一种基于FCM-SVM的面向对象的遥感图像分类方法
基于对象的分类方法由于可以加载人的分析问题思维知识库,所以充分利用地表物体固有的结构信息和空间几何信息,进而可以提高图像的分类精度。文中提出一种基于模糊C均值聚类(fuzzy c-means,FCM)与支持向量机(Support Vector Machine,SVM)的遥感图像像素自动分割方法。先用FCM得到相对粗糙的图像初始分割,得到簇级特征,并样本标注输入到SVM,使SVM在这初始分割上进行训练,构造SVM分类模型；最后由SVM分类器对图像像元进行预测判别,完成整幅图像的分割。结合ALOS,PSM,Landsat等几种影像数据进行面向对象的分类,分割仿真实验结果分别与K-means,ISODATA,FCM方法性能进行对比分析,数值实验展示了提出算法的有效性并证实了理论结果。
模糊聚类 支持向量 遥感数据 分类精度
古丽娜孜·艾力木江 梁义 乎西旦·居马洪
伊犁师范学院电子与信息工程学院,新疆伊宁835000
国内会议
新疆伊宁
中文
118-126
2018-08-01（万方平台首次上网日期，不代表论文的发表时间）