秦进春,张　丽,彭　宇

1.西安测绘研究所，陕西 西安，710054;2.地理信息工程国家重点实验室，陕西 西安，710054;3.中国天绘卫星中心，北京，102102



基于多核SVM的高光谱影像植被精细分类

秦进春1,2,张丽1,2,彭宇3

1.西安测绘研究所，陕西 西安，710054;2.地理信息工程国家重点实验室，陕西 西安，710054;3.中国天绘卫星中心，北京，102102

植被自身复杂的生长环境和垂直分布结构，使得高光谱影像中的植被特征受到大量异构信息影响。在对植被进行精细分类时，随着植被类别的增加，植被样本信息量大大增加，但植被各类别之间的可分性却在下降，采用单核映射方式对所有植被样本进行处理的分类方法难以得到可靠的分类精度。多核学习方法能够以全新的核函数映射方式对复杂的样本信息进行处理，本文将多核学习方法引入植被精细分类中，提出基于多核SVM的高光谱影像植被精细分类方法，实验结果表明该方法可以显著提高分类精度，在树种识别、精细农业等方面具有广泛的应用前景。

高光谱影像；多核支持向量机；植被精细分类

1　引　言

高光谱影像数据中蕴含着丰富的光谱信息，使得植被种类识别与分类成为可能[1]，但是植被精细分类的精度却受到了诸多因素的限制。主要有以下两方面的原因：一是受光谱分辨率和数据质量的影响，不同植被类型的光谱曲线差异不够明显，往往很难进行区分；二是分类方法对多类别精细分类的适应性不够，当植被类别较多的情况下，常规分类方法的分类精度下降比较明显，并且很难达到树种级别的区分[2]。……