支持向量机(SVM)结合面向对象法在露天矿区信息提取中的应用研究

摘要

为了提高露天矿区高分辨率遥感影像的分类精度,增强分类结果的实用性和可靠性.本文以青海省木里煤田江仓露天矿区五井田为研究区,采用GF-1影像为数据源,基于多尺度分割的面向对象结合支持向量机(SVM)的分类方法,进行矿区占地信息的提取分类,并运用Kappa系数及混淆矩阵对分类结果进行精度评价.通过与传统分类方法最大似然法进行分类结果对比得出:该方法充分利用了影像的数据信息,达到了矿区占地信息提取分类精度高,效果好目的明确,解决了高分辨率影像在分类过程中易产生的椒盐现象,可为露天矿区的科学管理与生态环境治理提供技术支持和决策依据.