支持向量机、信息向量机和相关向量机的比较研究

介绍了支持向量机、信息向量机和相关向量机的理论与算法。利用最优化对偶理论,阐述了支持向量机的三种主要算法:硬间隔支持向量机、软间隔线性支持向量机和二次软间隔支持向量机的理论推导过程。对基于高斯过程模型,详细说明了信息向量机和相关向量机算法的实现过程。     

遥感影像自动分类技术在作物提取中的应用

结合遥感在相关研究应用中的优势及特点,分析了自动分类技术在作物提取中的应用方法和思路,并讨论了该技术在作物提取工作中的应用前景。     

基于支持向量机的TM遥感影像土地利用/覆盖类型监测

基于TM遥感数据和林业二调数据,对云南省宜良县北古城镇进行土地监测和土地利用分类,利用ArcGIS和ENVI软件对原始影像数据进行裁剪,运用支持向量机(SVM)监督分类方法,将研究区的土地利用类型分为农地、建筑用地、水域、针叶林、裸地6个类别,并且达到一定的分类精度,以图像的形式直观地展示研究区的土地覆盖类型,并以林业二调数据为ROI(感兴趣区域)来验证分类精度。在此基础上,指出了研究区土地利用中存在的问题和生态结构的变化,并提出了调整对策。     

支持向量机在地下水水质评价中的应用

【目的】针对地下水水质评价中影响因素的模糊性和各因素与评价等级之间的不确定性等问题,采用支持向量机模型进行地下水水质评价研究,改进地下水水质评价方式。【方法】应用非线性支持向量机模型中的分类支持向量机,选用Gauss核函数,以羊毛湾灌区部分水井的水质资料为研究对象,进行地下水水质评价,并利用综合指数法和BP人工神经网络法对评价结果进行验证。【结果】羊毛湾灌区水质评价结果显示,该区地下水资源已被污染,需要进行保护性开发。3种方法的评价结果较为相似,但相较于综合指数法,支持向量机计算速度较快,易于通过计算机实现;相较于标准BP人工神经网络模型,支持向量机的评价精度较高,收敛速度较快,且所需参数较少。【结论】支持向量机能将复杂的非线性问题转化为线性问题,从而有效地避免过学习问题,并且拥有极大的泛化能力和对小样本问题的处理能力,可有效提高地下水水质评价精度,简化评价过程,为地下水水质评价提供了一条新思路。     

基于支持向量机遥感图像融合分类方法研究进展

总结了近年来国际上图像融合以及支持向量机的应用的研究进展,分析了支持向量机用于遥感图像融合分类的趋势、优势以及目前存在的问题,指出了该研究领域的研究方向。     

支持向量机方法在气温预报中的应用

介绍了支持向量机(SVM)的基本原理及其应用。以风向、风速、云量、相对湿度、露点温度、气压6个相关因素为因子,采用Libsvm进行预测建模,用真实数据进行分析对比,得出SVM在气象预报上也有良好的应用的结论。     

支持向量机在害虫预测预报中的应用

对支持向量机回归（SVR）在害虫预测预报中的应用进行了研究。用一步预测法对1个害虫发生量样本集进行预测,结果表明：SVR在所有参比模型中预测精度最高．具有较强的泛化推广能力,在害虫预测预报领域具有广泛的应用前景。     

基于Grey-Sigmoid核函数支持向量机高光谱遥感图像分类方法研究

针对传统支持向量机方法中存在的野值噪声敏感问题,提出了一种基于紧密度的Grey-Sigmoid核函数支持向量机,不仅考虑样本与所属类中心之间的关系,还考虑了各个样本之间的距离。通过样本之间的紧密度来描述各个样本之间的关系,利用包围同一类样本的最小超球半径来衡量样本间的紧密度,样本灰度依据样本在球中的位置确定。通过对田间小麦全蚀病的遥感图像分类的实验验证,证明Grey-Sigmoid核函数和传统的Sigmoid核函数相比,计算速度更快,且精度没有明显损失。     

