基于SVM的滑坡识别与特征提取
- 格式:docx
- 大小:15.55 MB
- 文档页数:21
实习三基于SVM的滑坡识别与特征提取
姓名:秦人洁学号:1810080029
一、实习目的
1、对影像进行监督分类,并使用混淆矩阵对训练样本和验证样本进行精度对比
2、结合DEM对分类结果进行分析,提取出滑坡
3、监督分类后的影像和DEM的影像取交集,得到滑坡,制图输出
二、实习内容
1、对影像进行监督分类,并使用混淆矩阵对训练样本和验证样本进行精度对比
本次监督分类将影像地物分为三类:1)水体,2)植被,3)道路滑坡村庄。
将道路、滑坡、村庄归为一类是由于道路滑坡村庄过于相似,因此把他们归为一类。
分别绘制训练样本和验证样本,并将两个结果都放入混淆矩阵中进行精度对比。
1.1绘制训练样本
首先打开TIF影像。然后绘制感兴趣区。接着选择支持向量机(Support Vector Machine, SVM)中的径向基函数。
Overlylay-Region of interest,影像选择Zoom,ROI-TYPE选择Rectangle(长方形)。
将水体,植被,道路滑坡村庄划分开。由于道路滑坡村庄过于相似,因此把他们归为一类。
保存。File-SAVE ROIs.
KERNEL TYPE选择径向基函数。
1.2 绘制验证样本,并用混淆矩阵的方法将验证样本和训练样本对比
再选感兴趣区。验证样本。要求不能与训练样本重合。接着用分类后处理(post classification)将训练样本和验证样本放入混淆矩阵。
1.3 分类结果精度评价
总体精度Overall Accuracy:95.7020%
Kappa Coefficient卡帕系数:0.9304。处于0.81-1之间,完全一致。错分误差Commission:水:5.7%,植被0%,滑坡道路村庄12.55%,漏分误差(Omission):水和滑坡道路村庄都是0%,植被8.57%
制图精度Prod.acc:水和滑坡道路村庄都是100%,植被是91.43%
用户精度User Acc:水:94.3%,滑坡道路村庄87.45%,植被100%。
保存分类结果密度分割
保存类别图像,注意后缀是TIF。
2. 结合DEM对分类结果进行分析,提取出滑坡2.1 打开刚才在ENVI中保存的TIF图像
在Arcmap中打开TIF图像,添加类别图像。
属性-Symbology-UNIQUE V ALUES
建立属性表
2.2由栅格转矢量
转换工具-由栅格转出-栅格转面。
2.3 融合
按属性选择出滑坡道路村庄类别。把选出的要素生成新的图层。数据管理工具-制图综合-融合
2.4 选择道路村庄滑坡并提取成一个新的图层选择-按属性选择。
GRIDCODE=3
选择-根据所选要素创建图层
数据-导出数据
2.5对滑坡进行识别
打开DEM的属性,注意是WGS84投影空间分析工具-表面分析-坡度
可根据经纬度得到Z值。
2.6 坡度提取
空间分析-地图代数-栅格计算器。对坡度>=40°的进行提取。并将提取出的结果转面。
把图转为矢量图
3、监督分类后的影像和DEM的影像取交集,得到滑坡,制图输出
在ArcGIS中,分析工具-叠加分析-相交,将经过DEM坡度计算40以上的和从ENVI导入的数据,取交集。
结果
三、实习结论
训练样本和验证样本选择的感兴趣区不能一样
每个坡度都有对应的Z因子,要自己去查经纬度才行。