ENVI下支持向量机（SVM）使用说明

支持向量机分类（Support Vector Machine 或 SVM）是一种建立在统计学习理论（Statistical 或 SLT）基础上的机器学习方法。与传统统计学相比，统计学习理论（SLT）是一种专门研究小样本情况下及其学习规律的理论。

ENVI中有两个地方可使用SVM方法：监督分类工具和基于样本的面向对象分类工具，两个工具中的参数设置基本一样，下面以监督分类工具中的SVM为例介绍这种方法。

在ENVI中进行支持向量机（SVM）和其他监督分类一样：打开待分类的图像->选择感兴趣区（样本）->设置参数->分类。

(1)    打开ENVI自带的快鸟影像（1024x1024）。

(2)    在主图像窗口中，选择Overlay->Region of Interest，打开ROI Tool对话框。

(3)    选择几类样本。

图：选择的分类样本

(4)    主菜单->Classification-> Supervised-> Support Vector Machine ，选择分类图像。

注：这里不能设置掩膜，对于不规则图像就会把背景分类。

(5)    在SVM参数设置面板中，参数意义如下：

a)   Kernel Type下拉列表里选项有 Linear，Polynomial，Radial Basis Function，以及 Sigmoid。

• 如果选择Polynomial，设置一个核心多项式（Degree of Kernel Polynomial）的次数用于SVM，最小值是1，最大值是6。
• 如果选择Polynomial or Sigmoid，使用向量机规则需要为Kernel指定 the Bias ，默认值是1。
• 如果选择是 Polynomial、Radial Basis Function、Sigmoid，需要设置Gamma in Kernel Function参数。这个值是一个大于零的浮点型数据。默认值是输入图像波段数的倒数。

b)  Penalty Parameter：这个值是一个大于零的浮点型数据。这个参数控制了样本错误与分类刚性延伸之间的平衡， 默认值是100。

c)  Pyramid Levels：设置分级处理等级，用于SVM训练和分类处理过程。如果这个值为0，将以原始分辨率处理；最大值随着图像的大小而改变，

d)  Pyramid Reclassification Threshold（0~1）：当Pyramid Levels值大于0时候需要设置这个重分类阈值。

e)  Classification Probability Threshold： 为分类设置概率域值，如果一个像素计算得到所有的规则概率小于该值，该像素将不被分类，范围是0~1，默认是0。

(6)    选择分类结果的输出路径及文件名。

(7)    设置Out Rule Images为Yes，选择规则图像输出路径及文件名。

(8)    单击OK按钮执行分类。

 

图：支持向量机分类器参数设置面板