马潇潇,张光胜,李长春,慎利

• 1:河南理工大学测绘与国土信息工程学院
• 2:北京师范大学资源学院

摘要(Abstract)：

支持向量机(SVM)算法作为一种成功应用于大多数遥感影像的分类方法,虽然具有较高的提取精度,但是针对分类中仅仅采用单一参数,严重依赖于参数选择的不足,该文基于AdaBoost算法提出一种改进的SVM分类方法。该方法采用选择径向基函数作为核函数的SVM算法作为AdaBoost的弱分类器,实现了核参数的自适应调整。实验结果证明,该方法可以达到精确提取无人机影像信息的目的。

关键词(KeyWords)： 支持向量机;AdaBoost;无人机影像;信息提取

Abstract:

Keywords:

基金项目(Foundation): “十二五”科技支撑计划项目(2012BAJ23B04-2);; 河南省基础与前沿技术研究项目(112300410282);; 河南省教育厅科学技术研究重点项目(12B420002);; 河南理工大学博士基金项目(B2012-025)

作者(Author): 马潇潇,张光胜,李长春,慎利

DOI: 10.16251/j.cnki.1009-2307.2015.03.010

参考文献(References)：

• [1]杨瑞奇,孙健,张勇.基于无人机数字航摄系统的快速测绘[J].遥感信息,2010(3):108-111.
• [2]程远航.无人机航空遥感图像动态拼接技术研究[D].沈阳:东北大学,2008.
• [3]贾萍,李海涛,林卉,等.基于SVM的多源遥感影像分类研究[J].测绘科学,2008,33(4):21-22.
• [4]曾联明,吴湘滨,刘鹏.感兴趣区域遥感图像分类与支持向量机应用研究[J].计算机工程与应用,2009,245(6):243-245.
• [5]温兴平,胡光道,杨晓峰.基于支持向量机的CBERS-02卫星影像信息提取[J].测绘科学,2008,33(5):146-148.
• [6]郭健,张继贤,张永红,等.多时相MODIS影像土地覆盖分类比较研究[J].测绘学报,2009,38(1):88-91.
• [7]VAPNIK V N.统计学习理论的本质[M].张学工,译.北京:清华大学出版社,2000:64-67.
• [8]王晅,马建峰.数字图像分析与模式识别[M].北京:科学出版社,2011:221-227.
• [9]孙宁,邹采荣,赵力.人脸检测综述[J].电路与系统学报,2006,11(6):101-108.
• [10]ROBERT E S,YORAM S.Improved Boosting Algorithms Using Confidence-rated Predictions[J].Machine Learning,1999,37(3):297-336.
• [11]王双亭,艾泽天,都伟冰,等.基于SVM不同核函数的多源遥感影像分类研究[J].河南理工大学学报·自然科学版,2011,30(3):304-309.
• [12]GIORGIO V,THOMAS G D.Bias-variance Analysis of Support Vector Machines for the Development of SVM-based Ensemble Methods[J].Machtine Learning Research,2004(5):725-775.
• [13]孙小芳,卢健,孙小丹.城市地区高分辨率遥感影像绿地提取研究[J].遥感技术与应用,2006,21(2):159-162.
• [14]巫兆聪,欧阳群东,李芳芳.顾及特征优化的全极化SAR图像SVM分类[J].测绘科学,2013,38(3):118-121.