The Performance of Classifiers in the Task of Thematic Processing of Hyperspectral Images

Abstract

The performance of the spectral classification methods is analyzed for the problem of hyperspectral remote sensing of soil and vegetation. The characteristic features of metric classifiers, parametric Bayesian classifiers and multiclass support vector machines are discussed. The results of classification of hyperspectral airborne images by using the specified above methods and comparative analysis are demonstrated. The advantages of the use of nonlinear classifiers are shown. It is also shown, the similarity of the results of some modifications of support vector machines and Bayesian classification

Проводится анализ эффективности методов спектральной классификации в задаче гиперспектрального дистанционного зондирования почвенно-растительного покрова. Обсуждаются особенности реализации метрических классификаторов, параметрических байесовских классификаторов и многоклассового метода опорных векторов. Демонстрируются результаты классификации гиперспектральных аэроизображений указанными методами и приводятся данные сравнительного анализа. Показаны преимущества использования нелинейных классификаторов. Демонстрируется близость результатов некоторых модификаций метода опорных векторов и байесовской классификации