一种基于遥感图像的SVM有监督模型湖冰分类识别方法技术

本发明专利技术公开了一种基于遥感图像的SVM有监督模型湖冰分类识别方法，先从数据库获取年度冬季冰期的遥感图像，并对获取的遥感图像进行几何校正、图像配准和图像融合得到初步遥感图像；构建SVM有监督模型；对步骤(2)中构建得到的神经网络模型进行训练，并对训练后的神经网络模型进行测试判断是否满足精度要求，如果满足则进入步骤(4)，如果不满足则返回重新构建神经网络模型；将得到的最终处理后的遥感图像加入构建好的SVM有监督模型中，并对遥感图像中的湖冰进行分类。本发明专利技术得到的分类精度更高。

【技术实现步骤摘要】
一种基于遥感图像的SVM有监督模型湖冰分类识别方法
本专利技术属于SVM模型分类应用
，特别涉及一种基于遥感图像的SVM有监督模型湖冰分类识别方法。
技术介绍
遥感图像湖冰分类识别的常用技术是基于传统统计分析学的，具体算法包括平行六面体、最小距离、马氏距离、最大似然。平行六面体有“角”容易导致错误分类；最小距离算法的分类正确与否在很大程度上取决于范本的平均值；马氏距离中协方差矩阵如果使用较大的值容易造成过渡分类并且每一次输入波段的数值要求必须是服从正态分布；最大似然分类时波段数稍有增加时，计算量以及计算时间都会大大增加，导致了效率的降低并且整个过程对是否服从正态分布要求较高。这些传统分类技术中，由于自身算法的缺陷，分类结果往往不够精确。SVM可以自动寻找那些对分类有较大区分能力的支持向量，由此构造出分类器，可以将类与类之间的间隔最大化，因而有较好的推广性和较高的分类准确率。在遥感图像湖冰分类识别过程中，可以通过选择不同的核函数，生成不同的SVM模型，本专利技术选择二层神经网络核函数k(x,y)＝tanh(a(xy)+b)建立基于SVM的遥感图像湖冰分类识别方法。
技术实现思路
专利本文档来自技高网...

【技术保护点】
1.一种基于遥感图像的SVM有监督模型湖冰分类识别方法，其特征在于，包括如下步骤：(1)从数据库获取年度冬季冰期的遥感图像，并对获取的遥感图像进行几何校正、图像配准和图像融合得到预处理后的遥感图像；(2)构建SVM有监督模型；(3)对步骤(2)中构建得到的SVM有监督模型进行训练，并对训练后的SVM有监督模型进行测试判断是否满足精度要求，如果满足则进入步骤(4)，如果不满足则返回步骤(2)；(4)将步骤(1)中得到的最终处理后的遥感图像加入构建好的SVM有监督模型中，并对遥感图像中的湖冰进行分类。

【技术特征摘要】
1.一种基于遥感图像的SVM有监督模型湖冰分类识别方法，其特征在于，包括如下步骤：(1)从数据库获取年度冬季冰期的遥感图像，并对获取的遥感图像进行几何校正、图像配准和图像融合得到预处理后的遥感图像；(2)构建SVM有监督模型；(3)对步骤(2)中构建得到的SVM有监督模型进行训练，并对训练后的SVM有监督模型进行测试判断是否满足精度要求，如果满足则进入步骤(4)，如果不满足则返回步骤(2)；(4)将步骤(1)中得到的最终处理后的遥感图像加入构建好的SVM有监督模型中，并对遥感图像中的湖冰进行分类。2.根据权利要求1所述的一种基于遥感图像的SVM有监督模型湖冰分类识别方法，其特征在于，所述步骤(1)中图像预处理步骤中图像配准能够减小由于几何校正产生的误差，图像融合能较好保持影像的纹...

【专利技术属性】
技术研发人员：陈嘉琪，陆品全，吕吉明，平学伟，王峰，刘海韵，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32