非监督遥感影像变化检测方法——支持向量机(support vector machine,SVM )

本文介绍了一种使用支持向量机(SVM)进行影像数据变化检测的方法,通过选取特定大小的样本集,利用SVM训练模型,并将模型应用于整个数据集,实现了高效准确的变化检测。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

假设影像数据集(Sample)大小为1000*1000,特征数为5.

在数据集中选取大小为100*100的样本集(xdata)(样本大小与数据大小之间的关系可以研究一下),通过目视解译,获得样本集对应的变化检测结果(group)。

核心步骤:

1.把样本集合和对应的结果转变为列向量。带入MATLAB公式:SVMStruct=svmtrain(xdata,group).

2.把数据集带入公式:Group=svmclassify(SVMStruct,Sample);

3.对Group变形为矩阵:result=reshape(Group,1000,1000);

4.result即为最终的变化检测结果。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值