基于支持向量机与相关向量机的高光谱图像分类

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (增刊1): 143-147.

基于支持向量机与相关向量机的高光谱图像分类

齐滨, 赵春晖, 王玉磊

哈尔滨工程大学信息与通信工程学院,哈尔滨 150001

收稿日期:2012-05-25 发布日期:2013-06-01
通讯作者: 赵春晖(1965-),男,教授,博士生导师.研究方向:遥感图像处理.E-mail:zhaochunhui@hrbev.edu.cn E-mail:zhaochunhui@hrbev.edu.cn
作者简介:齐滨(1985-),男,博士研究生.研究方向:高光谱图像处理.E-mail: qibinwinter@gmail.com
基金资助:
国家自然科学基金项目(61077079);教育部博士学科点专项科研基金项目(20102304110013);黑龙江省自然科学基金重点项目(ZD201216).

Hyperspectral imagery classification based on SVM and RVM

QI Bin, ZHAO Chun-hui, WANG Yu-lei

College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China

Received:2012-05-25 Published:2013-06-01

摘要/Abstract

摘要：

高光谱遥感是将目标探测技术与光谱成像技术相结合的多维地物信息获取技术,可以同时获取描述地物分布的二维空间信息与描述地物光谱特征属性的一维光谱信息。相对于多光谱遥感,高光谱图像具有更加丰富的地物光谱信息,可以详细地反映待测地物细微的光谱属性,使地物的精确分类成为可能。本文通过对SVM与RVM的理论研究与对比分析,将这两种高维数据处理算法应用于同一高光谱图像中进行分类研究。实验结果表明,SVM的总体分类精度要略高于RVM的总体分类精度。

关键词: 高光谱图像分类, 支持向量机, 相关向量机

Abstract:

Hyperspectral remote sensing is the multi-dimensional information obtaining technology,which combines target detection and spectral imaging technology together.That is,it could obtain the two-dimensional object distribution information and one-dimensional spectral feature characteristic information at the same time.Compare with multi-spectral remote sensing,hyperspectral images contain abundant spectral information for the targets,which could greatly reflect the detailed characteristic of the ground,and makes the precise classification possible.Through the comparison of the theory between support vector machine(SVM)and relevance vector machine (RVM),this study utilized the two high-dimensional data processing methods in the classification of the same hyperspectral imagery.The experiment results show that the overall classification of SVM is slightly higher than that of RVM.

Key words: hyperspectral imagery classification, support vector machine, relevance vector machine

中图分类号:

TP751.1

齐滨, 赵春晖, 王玉磊. 基于支持向量机与相关向量机的高光谱图像分类[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 143-147.

QI Bin, ZHAO Chun-hui, WANG Yu-lei. Hyperspectral imagery classification based on SVM and RVM[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 143-147.

参考文献

[1] Li J,Bioucas J M,Plaza A.Spectral-spatial hyperspectral image segmentation using subspace multinomial logistic regression and markov random fields[J].IEEE Transanctions on Geoscience and Remote Sensing,2012,50(3):809-823.

[2] Zhang L,Zhang L,Tao D.On combining multiple features for hyperspectral remote sensing image classification[J].IEEE Transanctions on Geoscience and Remote Sensing,2012,50(3):879-893.

[3] Zhong Y,Zhang L.An adaptive artificial immune network for supervised classification of multi-/hyperspectral remote sensing imagery[J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(3):894-909.

[4] Lin K P,Chen M S.On the design and analysis of the privacy-preserving SVM classifier[J].IEEE Transanctions on Knowledge and Data Engineering,2011,23(11):1704-1717.

[5] Mianji F A,Zhang Y.Robust hyperspectral classification using relevance vector machine[J].IEEE Transanctions on Geoscience and Remote Sensing,2011,49(6):2100-2112.

[6] Wei L,Yang Y,Nishikawa R M.Relevance vector machine for automatic detection of clustered microcalcifications[J].IEEE Transanctions on Medical Imaging,2005,24(10):1278-1285.

[7] Tarabalka Y,Fauvel M,Chanussot J.SVM-and MRF-based method for accurate classification of hyperspectral images[J].IEEE Geoscience and Remote Sensing Letters,2010,7(4):736-740.

[8] Pal M,Foody G M.Feature selection for classification of hyperspectral data by SVM[J].IEEE Transactions on Geoscience and Remote Sensing,2010,48(5):2297-2307.

相关文章 15

[1]	隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[2]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[3]	蔡振闹, 吕信恩, 陈慧灵. 基于反向细菌优化支持向量机的躯体化障碍预测模型[J]. 吉林大学学报(工学版), 2018, 48(3): 936-942.
[4]	袁哲明, 张弘杨, 陈渊. 基于特征选择和支持向量机的HIV-1型蛋白酶剪切位点预测[J]. 吉林大学学报(工学版), 2017, 47(2): 639-646.
[5]	梁士利, 魏莹, 潘迪, 张玲, 许廷发, 王双维. 基于语谱图行投影的特定人二字汉语词汇识别[J]. 吉林大学学报(工学版), 2017, 47(1): 294-300.
[6]	商强, 杨兆升, 张伟, 邴其春, 周熙阳. 基于奇异谱分析和CKF-LSSVM的短时交通流量预测[J]. 吉林大学学报(工学版), 2016, 46(6): 1792-1798.
[7]	赵云鹏, 于天来, 焦峪波, 宫亚峰, 宋刚. 异形桥梁损伤识别方法及参数影响分析[J]. 吉林大学学报(工学版), 2016, 46(6): 1858-1866.
[8]	周炳海, 徐佳惠. 基于支持向量机的多载量小车实时调度[J]. 吉林大学学报(工学版), 2016, 46(6): 2027-2033.
[9]	卢英, 王慧琴, 秦立科. 高大空间建筑火灾精确定位方法[J]. 吉林大学学报(工学版), 2016, 46(6): 2067-2073.
[10]	马知行, 赵琦, 张浩. 基于傅立叶分析的持家基因预测模型[J]. 吉林大学学报(工学版), 2016, 46(5): 1639-1643.
[11]	王品, 何璇, 吕洋, 李勇明, 邱明国, 刘书君. 基于多特征支持向量机和弹性区域生长的膝软骨自动分割[J]. 吉林大学学报(工学版), 2016, 46(5): 1688-1696.
[12]	张静, 刘向东. 混沌粒子群算法优化最小二乘支持向量机的混凝土强度预测[J]. 吉林大学学报(工学版), 2016, 46(4): 1097-1102.
[13]	申铉京, 翟玉杰, 卢禹彤, 王玉, 陈海鹏. 基于信道补偿的说话人识别算法[J]. 吉林大学学报(工学版), 2016, 46(3): 870-875.
[14]	宗芳, 王占中, 贾洪飞, 焦玉玲, 吴杨. 基于支持向量机的通勤日活动-出行持续时间预测[J]. 吉林大学学报(工学版), 2016, 46(2): 406-411.
[15]	张浩, 刘海明, 吴春国, 张艳梅, 赵天明, 李寿涛. 基于多特征融合的绿色通道车辆检测判定[J]. 吉林大学学报(工学版), 2016, 46(1): 271-276.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed