收藏本站
《中国矿业大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的高光谱遥感影像分类研究

谭琨  
【摘要】: 随着高光谱遥感数据获取技术的快速发展,高光谱数据处理和分析方法的研究已成为推动其应用发展最为重要的方面。作为统计学习理论最有效的方法,支持向量机(Support Vector Machine, SVM)因其具有小样本学习、高维空间、非线性等优点,在解决高维数据分类、小样本学习、抗噪声影响等方面体现出了明显的优越性,成为高光谱遥感影像分类的一个研究热点。本文从统计学习理论出发,在详细研究SVM理论的基础上,对其从多类分类器设计、核函数构造、组合核函数等方面进行改进,并应用这些改进策略对高光谱遥感数据进行分类。论文主要取得了以下主要研究结论: 1)在构建基于SVM的高光谱遥感影像分类技术体系的基础上,分析比较了SVM四种常用核函数的效果,并与现有的几种代表性分类方法进行了比较。结果表明,SVM可以有效地克服样本不足和特征维数高导致的Hughes现象,其训练速度和分类速度均优于径向基神经网络,分类精度高于最小距离分类器、光谱角制图分类器、最大似然分类器和径向基神经网络分类器等常规分类器。在SVM的四种常用核函数中,RBF核函数的分类精度最高。 2)通过主成分分析、独立成分分析、最大噪声分离、分组特征提取、导数光谱等进行高光谱遥感数据进行降维与特征提取,作为SVM分类器输入,结果表明SVM分类器的分类精度随着特征维数明显波动,其中主成分分析后提取的特征用于分类通常能够获得最高的精度。基于大量试验,建议对于以分类为目标的高光谱遥感数据降维处理,可以优先选择主成分分析。 3)在深入研究多类SVM分类器构建方法的基础上,提出了一个基于分离性测度的二叉树多类SVM分类器,试验结果表明多类SVM的分类精度优于常规分类算法,而相对已有的多分类SVM方法,本文提出的基于分离性测度的二叉树多类SVM的分类精度最高。 4)针对SVM分类中核函数构造的重要性,提出了一种再生核Hilbert空间的小波核,构建了小波SVM。小波SVM在应用Coiflet小波核函数的时候能获得最高分类精度,优于光谱角制图分类器、最小距离分类器,及径向基核函数的SVM。 5)常用的遥感分类器在组合光谱特征和空间特征进行分类时往往存在局限性,而多核分类器通过对光谱特征和空间特征采用多个核函数进行组合,能够综合空间和结构特征的优点改进分类结果。利用小波变换提取纹理特征,分别对纹理特征和光谱特征采用独立的核函数,构建了多核SVM分类器。试验结果表明,组合光谱和小波纹理信息的多核SVM分类精度高于单核SVM分类器和交叉信息核SVM分类器。将多核SVM与特征提取相结合进行试验,发现当设计多核SVM分类器时,主成分变换后的前四主成分和小波纹理组合作为输入的分类精度最高,是一种快速有效的分类方法。 6)基于多核SVM,提出了一种用于高空间分辨率高光谱数据的多核SVM分类模型。该分类方法用数学形态学提取空间结构信息,与光谱信息进行组合实现分类。结果显示融合光谱信息和数学形态学剖面的多核SVM能够得到优于其他方法的分类精度,试验中组合前7主成分分量和数学形态学剖面数据的多核SVM能达到91.0%的分类精度。
【学位授予单位】:中国矿业大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:P237

【引证文献】
中国期刊全文数据库 前2条
1 孙家波;曲杰卿;张超;杨建宇;赵冬玲;;基于高分辨率遥感影像的土地利用信息提取系统的设计与实现[J];测绘与空间地理信息;2012年11期
2 钱进;邓喀中;范洪冬;;基于拉普拉斯特征映射高光谱遥感影像降维及其分类[J];遥感信息;2012年05期
中国博士学位论文全文数据库 前1条
1 柴艳有;基于核学习理论的船舶柴油机故障诊断研究[D];哈尔滨工程大学;2012年
中国硕士学位论文全文数据库 前1条
1 杨有;基于支持向量机与纹理的城市遥感影像绿树识别[D];广西师范大学;2012年
【参考文献】
中国期刊全文数据库 前10条
1 路威;余旭初;刘娟;杨国鹏;;基于分布异常的高光谱遥感影像小目标检测算法[J];测绘学报;2006年01期
2 杨可明;李慧;郭达志;;基于最佳小波包基的高光谱影像特征制图[J];测绘学报;2008年01期
3 张莉,周伟达,焦李成;尺度核函数支撑矢量机[J];电子学报;2002年04期
4 张莉,周伟达,焦李成;子波核函数网络[J];红外与毫米波学报;2001年03期
5 谭琨;杜培军;;基于支持向量机的高光谱遥感图像分类[J];红外与毫米波学报;2008年02期
6 刘志刚,李德仁,秦前清,史文中;支持向量机在多类分类问题中的推广[J];计算机工程与应用;2004年07期
7 唐发明,王仲东,陈绵云;一种新的二叉树多类支持向量机算法[J];计算机工程与应用;2005年07期
8 李红莲,王春花,袁保宗,朱占辉;针对大规模训练集的支持向量机的学习策略[J];计算机学报;2004年05期
9 唐发明,王仲东,陈绵云;支持向量机多类分类算法研究[J];控制与决策;2005年07期
10 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期
中国博士学位论文全文数据库 前2条
1 周伟达;核机器学习方法研究[D];西安电子科技大学;2003年
2 刘志刚;支撑向量机在光谱遥感影像分类中的若干问题研究[D];武汉大学;2004年
