第31卷，第2期 2011年2月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol.31,No.2.pp508-511 February,2011
基于线性光谱模型和支撑向量机的软硬分类方法
胡潭高，潘耀忠”，张锦水，李苓苓，李乐
北京师范大学地表过程与资源生态国家重点实验室，北京师范大学资源学院，北京100875
摘要针对硬分类方法中无法解决的混合像元间题及软分类方法中全图共用一套端元进行混合像元分解所带来的整端，提出了一种新的软硬分类方法。该方法通过分析目标地物在图像中的分布情况，自动计算判别阔值，将图像分为目标地物纯净区域、月标地物混合区域和非目标地物区域。对于日标地物纯净区域和非目标地物区域采用硬分类方法（支撑向量机)快速提取分类信息；对于日标地物混合区域采用软分类方法（端元可变的线性混介像元分解)提取目标地物丰度信息，最后得到目标地物软硬分类结果。通过对北京地区 ALOS图像的应用试验，并将新方法与支撑向虽机、线性光谱混合模型进行比较，新方法的RMSE值为 0.203，总量精度达到95.48%，高于支择向量机和线性光谱混合模型。实验结果表明，新方法能够有效解决混合像元向题，提高图像分类精度。
关键调软硬分类；线性光谱模型；支撑向量机；自适应阀值
中图分类号：TP75
引言
文献标识码：A
DOl: 10. 3964/j. issn, 1000-0593(2011)02-0508-04
像元的分解问题，使遥感应用由像元级达到亚像元级。
软分类方法（softclassifications）是种业像元级的图像分类方法，针对遥感图像中的混合像元现象，根据光谱组成
邀感图像分类是获取通感图像内部信息的重要手段。通感图像分类的目的是将图像中每个像元根据其在不同波段的光谱充度、空间结构特征或者其他信息，按照某种规则或算法划分为不同的类别"1，硬/软分类方法是遥感图像分类中两种传统方式(")。
硬分类方法（hardclassifications）是一种像元级的图像分类方法，它在分类过程中把遥感图像简单的看成都是由纯净像元组成，将每一个像元分为单一的土地覆盖类别。硬分类方法根据人工.参与程度分为非监督分类和监督分类(3)，Sup portvectormachines（SVMD是Vapnik等提出的一种学习方法，因其易用、稳定和具有相对较高的精度而得到广泛的应用4-5)，硬分类过程中面临的最大难题是"混合像元”现象，由于遥感图像的数据结构是其有一定大小、面积的栅格像元，因此尤论遥感卫星的分辨率达到多高，栅格图像如何细化，一个像元所覆盖的地理特征或地理现象可能不只是一种类型而是多种地物共同作用的结果")。因此，混合像元的存在是传统像元级遥感分类和面积测精度难以达到使用要求的主要原因["]，为了提高遇感应用的精度，就必须解决混合
收稿日期：2010-05-17，修订日期：2010-08-30
信息等，计算出每一个混合像元内的土地覆盖类别组成百分比(*,Linear spectral mixture modeling (LSMM)能够很好的解决光谱混合间题，因此它被广泛的应用于提取混合像元各个组成部分的丰度["]。软分类过程中面临的主要难题是端元选择问题。端元是指在避感图像中，组成混合像元的多种单一光谱的土地覆益类型。在混介像元分解过程中，端元的选择很重要，因其点接影混合像元分解的精度。传统的混合像元分解，采用所有端元进行分解，实际上，大多数图像区域或混合像元只是由全部图像端元中的儿种所组成。闪此，如果在混合像元分解过程中，只由相关的图像端元进行分解，则会相应的提高分类精度[10]。
基于以上分析，针对硬分类与软分类各自存在的向题本文提出了一种基于线性光谱模型和支撑向量机的软硬分类相结合的新方法，以达到提高分类精度的目的。
1原理 1.1支撑向量机
基金项目：国家高技术研究发展计划项目(2006AA120101)，国家自然科学基金项目(40871194)和北京师范大学优秀博士论文培育基金项目
资助
作者简介：胡潭高，1983年生，北京师范大学资源学院资源技术与工程研究所博土研究生
*通讯联系人
万方数据
e-mail; pyz@bnu edu cn
email,hutangao@163.com