【出 处】：《 计算机仿真 》 CSCD 2012年第29卷第6期 240-243页,共4页

【作 者】： 翁代云 ; 杨莉

【摘 要】 研究遥感图像分类精度问题，遥感图像分类根据图像特征进行分类，然而其特征维数相当高且信息冗余严重，分类器不能降低特征维数，导致分类器计算量大，图像分类效率和正确率低。利用主成分分析（PCA）降维特征维数的优点，提出一种基于PCA—SVM的遥感图像分类方法。PCA—SVM算法首先采用LBP算子提取遥感图像特征，然后采用PCA对遥感图像特征进行降维处理，减少特征维数并消除特征冗余信息，获得对分类结果贡献大的特征，最后采用SVM进行遥感图像分类。仿真结果表明，PCA—SVM提高了遥感图像分类效率和正确率。