高空間分辨率遙感影像分類研究.pdf

1、隨著遙感影像的空間分辨率不斷提高，影像所包含的細節(jié)信息越來越豐富，較過去的中低空間分辨率影像而言，能更好的表現(xiàn)地物目標(biāo)的紋理、形狀和幾何結(jié)構(gòu)信息。與此同時，遙感影像空間分辨率的提高伴隨著數(shù)據(jù)量的激增，需要高效率的自動分類技術(shù)取代傳統(tǒng)的人工目視解譯，對影像中的有用信息進行提取。另一方面，高空間分辨率遙感影像的光譜分辨率相對較低，并且包含了大量細節(jié)信息，造成光譜分布異常復(fù)雜，降低了地物目標(biāo)在光譜域的可分性。為解決這一問題，自動分類技術(shù)需要充

2、分利用影像中隱含的信息，彌補光譜特征的不足。
　　本文考慮到支持向量機在解決小樣本、非線性以及高維模式識別問題所具有的優(yōu)勢，以這一機器學(xué)習(xí)算法作為分類器，首先從光譜域角度對高空間分辨率遙感影像進行分類。由實驗結(jié)果發(fā)現(xiàn)，影像中的地物目標(biāo)僅僅通過光譜特征的差異進行區(qū)分并不可靠，光譜特征相似的異類地物目標(biāo)發(fā)生混淆。
　　繼而利用像元形狀指數(shù)方法，提取高空間分辨率遙感影像的像元形狀指數(shù)特征，對光譜特征進行補充。實驗結(jié)果表明，像元形狀

3、指數(shù)特征能夠有效區(qū)分光譜特征相似而幾何形狀不同的地物目標(biāo)，在分類精度上優(yōu)于光譜特征分類方法。同時，在與小波紋理特征方法和多尺度區(qū)域特征方法比較中，像元形狀指數(shù)方法也取得了更好的結(jié)果。另一方面，實驗中發(fā)現(xiàn)該方法極易受到高空間分辨率遙感影像中細節(jié)信息的影響，對富于細節(jié)信息的區(qū)域分類效果不理想。
　　鑒于像元形狀指數(shù)方法存在的不足，本文引入了面向?qū)ο蠓治鏊枷?，對高空間分辨率遙感影像進行分類。在像元形狀指數(shù)方法的啟發(fā)下，設(shè)計了一種自適應(yīng)帶