论文部分内容阅读
公路选线过程中需要对走廊带内的土地覆盖类型进行全面调查，以避开一些敏感地块，为合理选线提供依据.遥感成为其重要的技术手段而受到重视，但目前遥感土地覆盖分类精度较低，不能满足实际应用的需要.将光谱与空间特征相结合的分类近年来得到广泛关注.SVM遥感影像分类算法是新型的非参数分类算法，其在分类精度、泛化性、高维数据处理等方面都具有较强的优势.但在SVM分类中大多采用光谱特征，空间特征应用相对较少.本文利用ALOS全色和多光谱影像，综合利用光谱和纹理特征进行SVM土地覆盖分类.首先将光谱与归一化植被指数相结合对影像分类，找出光谱分类中混分和错分较大的地类；然后选取对这些地类可分性较好的纹理特征.本文用融合后影像的第一主成分提取8个纹理特征；并结合地类特征曲线和箱线图，最终选取均值和同质性2个纹理特征与光谱结合进行SVM分类.对比实验结果表明结合纹理特征的SVM分类使实验区水田、林地和水域的分类精度达到90％以上，但该方法还不能很好地区分道路和裸地.