下面是小编整理的基于光谱相关性的SVM高光谱遥感影像分类，本文共9篇，欢迎大家阅读借鉴，并有积极分享。
篇1：基于光谱相关性的SVM高光谱遥感影像分类
基于光谱相关性的SVM高光谱遥感影像分类
根据高光谱遥感影像数据特点,首先利用光谱相关性进行特征选择,然后引进SVM进行高光谱遥感影像分析解译,最后利用AVIRIS影像进行试验,结果显示分类精度和时间比常规方法都有很大改善.
作 者：沈照庆 王建宾 陶建斌 SHEN Zhaoqing WANG Jianbin TAO Jianbin 作者单位：沈照庆,陶建斌,SHEN Zhaoqing,TAO Jianbin(武汉大学遥感信息工程学院,湖北,武汉,430079)王建宾,WANG Jianbin(山东科技职业学院,山东,潍坊,261053)
刊 名：地理空间信息 英文刊名：GEOSPATIAL INFORMATION 年，卷(期)： 7(4) 分类号：P237 关键词：SVM 高光谱 光谱相关 遥感影像篇2：高光谱影像的土地信息提取
关于高光谱影像的土地信息提取
运用遥感技术对土地利用进行调查与监测是获取土地信息的'重要渠道,能够反馈土地政策并能检验土地措施执行的结果.高光谱遥感技术的兴起中,为土地利用调查和监测提供了一个新的平台.本文讨论了基于光谱信息土地利用现状的提取技术,为新一轮的土地资源调查提供技术支持.
作 者：刘晋静 郭微 作者单位：中国地质大学(武汉)资源学院 刊 名：决策与信息（下旬刊） 英文刊名：THE FRIEND OF THE HEAD 年，卷(期)：2009 “”(7) 分类号：P237.3 关键词：高光谱遥感 土地利用 信息提取篇3：基于SVM的遥感影像空间特征提取和分类研究
基于SVM的遥感影像空间特征提取和分类研究
提出了基于支撑向量机(SVM)的遥感影像空间特征提取的新方法,并以融合后的SPOT多源影像上空间特征信息的提取、分类为应用实例,通过试验分析,得出SVM方法不但能够获得比较高的'分类精度,而且在分类器训练时间和分类时间上都有很好的应用前景.
作 者：卢伟 文鸿雁 李淑 LU Wei WEN Hong-yan LI Shu 作者单位：桂林工学院,广西,桂林,541004 刊 名：山西建筑 英文刊名：SHANXI ARCHITECTURE 年，卷(期)： 35(5) 分类号：P217 关键词：支撑向量机(SVM) 遥感影像 空间特征向量篇4：基于Mann-Whitney非参数检验和SVM的竹类高光谱识别
基于Mann-Whitney非参数检验和SVM的竹类高光谱识别
摘要：以毛竹、雷竹和孝顺竹野外高光谱数据为基础,在非参数统计理论和模式识别的基础上,提出了利用Mann-Whitney非参数检验筛选竹类间最佳特征区分波段及利用支持向量机识别竹类的问题.研究结果表明:(1)毛竹与雷竹之间的最佳区分波段为503～655,689～732,757～1 000,1 038～1 084,1 238～1 311,1 404～1 591,1 682～1 800,1 856～1 904和1 923～2 500nm,毛竹与孝顺竹之间的'最佳区分波段为350～386,731～1 430,1 584～1 687,1 796～1 873nm,雷竹与孝顺竹之间的最佳区分波段为355～356,498～662,689～745和1 344～2 500 nm;利用Mann-Whitney非参数检验方法可以分别消除30.0％,57.7％和35.8％的无效区分波段.(2)在最佳区分波段内,利用支持向量机的SMO算法进行高光谱竹类识别,模型精度分别为98.4％,93.5％和95.1％,模型泛化精度分别为93.3％,90.0％和86.7％,表明此方法可有效区分和识别竹亚科中的不同竹类. 作者： 陈永刚 丁丽霞 葛宏立 张茂震 胡芸 Author： CHEN Yong-gang DING Li-xia GE Hong-li ZHANG Mao-zhen HU Yun 作者单位： 浙江农林大学,浙江省森林生态系统碳循环与固碳减排重点实验室,环境科技学院,浙江临安311300 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： Spectroscopy and Spectral Analysis 年，卷(期)： , 31(11) 分类号： S771.8 关键词： Mann-Whitney检验 高光谱 SVM 竹亚科 机标分类号： S79 TU9 机标关键词： 非参数检验 SVM 竹类 光谱识别 Test 分波段 支持向量机 孝顺竹 非参数统计理论 毛竹 雷竹 高光谱 模型精度 模式识别 检验方法 基础 泛化精度 SMO算法 竹亚科 有效区 基金项目： 国家自然科学基金，浙江省教育厅项目 基于Mann-Whitney非参数检验和SVM的竹类高光谱识别[期刊论文] 光谱学与光谱分析 --2011, 31(11)陈永刚 丁丽霞 葛宏立 张茂震 胡芸以毛竹、雷竹和孝顺竹野外高光谱数据为基础,在非参数统计理论和模式识别的基础上,提出了利用Mann-Whitney非参数检验筛选竹类间最佳特征区分波段及利用支持向量机识别竹类的问题.研究结果表明:(1)毛竹与雷竹之间的最佳区...篇5：积雪污染物含量高光谱遥感监测研究
