孙 军,黎 琪,李和睿
(毕节学院 建筑工程学院,贵州 毕节 551700)
传统的遥感图像近似几何校正算法主要是多项式校正法、直接线性变换法和有理函数法[1]。这些遥感图像近似几何校正算法基于线性模型、非线性模型的最小二乘算法,以经验风险最小化为原则,存在过学习、泛化能力差、法方程病态性、矩阵奇异、对初始解敏感和要求足够多控制点等缺陷。
支持向量机能够有效克服上述不同遥感图像近似几何校正算法的缺陷,不仅具有较强的推广能力,适用于小样本训练情况,而且具有强大的处理能力,对高维样本的处理复杂度与低维样本近似,并能巧妙引入核函数来实现非线性映射,从而完成非线性处理[2]。支持向量机理论是结构风险最小化原理的近似实现,兼顾训练错误和泛化能力,解决了神经网络难以确定网络结构、过学习和欠学习、局部极小点等问题。因此,基于支持向量机的遥感图像近似几何校正算法研究已经成为目前遥感图像校正算法的主要内容。
本文将在目前研究的基础上,对不同核函数的支持向量机遥感图像近似几何校正算法的校正误差和泛化能力进行分析和比较,以研究不同核函数的支持向量机在遥感图像近似几何校正中的效果,进一步提高支持向量机遥感图像近似几何校正算法在遥感图像近似几何校正中的校正能力。
遥感图像校正中的图像坐标和大地坐标分为横坐标和纵坐标,由于支持向量机不能对横坐标和纵坐标同时进行拟合,因此在使用支持向量机对遥感图像中的控制点进行拟合时要对横坐标和纵坐标单独进行拟合。……