基于支持向量机的六安市城区多源景观格局演化分析

通过收集六安市城区多源多时相卫星影像数据,采用支持向量机分类方法和GIS技术,分析了2009—2017年的景观格局演化情况。结果表明:(1)Sentinel-2影像地物解译特征显著,图像分辨率满足地物类别识别,总体分类精度达92.41%;(2)在景观结构动态变化中,水域基本保持稳定,建设用地面积增长了约3.4倍,且向东扩展趋势明显;耕地和林地面积总量逐年下降,在东部区域趋于破碎化;未利用地则受建设用地扩大速度的影响,一直处于波动变化中;(3)在景观格局演化中,水域保持动态平衡状态,建设用地和耕地增加量分别达80.61%和55.64%,林地和未利用地面积减少明显,分别达63.39%和72.33%;(4)演化后期的建设用地和林地演化速度明显加快,而耕地面积速度开始下降,城市扩展显著。     

支持向量机在粮食产量预测中的应用

将支持向量机算法应用于粮食产量预测,结果表明,支持向量机的径向基核函数模型预测粮食产量的精度优于其他预测方法。     

遥感图像压缩技术——小波变换

根据当前国内外遥感图像数据压缩技术的现状及发展趋势,重点介绍小波压缩特点、算法及其关键问题,结合遥感影像方面的知识,提出了新的方法和见解.     

基于遥感影像的棉花种植面积提取方法研究

利用ERDAS IMAGINE 9.2遥感图像处理软件,设计了一种基于遥感影像的棉花种植面积提取方法。通过实地调查,该方法适用于大范围棉花种植的面积估算。     

基于遥感影像的粮棉作物自动提取技术研究

以TM遥感影像为数据源,根据研究区域粮棉作物的物候特征,研究并实践了运用监督分类和模型分类进行粮棉作物提取的方法,为农业布局规划和政府决策提供了依据。     

灰色系统理论在遥感图像处理中的应用

阐述了灰色系统理论及其在遥感图像处理中的波段选择、边缘检测和图像融合等方面的应用,并展望了其在遥感图像处理领域的应用前景。     

结合灰度纹理和支持向量机分类的三江源草地信息提取

以三江源地区地形地貌特征、草场分布较为典型的班玛县为例,以HJ环境星多光谱影像为主要数据,基于支持向量机SVM超平面理论,结合灰度共生矩阵寻找最适宜的分类核函数,选取了三江源地区草地信息提取的最适宜SVM分类模型,并与传统的监督分类方法最大似然法和SVM分类方法进行比较,进行三江源草地分类方法的优化。结果表明,与传统监督分类方法相比,除Sigmoid核函数外,其余结合方法的分类精度均有所提高,其中结合纹理和高斯核函数的SVM分类模型有着较理想的识别效果,精度达到91%,Kappa系数为0.856 0,能为三江源地区草地可持续利用以及生态系统恢复提供基础数据。     

卫星遥感影像的自动匹配

影像匹配是指在两幅或者多幅影像之间寻找同名像点的过程.它是从影像上自动提取地物三维空间信息的关键技术之一,已被广泛应用于摄影测量与遥感领域,如影像的自动内定向和立体像对的相对定向、摄影测量区域网平差中连接点的自动提取和DSM自动生成等.影像匹配结果的优劣直接影响后续遥感产品的质量.对于多重影像覆盖的区域或者基于控制点影像库的不同源遥感影像的联合处理,影像自动匹配技术就成为提高影像几何处理精度与作业效率的一项关键技术.该研究基于影像匹配的国内外研究成果,介绍了匹配中的图像预处理和基于控制点影像库匹配流程;并根据三线阵CCD影像的特点,介绍了基于金字塔分层动态窗口匹配运算的相关系数法在三线阵CCD影像像点立体匹配中的应用.     

基于EnMAP Box的遥感图像分类研究

采用2007年6月云南省勐腊县TM遥感数据,利用EnMAP box进行了支持向量机的图像分类研究,以网格搜索法寻找最优参数,在设定的范围内,求得了最优C和g参数,用此参数进行支持向量机的遥感图像土地覆盖分类。结果表明：SVM方法较最大似然分类方法具有较高的分类精度,特别是阔叶林和橡胶林的精度明显优于最大似然分类方法;对于面积较小的次要类型,2种分类方法的精度基本保持一致;SVM的总体精度相对于最大似然分类提高了119%。     

直方图均衡化在遥感图像彩色合成中的应用

基于色彩合成原理的传统遥感图像增强手段存在很大的局限性,提出了一种直方图均衡化调整图像像素灰度值的方法,利用该方法对多光谱遥感图像进行增强处理,处理后的图像再进行彩色合成。实例分析表明,该方法直观、快捷,并能取得较好的视觉判读效果,具有一定的实用意义。