【摘要】 一种用于遥感影像的多核支持向量机分类方法，属于遥感影像的支持向量机分类方法。该方法首先对原始数据进行主成分变换，取前四主成分代表光谱信息，对第一主成分进行小波纹理特征提取，对光谱特征和空间特征采用两个独立的径向基核函数进行组合，最后利用多核支持向量机方法进行分类。通过多个核函数对小波纹理特征和光谱特征进行组合，既充分利用了主成分分析提取的光谱特征，又融入了小波纹理特征，优化了支持向量机分类器，克服了传统方法单独使用光谱特征进行分类的局限性，因此分类精度得到有效提高。优点：本方法主要优点是利用多个核函数组合了光谱信息和空间信息，能够提高分类的精度。 【专利类型】发明申请 【申请人】中国矿业大学 【申请人类型】学校 【申请人地址】221116 江苏省徐州市三环南路中国矿业大学科技处 【申请人地区】中国 【申请人城市】徐州市 【申请人区县】铜山区 【申请号】CN201010555339.X 【申请日】2010-11-23 【申请年份】2010 【公开公告号】CN101976361A 【公开公告日】2011-02-16 【公开公告年份】2011 【IPC分类号】G06K9/66 【发明人】杜培军; 谭琨 【主权项内容】1、一种用于遥感影像的多核支持向量机分类方法，其特征是：在支持向量机分类器中利用多个核函数综合原始光谱特征和小波变换提取的纹理特征，通过多核组合纹理特征和光谱特征提高分类精度；具体实现步骤流程为：(1)对原始多光谱或高光谱遥感影像数据首先进行数据预处理，去除噪声波段，然后确定分类体系并选择训练样本；(2)对步骤(1)得到的数据集进行主成分变换，选择前四个分量作为光谱特征参与分类，用                                               代表各像元的光谱信息；(3)采用Daubechies小波，选择8×8的窗口对第一主成分进行小波分解，提取一维小波纹理，得到一个低频子图像和三个高频子图像，三个高频图像分别代表图像中水平纹理结构、竖直纹理结构和对角纹理结构信息；(4)采用小波分解频带图像的l1范数作为图像纹理测度, 其计算式为 :  (其中，M×N为频带图像的大小，m和n分别表示图像的行和列，x为该频带的小波系数)，用代表像元的纹理信息；(5)分别对光谱特征和纹理特征应用径向基核函数进行运算后，构成多核支持向量机方法采用的核函数：；(6)按照支持向量机分类方法的训练策略，采用训练样本对多核支持向量机进行训练；(7)根据训练样本确定的参数，按照决策函数确定各像素的类别；(8)利用测试样本，对分类结果的精度进行评价。615621dest_path_image002.jpg, 882655dest_path_image004.jpg, 81555dest_path_image006.jpg, 750434dest_path_image008.jpg, 806114dest_path_image010.jpg 【当前权利人】中国矿业大学 【当前专利权人地址】江苏省徐州市三环南路中国矿业大学科技处 【专利权人类型】公立 【统一社会信用代码】12100000466007570L 【被引证次数】19 【被他引次数】19.0 【家族被引证次数】19

未经允许不得转载：http://www.zhongzhencnc.com/1781153564.html