以及改进的SVM算法在分类精度与效率方面的差异。实验结果表明，改进的SVM算法能够快速有效地寻找最佳SVM分类器参数，并获得较高的分类精度。

关键词：高分辨率遥感影像； 支持向量机(SVM)； 主成分分析； 网格搜索法； 分类性能

0引言

随着遥感技术的不断发展，近年来涌现出一系列诸如IKONOS,QuickBird,GeoEye,RapidEye,WorldView1,WorldView2,WorldView3以及我国高分1号和高分2号等高空间分辨率卫星传感器(地面分辨率小于5 m)。由于高分辨率遥感影像能在较小的空间尺度上获取细节丰富的地物信息，目前已成为遥感领域的重要数据源，在城市环境、交通、林业和军事等领域发挥出重大作用。……