基于超像素區(qū)域融合的遙感圖像地物分類算法研究.pdf

1、遙感圖像地物目標(biāo)分類識別是目前模式識別與智能技術(shù)領(lǐng)域里的研究重點和熱點問題之一，對它的研究具有良好的應(yīng)用價值，無論在軍事還是民用方面都具有重要的意義。本文在現(xiàn)有的地物目標(biāo)分類技術(shù)基礎(chǔ)上進(jìn)行深入分析，對目前的方法做了總結(jié)，并分析了它們存在的優(yōu)點和缺陷。通過觀察大量圖像總結(jié)出遙感圖像各地物特點，根據(jù)這些特點提出了基于超像素區(qū)域融合的地物分類方法，克服了目前其它算法的不足。最后通過實驗和設(shè)計的軟件系統(tǒng)驗證了算法的有效性和優(yōu)越性。本文的工作與成

2、果如下:
　　(1)面向遙感圖像給出了地物類別的定義與特點分析。給出了六類地物定義:建筑物、陰影、裸地、水體、植被、道路。它們分別具備以下重要特點:水體區(qū)域的灰度普遍較低，近深綠色，且顏色分布均勻平坦，具有較大面積的連通性;陰影灰度很低，基本呈灰黑色，且紋理信息不確定，取決于被陰影遮擋的地物類型;而建筑物特征最不明顯，頂端顏色各異且紋理信息豐富，不同的建筑物特征區(qū)別較大;道路具備明顯的形狀特征，灰度變化不劇烈;植被區(qū)域顏色多呈深綠

3、色，但紋理信息較河流豐富;而裸地則呈現(xiàn)土黃色，顏色深淺存在差異，且通常存在大量的連通區(qū)域。本文以總結(jié)出的六類事物作為目標(biāo)對象，利用顏色、形狀和紋理特征進(jìn)行分類，取得了較高的分類精度。
　　(2)針對遙感圖像特點提出了一套行之有效的地物分類算法框架。首先利用SLIC超像素算法進(jìn)行圖像預(yù)分割，將分割后面積小且無意義的孤立區(qū)域強(qiáng)制歸并到與其相鄰且最相似的超像素中。然后對更新的超像素區(qū)域提取顏色特征構(gòu)建條件隨機(jī)場模型，推導(dǎo)超像素標(biāo)簽的最大

4、邊緣后驗概率，然后將具備相同標(biāo)簽且空間相鄰的超像素區(qū)域進(jìn)行合并，實現(xiàn)圖像的分割。
　　(3)本文在地物分類算法中引入了基于LDA的特征降維方法，使特征之間具備最大的可分離性。將降維后的顏色特征，與形狀、紋理特征組合作為分類器的特征向量，最后采用一對一策略的SVM多類分類器進(jìn)行分類，成功識別出各類地物。
　　(4)本文設(shè)計了基于Google Earth和Matlab的軟件系統(tǒng)平臺，該平臺可調(diào)用GoogleEarth軟件，根據(jù)輸