【共引文献】
中国期刊全文数据库 前10条
1 谢飞;;支持向量机及其应用研究[J];安徽教育学院学报;2007年03期
2 隋学艳;朱振林;朱传宝;杨丽萍;姚慧敏;郭洪海;;基于MODIS数据的山东省小麦株高遥感估算研究[J];山东农业科学;2009年02期
3 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期
4 王永梅;胡学钢;;决策树中ID3算法的研究[J];安徽大学学报(自然科学版);2011年03期
5 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
6 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
7 叶明全;;数据挖掘在医疗数据中的应用[J];安徽工程科技学院学报(自然科学版);2007年03期
8 杨帆;;浅析GIS的发展现状与未来发展趋势[J];安徽农学通报;2007年23期
9 焦俊;;基于LS-SVM的采摘机器人运动变结构控制[J];安徽农学通报;2008年18期
10 戴晓琴;;浅谈遥感技术在土地利用中的应用[J];安徽农学通报;2008年23期
中国重要会议论文全文数据库 前10条
1 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
2 谭守标;霍剑青;郝建;王晓蒲;赵永飞;谢行恕;;高分辨率软X射线显微成像下细胞的自动提取?[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
3 汪震;洪津;张冬英;罗军;;液晶可调谐滤光片在遥感探测中的应用研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年
4 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
5 王国庆;李国福;李旭渊;;基于PSO-K均值聚类的核事故应急监测点位快速确定技术研究[A];全国危险物质与安全应急技术研讨会论文集(上)[C];2011年
6 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
7 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
8 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
9 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
10 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 于化龙;基于DNA微阵列数据的癌症分类技术研究[D];哈尔滨工程大学;2010年
3 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年
4 冷欣;船用增压锅炉汽包水位预测控制方法研究[D];哈尔滨工程大学;2009年
5 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
6 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年
7 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
8 林颖;基于水平集方法的图像分割关键技术研究[D];哈尔滨工程大学;2010年
9 许爱德;开关磁阻电机在船舶电力推进中的应用研究[D];大连海事大学;2010年
10 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年
中国硕士学位论文全文数据库 前10条
1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
2 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年
3 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年
4 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
5 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
6 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
7 刘涛;遥感图像分块分类技术的研究与应用[D];山东科技大学;2010年
8 胡红;矿区植物胁迫作用与遥感信息提取[D];山东科技大学;2010年
9 冯彦平;矿山开采影响下的环境遥感监测与评价[D];山东科技大学;2010年
10 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 廖明,石博强,张文明,冯雅丽;分形在柴油机燃油系故障诊断中的应用[J];北京科技大学学报;1998年05期
2 游浩辰;许章华;刘健;余坤勇;张新珠;;GIS支持下的山区遥感影像决策树分类研究[J];北京联合大学学报(自然科学版);2011年01期
