收藏 ｜ 设为首页 广告服务 ｜ 联系我们 ｜ 在线留言
高级检索

干旱区地理 ›› 2009, Vol. 32 ›› Issue (1): 57-66.doi: 10.13826/j.cnki.cn65-1103/x.2009.01.009

• 地球信息科学 • 上一篇    下一篇

基于不同窗口纹理特征的SVM土壤盐渍化信息提取方法与精度分析研究

张飞1,2,3, 塔西甫拉提·特依拜1,2, 丁建丽1,2,3, 田源1,2, 依力亚斯江·努尔麦麦提1,2, 哈学萍1,2   

  1. 1 新疆大学资源与环境科学学院，新疆 乌鲁木齐 830046;
    2 新疆大学绿洲生态教育部重点实验室，新疆 乌鲁木齐 830046;
    3 新疆大学研究生院, 新疆 乌鲁木齐 830046
  • 收稿日期:2008-02-12 修回日期:2008-05-16 发布日期:2026-01-27
  • 基金资助:
    自治区高校科研计划项目(XJEDU2004I06,XJEDU2005I07); 教育厅创新研究群体基金项目(XJEDU2004G04); 新疆绿洲重点实验室开放课题(XJDX0201-2008-01,03); 新疆大学青年教师科研启动基金(QN070122)

  • Received:2008-02-12 Revised:2008-05-16 Online:2026-01-27

PDF (PC)

5

赞

摘要： 以塔里木盆地北缘绿洲——渭干河-库车河三角洲绿洲为例,借助ENVI遥感软件,利用ETM+数据,探讨了该绿洲土壤盐渍化信息提取的方法。传统的遥感图像分类方法多数在解决问题上存在精度不高、分类效率较低、不确定性强的缺陷,所以,选择好的分类方法对于提取盐渍化信息是至关重要的。近年来,将SVM应用于遥感图像分类已成为新的发展趋势。文章提出了基于纹理特征的支持向量机(Support Vector Machine,SVM)的分类方法,得出以下结论:分别结合3×3,5×5,7×7,9×9,11×11,13×13窗口纹理特征和光谱的SVM分类精度都很高,达到93%以上。并且在验证分类精度时,发现结合光谱和9×9窗口纹理信息的SVM分类的结果更符合实际情况。所以说加入纹理特征后使得光谱信息比较接近的3类地物(重度、中度、轻度盐渍地)的区分性增大,从而使精度提高。因此,基于纹理特征的SVM分类方法更有利于遥感图像分类和盐渍化信息监测,是地物遥感信息提取的有效途径。

关键词: 支持向量机, 光谱, 盐渍化, 灰度共生矩阵, 纹理特征

中图分类号: 

  • S156