论文部分内容阅读
支持向量机（SVM）引入遥感图像处理领域并逐步得到推广，但在遥感地质应用中则刚刚起步。本研究运用SVM提取矿化蚀变信息，选择青海黄南州吉地地区作为典型研究区，首先选取训练样本，然后求解最优超平面（即找出支持向量）进而确定决策函数，最后泛化推广识别其它待识别的样本。矿区叠加研究和野外实地验证表明SVM提取矿化蚀变信息克服了传统的统计方法需要大量样本的缺陷，保证了矿化信息提取的精度。最后，指出了三个重点异常区。