文献类型：期刊文章

作　　者：杨佳佳[1,2] 姜琦刚[1] 陈永良[3] 崔瀚文[1] 张汉女[1]

机构地区：[1]吉林大学地球探测科学与技术学院,吉林长春130026 [2]沈阳地质调查中心,辽宁沈阳110034 [3]吉林大学综合信息矿产预测研究所,吉林长春130026

出　　处：《中国石油大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(40872193);中国地质调查局资助项目(1212010510218)

年　　份：2012

卷　　号：36

期　　号：1

起止页码：60-67

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20121314906841)、IC、INSPEC、JST、PA、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：基于大尺度区域分割的理念,提取高分辨率遥感图像中与岩性相关的纹理、形状、光谱信息,利用最小二乘支持向量机(LS-SVM)在非线性预测中的优势,对研究区地质岩性进行识别。首先对高分辨率图像中与岩性相关的光谱、纹理、形状、高程等特征信息进行样本选取,选取过程中以图像的纹理为主要特征信息,同时以J-M距离、转换分类度为依据选取最优特征空间,采用因子分析变换降维对特征空间进行压缩,实现特征信息最优化;然后对已知样本进行训练,建立分类模型,评价模型精度;最后利用模型对研究区进行岩性划分,并进行分类后处理。研究结果表明:基于LS-SVM的分类方法在利用高分辨率遥感图像岩性识别中表现良好,为地质岩性分类提供了一种新的方法和手段;加入纹理等信息后的LS-SVM分类模型更加利于岩性的判别。

关 键 词：岩性识别 大尺度区域分割  最小二乘支持向量机 高分辨率 遥感

分 类 号：P627] TP79[地质学类;地质类]