积雪污染物含量高光谱遥感监测研究
摘要：积雪中的污染物含量可以用来反映区域和全球范围内人类活动对环境的污染,但是迄今为止,对大范围或人类活动难以到达的地区进行积雪污染物含量时空监测的`研究尚不多见.文章通过模拟大气沉降实验,应用光谱学技术分析了不同污染物含量对积雪反射光谱的影响,而后分别利用构建特征指数法、主成分分析法、BP神经网络以及RBF神经网络模型对积雪污染物含量预测,表明神经网络模型结合高光谱遥感数据方法能够较为准确地估算积雪污染物含量. 作者： 汤旭光[1] 刘殿伟[2] 张柏[2] 杜嘉[2] 雷小春[1] 曾丽红[1] 王远东[1] 宋开山[2] Author： TANG Xu-guang[1] LIU Dian-wei[2] ZHANG Bai[2] DU Jia[2] LEI Xiao-chun[1] ZENG Li-hong[1] WANG Yuan-dong[1] SONG Kai-shan[2] 作者单位： 中国科学院东北地理与农业生态研究所,吉林长春130012;中国科学院研究生院,北京100049中国科学院东北地理与农业生态研究所,吉林长春,130012 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2011, 31(5) 分类号： X87 TP79 关键词： 高光谱遥感 积雪污染物含量 主成分分析 神经网络 机标分类号： TP2 U41 机标关键词： 积雪 污染物含量 高光谱遥感 遥感监测研究 Snow Hyperspectral Remote Sensing RBF神经网络模型 人类活动 主成分分析法 数据方法 时空监测 技术分析 含量预测 构建特征 反射光谱 沉降实验 指数法 区域和 光谱学 文章 基金项目： 中国科学院知识创新工程项目，国家重点基础研究发展计划专题 积雪污染物含量高光谱遥感监测研究[期刊论文] 光谱学与光谱分析 --2011, 31(5)汤旭光 刘殿伟 张柏 杜嘉 雷小春 曾丽红 王远东 宋开山积雪中的污染物含量可以用来反映区域和全球范围内人类活动对环境的污染,但是迄今为止,对大范围或人类活动难以到达的地区进行积雪污染物含量时空监测的研究尚不多见.文章通过模拟大气沉降实验,应用光谱学技术分析了不同...篇6：地物反射波谱特征及高光谱成像遥感
地物反射波谱特征及高光谱成像遥感
依据地表物体表面外形特性,物体反射分为镜面反射、漫反射和方向反射.探讨了3类反射的`特性曲线,介绍了几种典型的地物类型反射波谱特征,并对影响地物光谱反射特性变化的凼素进行了概略描述,以加强对地物电磁波谱特征的认知,及开展与高光谱成像领域相关的遥感图像分析、反演和应用等方面的工作.
作 者：张亚梅 ZHANG Ya-mei 作者单位：东北电子技术研究所,辽宁,锦州,121000 刊 名：光电技术应用 英文刊名：ELECTRO-OPTIC TECHNOLOGY APPLICATION 年，卷(期)： 23(5) 分类号：V443.5 关键词：地物 反射波谱 高光谱成像 遥感篇7：长春市南湖富营养化高光谱遥感监测模型
长春市南湖富营养化高光谱遥感监测模型
通过对长春市南湖水质参数和高光谱反射率的相关分析,建立两者间的.一元回归模型;同时利用日本学者相崎守弘等人提出的修正营养状态指数(TSIM)模型,分别针对水质参数实验室数据和高光谱数据,对长春市南湖富营养化程度进行评价和监测.结果表明:1)利用高光谱遥感监测模型进行湖泊富营养化监测和评价,能够获取较为准确的评价结果,相对于传统监测方法具有省时省力的特点;2)用实验室数据得出的TSIM修正营养状态指数,各点数据起伏比较大,而高光谱遥感监测模型模拟营养状态指数相对平缓,这表明监测模型对各点数据进行了不同程度的同化,相对缩小了同期各点数据和异期同点数据之间的差异,这与实验室化学分析数据监测结果相比是一个不足之处;3)长春市南湖水体呈现较为严重的富营养化状态,需要采取措施防止南湖水质进一步恶化.
