IGSNRR OpenIR
基于纹理特征和支持向量机的ALOS图像土地覆被分类
李玲1; 王红1; 刘庆生2; 宁吉才2
2011
Source Publication国土资源遥感
ISSN1001-070X
Volume000Issue:004Pages:58
Abstract高空间分辨率遥感图像在土地覆被分类方面应用广泛,但传统的基于像元分类方法的精度较低。为了提高高分辨率图像的分类精度,通过灰度共生矩阵法快速提取纹理特征,利用支持向量机(SVM)并辅以纹理特征,对浙江湖州典型实验样区的ALOS图像进行土地覆被分类。结果表明:基于纹理特征和SVM的图像分类能更好地提取地物信息,分类总精度达到90.88%;单纯SVM的分类精度(89.96%)高于最大似然法(分类精度86.16%)。本文方法可快速准确地提取土地覆被类型,为研究农业非点源污染的产生和时空分布提供服务,进而为寻求太湖流域内合理的土地利用模式和土地的可持续利用提供科学依据。
Language英语
Document Type期刊论文
Identifierhttp://ir.igsnrr.ac.cn/handle/311030/121832
Collection中国科学院地理科学与资源研究所
Affiliation1.河海大学
2.中国科学院地理科学与资源研究所
Recommended Citation
GB/T 7714
李玲,王红,刘庆生,等. 基于纹理特征和支持向量机的ALOS图像土地覆被分类[J]. 国土资源遥感,2011,000(004):58.
APA 李玲,王红,刘庆生,&宁吉才.(2011).基于纹理特征和支持向量机的ALOS图像土地覆被分类.国土资源遥感,000(004),58.
MLA 李玲,et al."基于纹理特征和支持向量机的ALOS图像土地覆被分类".国土资源遥感 000.004(2011):58.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[李玲]'s Articles
[王红]'s Articles
[刘庆生]'s Articles
Baidu academic
Similar articles in Baidu academic
[李玲]'s Articles
[王红]'s Articles
[刘庆生]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[李玲]'s Articles
[王红]'s Articles
[刘庆生]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.