|本期目录/Table of Contents|

[1]刘伟,赵庆展,汪传建,等.基于最小二乘支持向量机的无人机遥感影像分类[J].江苏农业科学,2017,45(09):187-191.
　Liu Wei,et al.Remote sensing image classification of UAV based on least squares support vector machine[J].Jiangsu Agricultural Sciences,2017,45(09):187-191.
点击复制

基于最小二乘支持向量机的无人机遥感影像分类(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第45卷
期数:
2017年09期
页码:
187-191
栏目:
农业工程与信息技术
出版日期:
2017-05-05

文章信息/Info

Title:
Remote sensing image classification of UAV based on least squares support vector machine
作者:
刘伟1; 2; 3; 4;  赵庆展1; 2; 3; 4;  汪传建1; 2; 3; 4;  陈洪1; 2; 3; 4;  李沛婷1; 2; 3; 4
1.石河子大学信息科学与技术学院，新疆石河子 832000； 2.国家遥感中心新疆兵团分部，新疆石河子 832000；
3.新疆生产建设兵团空间信息工程技术研究中心，新疆石河子 832000； 4.新疆生产建设兵团空间信息工程实验室，新疆石河子 832000
Author(s):
Liu Wei; et al
关键词:
最小二乘支持向量机; 粒子群优化; 网格搜索; 交叉验证; 无人机遥感
Keywords:
-
分类号:
TP751；S127
DOI:
-
文献标志码:
A
摘要:
针对SVM容易出现过学习、泛化能力下降的问题，利用LSSVM在求解线性方程组时的自身优势，对高分辨率无人机多光谱影像进行地物分类识别。采用固定翼无人机搭载Micro MCA12 Snap多光谱相机，获取研究区域玛纳斯河畔的多光谱影像，首先利用最佳波段指数法与光谱信息、纹理信息结合得到最佳特征波段组合，从而降低数据维度，进而利用粒子群优化和网格搜索算法分别进行参数寻优并交叉验证方法对影像进行SVM和LSSVM对比试验。结果表明，Micro MCA12 Snap 多光谱传感器所选择的1、6、11波段组合及NDVI、NDWI、Mean特征信息组合，粒子群优化LSSVM分类的总体精度较网格搜索LSSVM高0.092%，Kappa系数高0.006；粒子群优化LSSVM分类的总体精度较粒子群优化SVM分类高2.021%，Kappa系数高0.008。试验方法改善了各种地物特别是裸地与沙石的区分，是对该相机及特征组合进行分类的有效手段。
Abstract:
-

参考文献/References:

