留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于支持向量机的遥感图像建筑物识别与分类方法研究

张 浩 赵云胜 陈冠宇 张春苑

张 浩, 赵云胜, 陈冠宇, 张春苑. 基于支持向量机的遥感图像建筑物识别与分类方法研究[J]. 地质科技通报, 2016, 35(6): 194.
引用本文: 张 浩, 赵云胜, 陈冠宇, 张春苑. 基于支持向量机的遥感图像建筑物识别与分类方法研究[J]. 地质科技通报, 2016, 35(6): 194.
Zhao Yunsheng, Chen Guanyu, Zhang Chunyuan. Remote Sensing Image Building Recognition and Classification Based on the Support Vector Machine[J]. Bulletin of Geological Science and Technology, 2016, 35(6): 194.
Citation: Zhao Yunsheng, Chen Guanyu, Zhang Chunyuan. Remote Sensing Image Building Recognition and Classification Based on the Support Vector Machine[J]. Bulletin of Geological Science and Technology, 2016, 35(6): 194.

基于支持向量机的遥感图像建筑物识别与分类方法研究

Remote Sensing Image Building Recognition and Classification Based on the Support Vector Machine

  • 摘要: 摘 要:高分辨率遥感影像可以更精细地描述地物目标的几何特征、空间特征和纹理特征等信息,在各个领域中都得到广泛的应用。建筑物作为地物信息分类中的主要部分,是地形图成图的主要组成元素,对建筑物的识别与提取,直接影响到地物测绘的自动化水平,对它的识别和定位可以为特征提取、特征匹配、图像理解、制图和作为其他目标的参照体有重要的意义。针对建筑物的遥感影像特征,研究了支持向量机分类器(SVM)在建筑物识别与分类中的应用,提出了一种交叉验证的方法对参数敏感度进行分析,通过使用GridSearch算法确定模型参数设置的最优方案,并对分类结果中建筑物进行轮廓提取。通过实验表明,优化后的SVM算法对建筑物的分类精度达到90%,对比随机森林算法、最近邻分类器优势非常明显。

     

  • 加载中
计量
  • 文章访问数:  1829
  • PDF下载量:  1324
  • 被引次数: 0
出版历程
  • 刊出日期:  2016-11-30

目录

    /

    返回文章
    返回