3 张维竞,张鹏,罗蛟龙;船舶动力装置故障诊断专家系统的开发[J];船舶工程;2000年05期
4 陈启浩;高伟;刘修国;;辅以纹理特征的高分辨率遥感影像分类[J];测绘科学;2008年01期
5 陈建杰;叶智宣;;多分类SVM主动学习及其在遥感图像分类中的应用[J];测绘科学;2009年04期
6 后斌;;基于支撑向量机的遥感影像分类方法比较研究[J];测绘通报;2008年10期
7 王珍,马孝江,李作州,张米龙;基于局域波法的车用柴油机预知维修研究[J];车用发动机;2002年01期
8 王艳;陈欢欢;沈毅;;有向无环图的多类支持向量机分类算法[J];电机与控制学报;2011年04期
9 李小涛;潘世兵;宋小宁;;基于地质统计学纹理特征的遥感影像分类方法研究[J];地理与地理信息科学;2009年02期
10 薄华;马缚龙;焦李成;;图像纹理的灰度共生矩阵计算问题的分析[J];电子学报;2006年01期
中国博士学位论文全文数据库 前9条
1 陈杰;高分辨率遥感影像面向对象分类方法研究[D];中南大学;2010年
2 关山;基于声发射信号多特征分析与融合的刀具磨损分类与预测技术[D];吉林大学;2011年
3 王珍;基于局域波分析的柴油机故障诊断方法的研究及应用[D];大连理工大学;2002年
4 李宏坤;基于信息融合技术船舶柴油机故障诊断方法的研究与应用[D];大连理工大学;2003年
5 张旭;人工免疫算法及其在船舶柴油机智能故障诊断中的应用研究[D];大连海事大学;2007年
6 刘小明;数据降维及分类中的流形学习研究[D];浙江大学;2007年
7 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
8 吕泽华;模糊集理论的新拓展及其应用研究[D];华中科技大学;2007年
9 张曦;基于统计理论的工业过程综合性能监控、诊断及质量预测方法研究[D];上海交通大学;2008年
中国硕士学位论文全文数据库 前10条
1 杨浩杰;高考志愿填报的数据分析研究[D];河南大学;2011年
2 郎宇宁;基于支持向量机的多分类方法研究及应用[D];西南交通大学;2010年
3 秦丽梅;水源林遥感图像空间信息特征数据挖掘[D];广西师范大学;2011年
4 牛洪瑜;基于神经网络的船舶柴油发电机组的故障诊断[D];兰州理工大学;2007年
5 李玉峰;基于神经网络的柴油机燃油系统故障诊断的研究和实现[D];山东大学;2007年
6 陈启浩;面向对象的多源遥感数据分类技术研究与实现[D];中国地质大学;2007年
7 郭素娜;电器产品概念设计中的模糊信息处理方法[D];河北工业大学;2006年
8 李恒利;土地利用调查与动态监测的遥感方法研究[D];太原理工大学;2007年
9 王洪锋;船用智能化柴油机热力参数监测与诊断技术研究[D];武汉理工大学;2008年
10 魏飞鸣;基于对象信息的遥感影像分类研究[D];电子科技大学;2008年
【二级参考文献】
中国期刊全文数据库 前10条
1 ;The Applications of Wavelets in Hierarchical Representations and Smoothing of Curves and Surfaces[J];Computer Aided Drafting,Design and Manufacturing;1997年02期
2 骆剑承,王钦敏,马江洪,周成虎,梁怡;遥感图像最大似然分类方法的EM改进算法[J];测绘学报;2002年03期
3 王向阳,杨红颖;一种基于小波包变换的纹理图像压缩算法[J];测绘学报;2004年03期
4 陈鹰;林怡;;基于提升小波的影像变换与匹配[J];测绘学报;2006年01期
5 术洪磊,毛赞猷;GIS辅助下的基于知识的遥感影像分类方法研究——以土地覆盖/土地利用类型为例[J];测绘学报;1997年04期
6 甘甫平,刘圣伟,周强;德兴铜矿矿山污染高光谱遥感直接识别研究[J];地球科学;2004年01期
7 杨超,胥泽银,卢玉蓉;小波包分析在信号压缩中的应用[J];地球信息科学;2004年02期
8 李小文,赵红蕊,张颢,王锦地;全球变化与地表参数的定量遥感[J];地学前缘;2002年02期
9 姬翔,钟义信;一种神经网络多用户检测器[J];电子学报;1999年12期
10 张鸿宾,孙广煜;近邻法参考样本集的最优选择[J];电子学报;2000年11期
中国博士学位论文全文数据库 前1条
1 夏建涛;基于机器学习的高维多光谱数据分类[D];西北工业大学;2002年
【相似文献】
中国期刊全文数据库 前10条
1 尚坤;李培军;程涛;;基于合成核支持向量机的高光谱土地覆盖分类[J];北京大学学报(自然科学版);2011年01期
2 王立国;赵春晖;乔玉龙;陈万海;;高光谱图像分类的全面加权方法研究[J];红外与毫米波学报;2008年06期
3 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期
4 王立国;张晶;刘丹凤;王群明;;从端元选择到光谱解混的距离测算方法[J];红外与毫米波学报;2010年06期
5 毛伟;;基于支持向量机的回归应用研究[J];科技资讯;2011年12期
6 韩永章;;基于支持向量机的旋转机械故障诊断研究[J];科技信息;2010年12期
7 邱玉莲;朱琴;;基于支持向量机的财务预警方法[J];统计与决策;2006年16期
