SVM用于LiDAR数据的地物分类

被引：8

作者：

乔纪纲 ^{[1
]}

陈明辉 ^{[2
]}

艾彬 ^{[3
]}

张亦汉 ^{[1
]}

机构：

[1] 广东商学院资源与环境学院

[2] 东莞市地理信息与规划编制研究中心

[3] 中山大学海洋学院

来源：

测绘通报 | 2013年 / 07期

基金：

广东省自然科学基金;

关键词：

LiDAR; 高度纹理; SVM;

D O I：

暂无

中图分类号：

TN958 [雷达：按体制分]; P237 [测绘遥感技术];

学科分类号：

1404 ;

摘要：

LiDAR具有探测地表垂向结构的能力,目前还无法被其他遥感源所取代。本文提出通过变换点云提取LiDAR纹理特征,利用支持向量机(SVM)进行训练和分类,并与基于神经网络的分类方法进行比较。试验结果表明,SVM能在训练精度和推广能力之间取得折中,可有效地避免LiDAR地物分类证据不完备引起的过拟合问题,适合于LiDAR地物分类。

引用

页码：35 / 38+42 +42

页数：5