论文研究遥感图像林型纹理特征的ICA与SVM分类.pdf

遥感图像纹理特征是光谱相近林型准确分类的有效方法，然而其带来分类特征向量维数增加和计算量增大。因此，对南方山区林地TM图像进行独立成分分析ICA降维，通过计算灰度共生矩阵获取纹理特征，使用SVM分类，研究林地类型的快速分类方法。结果表明，ICA与SVM法利用遥感图像纹理特征可较准确地实现林地类型分类，分类总精度、Kappa系数分别为85.4%、0.73，均高于SVM法、BP神经网络法、最大似然法、最小距离法；其对阔叶林、针叶林、竹林的分类精度依次为78.2%、80.1%、84.3%，误识率主要是由于混交林而造成两类林地之间存在交集，易出现的针阔混交林使得阔叶林、针叶林的分类精度低于竹林。