论文答辩基于支持向量机的扎龙湿地遥感分类研究PPT.ppt

* * 论文名称 基于支持向量机的扎龙湿地遥感分类研究 课题研究背景、目的及意义 研究内容 数据与方法 结果与分析 结论 1、课题研究背景、目的及意义 湿地是介于陆地生态系统和水生生态系统之间的过渡带，并且地物特征由水体向陆地逐渐变化，兼有两种系统的某些特征。遥感是一门建立在空间、物理、电子计算机、地学和信息科学等多学科基础上的新兴的综合性科学技术，被广泛的应用到湿地的研究分析中。而遥感图像的分类是遥感数据分析和信息提取的重要工具，是遥感图像处理过程中的重要的步骤，一直是遥感领域的研究热点，并且被从事于遥感图像处理的广大科技人员所重视。遥感图像从获得到进行具体科学研究的过程中，进行分类是必不可少的程序。 支持向量机(Support Vector Machines，SVM)是根据统计学习理论中结构风险最小化原则提出的。SVM 是由Vapnik领导的ATT Bell实验室研究小组在1963年提出的一种崭新的非常有潜力的分类技术，它是一种统计学习理论的模式识别方法，主要应用于模式识别领域。由于SVM 的特性，在上世纪90年代被引入遥感分类领域，最先用于多光谱遥感图像分类，并得到了深入的发展。 研究背景 1、课题研究背景、目的及意义 因湿地在维持生态系统平衡、保持物种多样性与保护稀缺物种以及涵养水源、补充地下水、降低污染调节气候湿度、控制土壤侵蚀等方面起到的重要作用，所以进行遥感湿地研究十分必要，而湿地地物类型的分类研究更是有助于我们时时进行湿地的动态监测，为更好的保护湿地提供数据、决策支持。但是由于湿地独特的生态环境以及地理位置使得湿地各地物类型分布错综复杂，精准的进行湿地地物类型分类变得极为困难，所以需要找到一种分类方法来提高湿地地物类型的分类精度。 所以我的课题就是利用支持向量机这种可以有效地处理小样本、高维度等诸多问题的分类方法来对研究区扎龙湿地进行遥感分类研究，以待提高湿地地物类型的分类精度。 目的及意义 2、研究内容 论文将采用支持向量机分类方法对研究区的扎龙湿地进行遥感分类研究，探讨地物特征对分类结果的影响，并与最大似然分类方法进行对比，找出支持向量机分类法在湿地地物类型分类研究中的优劣势，为湿地遥感的自动分类与智能提取，湿地监测与保护决策提供技术支持。 研究内容 3、数据与方法 通过中科院遥感数据共享平台下载2009年7月31日过境的Landsat TM5影像(轨道号120/27)，分辨率为30m。对图像进行大气校正和几何校正，然后在谷歌地球上通过扎龙湿地的经纬度(46°5′N～47°32′N，123°47′E～124°37′E)选取相应的矩形区域，通过ArcMap处理后作为研究区配准裁剪的矢量图。最后利用下载好Landsat TM5影像与该矢量图裁剪出本文所需的研究区域图(因扎龙湿地影像过大，使用SVM分类器进行分类时会增加运算的复杂程度，导致ENVI软件崩溃，故裁剪出部分扎龙湿地区域作为研究区，不影响本文对SVM和MLC分类器对湿地分类精度的对比评估分析)。 数据及预处理 3、数据与方法 支持向量机是通过寻找不同类别之间的最优超平面进行划分的，因此，不同类别间边缘的样本点成为左右分类结果的关键，这些样本点称为“支持向量”。对于非线性问题，支持向量机利用其特有的核函数与惩罚变量技术，将低维线性不可分映射成高维线性可分，并通过设置惩罚因子，处理极个别的离群值的类别归属，达到自动识别的目的。 支持向量机的基本思想是基于线性可分情况下的最优分类面选择发展而来，如图3所示，空心点与实心点分别表示两类样本，其中H为分类线，H1和H2分别为通过各类别样本中与分类线最近的样本，并且与分类线H平行的两条直线。H1和H2间的距离称为分类间隔(margin)。最优分类线H就是不但能将两类样本正确分离，而且能使分类间隔最大的分类线。最优分类线从二维空间推广到高维空间，即为最优分类面。 支持向量机分类方法的数理基础 图3 最优分类面示意图 3、数据与方法 不妨设k个线性可分样本为(xi，yi)，i=1,2,…k，其中xi∈RN是N维空间的一组向量，yi∈{+1, -1}是分类标识，用以确定向量所属类别。可知图3中的分类方程为f(x)=ωx+b，分类面H方程ωx+b=0，在此基础上进行归一化处理，使得所有的|f(x)|≥1，这样经过计算可以得到分类间隔等于2/||ω||(如图3所示)，目标是使得间隔最大，就等价于使||ω||的值最小，而要求满足正确分离两类样本，即满足yi(ωx+b)－1≥0。离最优分类面最近并且平行的H1和H2就是上式取等号的情况，称之为支持向量。 同时，要