本文比较4种增强技术--KT、NDVI、SMA、SVM，也比较了3种分类技术--ML、DT、SVM，把研究区分成了林地、耕地、建筑用地、水体和裸地五类。用得出的增强后的图像分类的12种结果加上不进行增强分类的3种结果，逐像素的判断，用次数比例法和最大用户精度法组合成最后的分类结果图，同时输出对应的两种不确定图。结果表明KT-SVM的分类精度高，Kappa系数为0.5403。KT变换对各种分类都具有增强作用。对耕地和林地分类精度都较高的分类方法为KT-ML，用户精度分别为0.8636和0.8889，表明该法最适用于植被的提取。最大用户精度法组合的最终结果图比次数比例法的整体精度高12.95%，主要体现在建筑用地和裸地的分类精度显著提高。

>>查看原文初稿链接<<

>>更多科技论文<<