李英芳
- 作品数：2 被引量：54H指数：1
- 供职机构：中南大学信息物理工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术天文地球更多>>
- 基于RS与GIS的县级旅游区域土地利用动态分析被引量：1
- 2010年
- 运用RS与GIS技术,有效地从SPOT 5卫星遥感影像上提取了武陵源区土地利用变化数据,结合全国第二次土地调查成果数据和相关年限的资料分析了武陵源区1997～2007年间土地利用变化情况。研究指出了武陵源土地利用中的不足之处,可为相关政策下实施土地的合理利用和旅游业的可持续发展提供指导,也证实了实施县级旅游区土地监测的必要性。
- 李英芳杨敏华梁亮
- 关键词：遥感影像土地利用数学模型
- 基于ICA与SVM算法的高光谱遥感影像分类被引量：53
- 2010年
- 提出了一种利用独立分量分析(ICA)与支撑向量机(SVM)算法进行高光谱遥感影像分类的新方法。采用ICA算法对高光谱遥感影像(PHI传感器获取,80波段)进行了特征提取,并以提取出的影像数据(光谱维数为20)构建SVM分类器。对SVM算法进行核函数删选与参数寻优后,发现采用RBF核的SVM算法(C=103,γ=0.05)分类结果最佳,分类精度与Kappa系数分别达94.5127%与0.935 1,优于BP-神经网络(分类精度39.4758%,Kappa系数0.315 5)、波谱角分类(分类精度80.282 6,Kappa系数0.770 9)、最小距离分类(分类精度85.462 7%,Kappa系数0.827 7)以及最大似然分类(分类精度86.015 6%,Kappa系数0.835 1)4种方法。针对分类结果常出现的"椒盐"现象,利用形态学算子对SVM(RBF核)分类结果进行了类别集群处理,将分类精度与Kappa系数分别提高至94.758 4%与0.938 0,获得了更接近实况的分类图像。结果表明:ICA结合SVM算法准确率高,是高光谱遥感影像分类的优选方法,且类别集群是优化影像分类的有效方法之一。
- 梁亮杨敏华李英芳
