期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
结合PCA、多尺度分割及SVM的ASTER遥感蚀变信息提取 被引量：12
1
作者 唐淑兰 曹建农 王凯 《遥感学报》 EI CSCD 北大核心 2021年第2期653-664,共12页
为了利用遥感影像进行更加精确的找矿预测,本文选择新疆东天山尾亚地区ASTER数据进行矿化蚀变信息提取方法研究。为了提高信息提取精度,本文提出了结合主成分分析(PCA)、多尺度分割和支持向量机(SVM)的遥感矿化蚀变信息提取方法。首先,... 为了利用遥感影像进行更加精确的找矿预测,本文选择新疆东天山尾亚地区ASTER数据进行矿化蚀变信息提取方法研究。为了提高信息提取精度,本文提出了结合主成分分析(PCA)、多尺度分割和支持向量机(SVM)的遥感矿化蚀变信息提取方法。首先,分析ASTER数据的特征,选取各矿化蚀变信息的特征波段,对组合波段进行主成分分析,获得主分量图像;然后,对各主分量图像进行多尺度分割,并获得分割之后的均值图像;接着,提取训练样本,利用SVM对训练样本进行训练,采用试验方法求得最优核参数和松弛变量,构造最优SVM模型;最后,运用最优SVM模型完成矿化蚀变信息的提取。进行主成分分析时,铁染蚀变信息选择Band1、2、3、4组合,Al-OH基团蚀变信息选择Band 1、4、6、7组合,OH和CO32-基团蚀变信息采用Band 1、2、8、9组合。在运行SVM时采用了序列最小优化算法(SMO)进行求解,速度提高了12%。实验结果表明,与波段比值法、主成分分析法及基于光谱角和SVM的方法等3种方法相比,本文方法提取铁染蚀变信息、Al-OH基团蚀变信息及OH和CO32-基团蚀变信息的总体精度可达到87.98%、90.01%及88.93%,Kappa系数分别为0.8011、0.8134及0.8023,与成矿区带、已知矿点和已有不同地质背景成矿特征相关性较好。 展开更多
关键词 遥感 ASTER 矿化蚀变信息提取 多尺度分割 主成分分析(PCA) 支持向量机(SVM) 序列最小优化算法(smo)
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部