1、本文依托于國家科技基礎性工作專項重點項目“中國湖泊水質、水量和生物資源調查”（2006FY110600）子課題“中國湖泊衛(wèi)星遙感調查”，采用小樣本學習、抗噪聲性能好、學習效率高的支持向量機（SVM，Support Vector Machine）方法來提取多光譜遙感影像冰凍湖泊水體。支持向量機最大特點是根據(jù)結構風險最小化原則，盡量提高學習機的泛化能力，即由有限的訓練集樣本得到小的誤差能夠保證對獨立的測試集仍保持小的誤差，SVM在遙感信息提

2、取方面，特別是在缺少先驗知識的情況下，具有較高的推廣能力。 本文分析了冰凍湖泊水體的光譜特征，說明了傳統(tǒng)遙感影像分類方法不能達到較高精度的原因，在此基礎上利用MATLAB支持向量機工具箱建立了SVM提取模型，并選擇了東北地區(qū)的查干湖和長白山天池CBERS多光譜遙感影像進行了提取試驗。試驗表明，兩湖提取精度支持向量機較最大似然法提高了3.93％。但僅應用SVM方法提取冰凍湖泊水體，提取結果小圖斑多、分類不完整，因此本文在原來模型的

3、基礎上加入了鄰近同化濾波方法，有效剔除了小圖斑。 綜合SVM鄰近同化濾波模型提取冰凍湖泊水體的研究過程，本文得出的結論如下： （1）查干湖湖面整體冰凍；據(jù)實地考察和相關文獻，長白山天池西部由于湖底受溫泉影響，湖水冬季不封凍，從影像上看天池西部呈深藍色的部分就是未冰凍的湖泊水體。應用SVM鄰近同化濾波提取模型，不僅實現(xiàn)了對全部冰凍湖泊水體的精確提取，對冰水混合的湖泊水體也同樣適用，所以本文的提取模型對冰凍情況復雜的湖泊水體

4、精確提取有著廣闊的應用前景。 （2）與長白山天池相比，查干湖結冰湖面破碎度較高，由于處在破碎部分的像元光譜復雜，最大似然法難以達到較高的提取精度。在同樣訓練區(qū)樣本下，與最大似然法相比，SVM提取精度提高了5.36％，由此可以看出SVM具有較強的小樣本學習能力，提取精度高。 （3）為剔除湖邊淺水沼澤和冰凍期湖面雪等干擾地物的影響，本文提出鄰近同化濾波方法，這也是本文的創(chuàng)新之處。經(jīng)鄰近同化濾波模型處理后，提取結果小圖斑較少，