支持向量机在高光谱遥感图像分类中的多类分类算法的研究1

摘要

随着对地观测技术的发展，各种各样的遥感卫星不断发射成功并源源不断地提供遥感信息。中国科学院上海技术物理研究所自主设计了高光谱传感器OMIS、PHI等并已经获取了大量航空高光谱影像数据。高光谱数据的维数高、数据量大、数据不确定性、小样本分类等特点，是高光谱数据处理的关键和难点，需要遥感信息科学、模式识别、计算智能等多学科理论和技术的交叉集成。本文论述了在介绍几种常用的支持向量机多类算法的基础上，深入研究了二叉树的多类分类算法，以高光谱遥感数据进行了实验，分析了算法的优越性和特点。实验结果表明这种分类器结构简单、容易训练、收敛速度快、具有很高的分类精度，与神经网络方法和最小距离分类方法相比具有一定的优势，是一种有效的遥感图像分类方法。