基于小波变换和SVM的OLI图像分类方法

摘要

以陕西省靖边县2013年8月份的Landsat 8 OLI图像作为基础数据源,比较最大似然法和本文提出的分类方法识别研究区10种主要地物类型的精度。首先对OLI图像进行像素级融合处理和3层分解的小波滤波;之后对图像进行LBV变换;依据地物间光谱特征和形态特征差异为10种地物类型选择样本、执行SVM监督分类和基于数学形态学开闭运算的分类后处理;选取总体分类精度和Kappa系数两项指标,将所得分类图与对最大似然法分类图比较。结果显示,本文提出的分类方法能够降低OLI图像分类后的椒盐效应,分类图的总体分类精度和Kappa系数分别为：82.75%、0.773,较最大似然法分类结果分别提高：14.72%和16.42%。基于小波变换的SVM监督分类方法能够较为准确地识别研究区10种主要地物类型,抑制分类后的椒盐效应,适合用于在陕北黄土高原梁峁沟壑区解译OLI图像。