［1］杨进生，郭颖平，盖利亚，等. 无人直升机遥感在华北平原地裂缝监测中的应用［J］. 遥感信息，2015，30(1)：66-70.
［2］汪沛，罗锡文，周志艳，等. 基于微小型无人机的遥感信息获取关键技术综述［J］. 农业工程学报，2014，30(18)：1-12.
［3］田振坤，傅莺莺，刘素红，等. 基于无人机低空遥感的农作物快速分类方法［J］. 农业工程学报，2013，29(7)：109-116，295.
［4］张园，陶萍，梁世祥，等. 无人机遥感在森林资源调查中的应用［J］. 西南林业大学学报，2011，31(3)：49-53.
［5］王利民，刘佳，杨玲波，等. 基于无人机影像的农情遥感监测应用［J］. 农业工程学报，2013，29(18)：136-145.
［6］韩文权，任幼蓉，赵少华. 无人机遥感在应对地质灾害中的主要应用［J］. 地理空间信息，2011，9(5)：6-8，163.
［7］雷添杰，李长春，何孝莹. 无人机航空遥感系统在灾害应急救援中的应用［J］. 自然灾害学报，2011，20(1)：178-183.
［8］冯家莉，刘凯，朱远辉，等. 无人机遥感在红树林资源调查中的应用［J］. 热带地理，2015，35(1)：35-42.
［9］李冰，刘镕源，刘素红，等. 基于低空无人机遥感的冬小麦覆盖度变化监测［J］. 农业工程学报，2012，28(13)：160-165.
［10］Herwitz S R，Johnson L F，Dunagan S E，et al. Imaging from an unmanned aerial vehicle：agricultural surveillance and decision support［J］. Computers and Electronics in Agriculture，2004，44(1)：49-61.
［11］Rango A，Laliberte A，Herrick J E，et al. Unmanned aerial vehicle-based remote sensing for rangeland assessment，monitoring，and management［J］. Chinese Hydraulics & Pneumatics，2009，3(1)：11-15.
［12］Laliberte A S，Goforth M A，Steele C M，et al. Multispectral remote sensing from unmanned aircraft：image processing workflows and applications for rangeland environments［J］. Remote Sensing，2011，3(11)：2529-2551.
［13］张磊，邵振峰. 改进的OIF和SVM结合的高光谱遥感影像分类［J］. 测绘科学，2014，39(11)：114-117，66.
［14］Vapnik V N. The nature of statistical learning theory［M］. New York：Springer-Verlag，1995.
［15］陈波，张友静，陈亮. 结合纹理的SVM遥感影像分类研究［J］. 测绘工程，2007，16(5)：23-27.
［16］Suykens J A K，Vandewalle J. Least squaressupport vector machine classfiers［J］. Neural Processing Letter，1999，9：293-300.
［17］高恒振，万建伟，朱珍珍，等. 基于波段子集特征提取的最小二乘支持向量机高光谱图像分类技术［J］. 光谱学与光谱分析，2011，31(5)：1314-1317.
［18］杨佳佳，姜琦刚，陈永良，等. 基于最小二乘支持向量机和高分辨率遥感影像的大尺度区域岩性划分［J］. 中国石油大学学报(自然科学版)，2012，36(1)：60-67.
［19］丁胜，袁修孝，陈黎. 粒子群优化算法用于高光谱遥感影像分类的自动波段选择［J］. 测绘学报，2010，39(3)：257-263.
［20］任哲，陈怀亮，王连喜，等. 利用交叉验证的小麦LAI反演模型研究［J］. 国土资源遥感，2015，27(4)：34-40.
［21］赵庆展，刘伟，尹小君，等. 基于无人机多光谱影像特征的最佳波段组合研究［J］. 农业机械学报，2016，47(3)：242-248，291.

相似文献/References:

[1]魏利峰,纪建伟.基于Contourlet变换与LSSVM的玉米种子识别算法[J].江苏农业科学,2016,44(02):444.
　Wei Lifeng,et al.Study on corn seeds identification algorithm based on Contourlet and LSSVM[J].Jiangsu Agricultural Sciences,2016,44(09):444.
[2]曾燕,王晓,成新文,等.基于ABC-LSSVM的芹菜总黄酮提取量预测[J].江苏农业科学,2015,43(01):298.
　Zeng Yan,et al.Prediction of extraction content of total flavonoids from celery based on ABC-LSSVM[J].Jiangsu Agricultural Sciences,2015,43(09):298.
[3]苗荣慧,黄锋华,杨华,等.基于光谱和Gabor纹理信息融合的油桃品种识别[J].江苏农业科学,2019,47(06):174.
　Miao Ronghui,et al.Identification of nectarine varieties based on spectral and Gabor texture fusion information[J].Jiangsu Agricultural Sciences,2019,47(09):174.
[4]林萍,高明清,陈永明.基于近红外光谱分析技术的转Bt基因水稻种子及其亲本快速鉴别方法[J].江苏农业科学,2019,47(13):72.
　Lin Ping,et al.Rapid identification of Bt transgenic rice seeds and their parents based on near infrared spectroscopy[J].Jiangsu Agricultural Sciences,2019,47(09):72.
[5]张进,吴春笃,张波,等.基于无人机多光谱的土壤全氮含量反演模型研究[J].江苏农业科学,2024,52(20):32.
　Zhang Jin,et al.Inversion model of soil total nitrogen content based on UAV multi-spectrum[J].Jiangsu Agricultural Sciences,2024,52(09):32.

备注/Memo

备注/Memo:
收稿日期：2016-11-01
基金项目：国家自然科学基金(编号：41461088、31260291)；新疆生产建设兵团科技计划(编号：2015BA006)。
作者简介：刘伟(1989—)，男，安徽合肥人，硕士，主要从事空间信息技术及应用、无人机遥感的研究。E-mail：lw_info@163.com。
通信作者：汪传建，博士，副教授，主要从事时空数据挖掘、时空数据安全技术及应用的研究。E-mail：wcj_inf@shzu.edu.cn。
更新日期/Last Update: 2017-05-05