8 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期
9 谢书娟;;SVM理论在图书馆馆藏图像标引方面的应用[J];甘肃科技;2010年01期
10 王静;许平波;;支持向量机(SVM)方法对财务危机的预警[J];科技信息;2009年26期
中国重要会议论文全文数据库 前10条
1 王立国;;光谱解译中支持向量机模型和空间信息的利用[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
2 胡俊杰;周红;周林军;;支持向量机方法研究物质结构水溶解性关系模型[A];中国化学会第27届学术年会第02分会场摘要集[C];2010年
3 司爱威;冯辅周;江鹏程;饶国强;王建;;基于可变风险SVM模型的故障识别方法研究[A];第十届全国振动理论及应用学术会议论文集(2011)上册[C];2011年
4 周广春;潘登;;面外均布荷载作用下砌体墙板破坏模式特征值提取的SVM方法[A];工程设计与计算机技术:第十五届全国工程设计计算机应用学术会议论文集[C];2010年
5 邵杰;叶宁;容亦夏;;基于SVM的多波束测深数据滤波[A];第二十九届中国控制会议论文集[C];2010年
6 王红伟;董慧;;一种提高SVM分类精度的调制信号识别方法[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年
7 于湘涛;周峰;张兰;魏超;;基于SVM和田口方法的石英挠性加速度计健壮性设计[A];质量——持续发展的源动力:中国质量学术与创新论坛论文集(下)[C];2010年
8 蔡志理;姜桂艳;丁秋实;;基于SVM和数据融合技术的高速公路AID算法设计[A];第二十七届中国控制会议论文集[C];2008年
9 张睿;陈雪;马建文;;基于递归SVM的高光谱数据特征选择算法研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
10 蔡志理;姜桂艳;;多SVM分类器融合技术在高速公路AID中的应用[A];第二十七届中国控制会议论文集[C];2008年
中国重要报纸全文数据库 前10条
1 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年
2 张红菊;农田:安装“听诊器”[N];科技日报;2004年
3 张向冰 李青滨;我国海洋遥感发展突飞猛进[N];中国海洋报;2003年
4 李水根;计算机详解配伍与药效关系[N];健康报;2005年
5 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
6 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
7 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
8 本报记者 韩露;乱军之中智者胜[N];证券时报;2000年
9 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年
10 ;选择合适的数据挖掘算法[N];计算机世界;2007年
中国博士学位论文全文数据库 前10条
1 谭琨;基于支持向量机的高光谱遥感影像分类研究[D];中国矿业大学;2010年
2 陈进;高光谱图像分类方法研究[D];国防科学技术大学;2010年
3 高恒振;高光谱遥感图像分类技术研究[D];国防科学技术大学;2011年
4 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年
5 姚伏天;基于高斯过程的高光谱图像分类研究[D];浙江大学;2011年
6 梅锋;基于核机器学习的高光谱异常目标检测算法研究[D];哈尔滨工程大学;2009年
7 石吉勇;基于高光谱图像技术的设施栽培作物营养元素亏缺诊断研究[D];江苏大学;2012年
8 林娜;高光谱遥感岩矿特征提取与分类方法研究[D];成都理工大学;2011年
9 王晓飞;高光谱图像分辨率增强及在小目标检测中的应用研究[D];哈尔滨工业大学;2011年
10 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
中国硕士学位论文全文数据库 前10条
1 阳庆;基于支持向量机的高光谱图像分类方法研究[D];解放军信息工程大学;2009年
2 曾玉祥;盲抽取与SVM方法在地球化学异常下限提取中的应用[D];成都理工大学;2010年
3 蔡磊;SVM及其扩展算法在图像处理中的应用研究[D];西安石油大学;2010年
4 杨飞;基于SVM的煤炭销售分析预测系统的研究[D];太原科技大学;2011年
5 孙丽娟;基于支持向量机的高光谱图像分类技术研究[D];哈尔滨工程大学;2011年
6 高洁;基于SVM的基因表达谱分析和函数集VC维研究[D];华东师范大学;2011年
7 武晓娟;基于支持向量机(SVM)的火电电厂工程造价预测研究[D];华北电力大学(河北);2009年
8 张坤;基于支持向量机(SVM)理论的个人信用评估研究[D];辽宁工程技术大学;2011年
9 唐雪飞;基于案例推理的高光谱图像分类研究[D];哈尔滨工业大学;2010年
10 朱健康;基于支持向量机的音乐自动分类[D];天津大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026