支持向量机在矿区遥感监测图像分类中的应用研究

【摘要】：我国在煤矿开采过程中的监测行为大多是现场监测,力量薄弱,而且信息采集范围有限、时效性差,大量违法开采行为不能够及时发现,对矿区环境造成不可逆转的破坏。遥感技术以其宏观性、实时性、周期性及综合性等特点,为快速、准确、客观的露天煤矿区环境监测提供了可能。随着航天遥感信息技术的快速发展和全球对地观测体系的建立,遥感数据的提供能力越来越强,但由于遥感信息的综合性,遥感成像机理的复杂性,信息处理技术却落后于信息获取技术的发展。本文对现有遥感图像分类方法及支持向量机原理进行了综合分析,将基于支持向量机的遥感图像分类识别方法用于露天煤矿区的遥感监测问题中。 以鹤岗市的一幅TM遥感图像为例,选用两种支持向量机多分类方法进行分类比较。支持向量机分类器建模过程中,核函数的选择至今没有理论上的指导,本文用实验的方法,手动创建了一个二维的五分类样本数据集合,分别使用常用的四种核函数进行了分类比较,结果显示,使用高斯径向基核函数时分类器的分类效果最为理想;使用交叉验证的网格搜索法选取了合适的参数,使分类器具有较高的分类精度。结果表明,由于误差累积,支持向量机多分类器的分类精度要低于两类分类器的精度;在解决类别数少的分类问题时,两种SVM多分类器的分类精度令人满意,分别达到83.67%和86.75%,相比之下1-v-1SVM具有更高的分类精度。