黄林

摘要：本文是以望城区GF-1遥感影像数据为基础，利用ENVI软件完成遥感数据预处理，以B432按RGB组合波段，作为湿地信息提取的最佳波段，分别采用最大似然法、决策树法、支持向量机法，对湿地资源信息进行提取工作，找到较优的分类识别方法，对其进行精度评定。本文主要研究结论：

1.最大似然法不适用于遥感影像的分类识别，遥感影像数据并非正态分布，且其计算量极大，因此选择最大似然法处理遥感影像是不明智的。

2.相比之下，决策树法和支持向量机法各有其优劣势。决策树法能够依据各种信息因子完成分类识别，如形状、纹理、光谱等特征信息，从而提高分类准确性，而支持向量机法也是分类识别的一种好方法，尤其结合基于面向对象之后，不仅算法比较简单，且分类精度较高。

关键词：湿地信息提取;最大似然法;决策树法;支持向量机法

1.绪论

1.1研究目的及意义

本文是在GF-1遥感影像数据的基础上，利用传统湿地资源提取方法，寻找最适合GF-1遥感影像的信息提取方法，快速且准确地对望城区湿地资源进行资源提取研究。本文利用ENVI软件处理GF-1遥感影像数据，计算机识别和人工判读相结合来实现对望城区湿地资源的有效提取。

1.2国内外研究现状

1.2.2 湿地信息提取研究现状

传统的湿地提取分类方法包括监督分类和非监督分类，它们各有其优缺点，因此，为了适应实际情况，这两种方法经常被结合起来使用。Aurélie Davranche等人在2009年分析对比了各种湿地资源提取方法后，决定使用决策树法提取法国南部Csmargue的湿地信息，并发现，决策树法在该地区的芦苇和大型潜水植物信息提取精度很高，甚至能达到98.7%和97.4%[1]。……