作 者：段洪涛 张柏 宋开山 黄素军 王宗明 张树清 Duan Hongtao ZHANG Bai SONG Kaishan HUANG Sujun Wang Zongming ZHANG Shuqing 作者单位：段洪涛,宋开山,王宗明,Duan Hongtao,SONG Kaishan,Wang Zongming(中国科学院东北地理与农业生态研究所,长春,130012;中国科学院研究生院,北京,100039)张柏,张树清,ZHANG Bai,ZHANG Shuqing(中国科学院东北地理与农业生态研究所,长春,130012)
黄素军,HUANG Sujun(呼和浩特市清洁能源办公室,呼和浩特,010030)
刊 名：湖泊科学 ISTIC PKU英文刊名：JOURNAL OF LAKE SCIENCES 年，卷(期)： 17(3) 分类号：X8 关键词：富营养化 高光谱 TSIM 长春南湖篇8：黄河口遥感图像光谱混合分解
黄河口遥感图像光谱混合分解
探讨了用逻辑斯蒂法进行光谱混合分解的新技术，采用黄河口TM图像进行了分析。结果证明，它不仅能给出分类结果图像，而且能产生组成像元各地类的丰度图像，说明分类图像是在某种置信度下的结果。
作 者：刘庆生 刘高焕 刘素红 LIU Qingsheng LIU Gaohuan Liu Suhong 作者单位：刘庆生,刘高焕,LIU Qingsheng,LIU Gaohuan(中国科学院)刘素红,Liu Suhong(中国科学院遥感应用研究所,)
刊 名：武汉大学学报(信息科学版) ISTIC EI PKU英文刊名：GEOMATICS AND INFORMATION SCIENCE OF WUHAN UNIVERSITY 年，卷(期)： 26(3) 分类号：P237.3 关键词：黄河口 光谱混合分解 逻辑斯蒂法篇9：遥感影像分类方法研究进展
遥感影像分类方法研究进展
摘要：遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容.分类方法是遥感影像分类的重要内容,有效地选择合适的分类方法是提高分类精度的关键.随着遥感技术的发展,传统的非参数分类方法已经难以满足分类精度需求,基于智能算法的非参数分类方法得到了迅速发展,并在遥感影像分类中发挥着重要作用.近年来,组合分类器由于能够利用单一分类器的互补信息,成为了遥感影像分类的.一个新热点.本文综合分析了各种分类方法的特点和优势,及分类方法的发展趋势,为遥感影像分类技术的发展提供科学的参考依据. 作者： 贾坤[1] 李强子[2] 田亦陈[2] 吴炳方[2] Author： JIA Kun[1] LI Qiang-zi[2] TIAN Yi-chen[2] WU Bing-fang[2] 作者单位： 中国科学院遥感应用研究所,北京100101;中国科学院研究生院,北京100049中国科学院遥感应用研究所,北京,100101 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： Spectroscopy and Spectral Analysis 年，卷(期)： 2011, 31(10) 分类号： S127 关键词： 遥感 分类 分类器 机标分类号： TP7 P20 机标关键词： 遥感影像分类 分类方法 研究进展 Remote Sensing Methods of 遥感技术 分类精度 影像分类技术 遥感信息提取 组合分类器 非参数 特点和优势 综合分析 智能算法 研究内容 新热点 互补信息 发展趋势 参考依据 需求 基金项目： 中国科学院知识创新工程重大项目，国家自然科学基金，国家高技术研究发展(863计划)项目 遥感影像分类方法研究进展[期刊论文] 光谱学与光谱分析 --2011, 31(10)贾坤 李强子 田亦陈 吴炳方遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容.分类方法是遥感影像分类的重要内容,有效地选择合适的分类方法是提高分类精度的关键.随着遥感技术的发展,传统的非参数分类方法已经难以满足分类...
文档为doc格式
