版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著遙感傳感器和平臺技術的不斷發(fā)展,其獲得的以遙感圖像數(shù)據(jù)為代表的地理空間數(shù)據(jù)無論從質(zhì)量和數(shù)量上都有巨大提高,種類也日益豐富。遙感圖像目前廣泛應用于區(qū)域以及全球尺度土地利用(Land Use)和地表覆蓋(Land Cover)變化的研究領域,而且從遙感圖像中提取的各種專題信息也是政府部門制定相關決策的重要信息依據(jù)。然而,地理空間數(shù)據(jù)具有內(nèi)在的異質(zhì)性、復雜性和不精確性等特點,地理現(xiàn)象的信息表達也普遍存在模糊性和不確定性。因此,數(shù)字遙感圖像
2、專題信息提取方法在實際應用中面臨著巨大的挑戰(zhàn)。
模式識別(Pattern Recognition)是人工智能領域(Artificial Intelligence)的重要分支之一,同時也是一項融合統(tǒng)計學、認知科學和信息科學等多個學科的交叉研究課題,其理論和技術在眾多領域得到成功應用,而在遙感領域中,應用基于計算機技術的模式識別方法對多光譜遙感圖像數(shù)據(jù)進行土地利用/地面覆蓋分類是最常用的一種專題信息提取手段,尤其在處理實際應用問題
3、時效果顯著。
本文以模式識別方法在遙感圖像處理和其他領域中的應用為線索,力圖找到模式識別方法在多光譜遙感圖像專題分類的應用契合點。根據(jù)當前多光譜遙感圖像分類的研究現(xiàn)狀和發(fā)展趨勢,從多光譜遙感圖像的光譜特性出發(fā),以提高遙感圖像分類精度為目標,提出一種基于局部聯(lián)合直方圖的多光譜遙感圖像特征提取方法和基于K-均值(K-means)聚類集成的多光譜遙感圖像分割算法,并在此基礎上進行基于對象的遙感圖像分類。本文研究的主要工作及貢獻如下:
4、
1.對現(xiàn)有的應用于遙感圖像專題信息提取的相關模式識別方法進行較深入研究并做出較全面的總結(jié)和概括。
首先,介紹了模式識別系統(tǒng)的基本工作流程;其次,對特征提取和分類器設計兩個環(huán)節(jié)進行了較詳細的論述,包括主成分分析(Principal Component analysis,PCA)、獨立成分分析(Independent Component Analysis,ICA)、監(jiān)督分類、非監(jiān)督分類、多分類器集成等遙感圖像專題分類中
5、常用的模式識別方法,這兩者也是本文工作重點所在;最后,對本文實驗中所采用的分類精度評價方法和指標等作簡要介紹。
2.提出基于局部聯(lián)合直方圖的多光譜遙感圖像特征提取方法。
遙感圖像的直方圖本質(zhì)上是遙感圖像光譜特征的一種統(tǒng)計信息,現(xiàn)有基于直方圖的圖像分割方法實質(zhì)上是一種針對直方圖的多閾值操作。但是(全局)直方圖在對內(nèi)容比較復雜圖像進行分割時的分離性較差,且很少用于遙感數(shù)字影像分類。遙感圖像中一個像元所反映的來自地表的表觀
6、信號有較多分量是來自其周圍地物,所以選擇局部直方圖作為遙感圖像分割的特征。首先對多光譜遙感圖像進行預處理、量化;然后在每個波段中計算每個像元的局部直方圖,最后通過連接操作為每個像元生成局部聯(lián)合直方圖。其中,量化過程既降低遙感圖像數(shù)據(jù)中的冗余信息,減小了噪音和異常(Outlier)數(shù)據(jù)的影響,又保存了分割所必須的邊界信息;而局部直方圖不僅包含了像元的光譜信息,還隱含了(鄰域)空間信息。隨后的實驗結(jié)果驗證了本文提出的特征提取方法在多光譜遙感
7、圖像分割中的有效性。
3.提出基于K-均值聚類集成的多光譜遙感圖像分割算法。
本文以多分類器集成在多光譜遙感圖像分類中的成功應用為線索,針對多光譜遙感圖像特性提出一種無監(jiān)督(K-均值)聚類集成分割算法。首先根據(jù)各波段間的相關性,將多光譜圖像劃分為不同的波段子集,再形成若干波段組合;計算各個波段組合中每個像元的局部聯(lián)合直方圖,并在以此為像元特征的每個波段組合上應用K-均值聚類算法,從而得到多個分割結(jié)果(初步分割過程);
8、最后再對這些分割結(jié)果應用一次同樣的K-均值聚類算法,得到最終分割結(jié)果(精化過程)。不同的波段組合突出了不同的地物信息,有利于某些地物的識別,而多個波段組合上聚類結(jié)果的集成比較全面地綜合了各種地物信息,避免了地物識別的片面性,從而提高了更多種的地物識別率。以人工合成和實際Landsat-7 ETM+數(shù)據(jù)集為數(shù)據(jù)源進行圖像分割實驗,實驗結(jié)果表明,本文提出的分割算法優(yōu)于其他參與實驗的方法,驗證了其可行性和有效性,而且更好地克服了分割不足和過分
9、割現(xiàn)象。
4.針對本文分割算法得到的分割區(qū)域(Patches)對象,應用有監(jiān)督分類算法,利用分割得到的對象,實現(xiàn)了基于對象的遙感圖像分類。
傳統(tǒng)基于單個像元的分類方法分類結(jié)果常會出現(xiàn)“椒鹽”現(xiàn)象(Salt-and-pepper,出現(xiàn)在分類結(jié)果圖中大量孤立的錯分點或小圖斑),不利于專題地圖制圖與實際應用,其主要原因是沒有充分利用空間、紋理、結(jié)構(gòu)、上下文等信息,基于對象的分類克服了這些不足。較好的分割結(jié)果必然導致精度較高
10、的分類,針對人工合成和實際Landsat-7 ETM+數(shù)據(jù)集的分類實驗驗證了本文中基于對象的多光譜遙感圖像分類方法在很大程度上提高了有監(jiān)督分類的精度。因此,本文中基于對象分類技術也可以作為一種遙感圖像分割評價指標,相關實驗也間接定量驗證了本文提出的分割算法優(yōu)于其他參與實驗的分割方法。
論文的創(chuàng)新之處主要體現(xiàn)在利用局部聯(lián)合直方圖作為多光譜遙感圖像分割的特征,兼顧了遙感圖像的光譜信息和空間信息,且有效地克服了傳統(tǒng)的特征提取方法(P
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多分類器融合模式識別方法研究.pdf
- 基于多光譜圖像融合的人臉識別方法研究.pdf
- 基于模式識別技術的雷達輻射源分類識別方法研究.pdf
- 基于bp神經(jīng)網(wǎng)絡的遙感影像模式識別方法研究
- 基于形態(tài)學的衛(wèi)星遙感車輛模式識別方法研究.pdf
- 基于BP神經(jīng)網(wǎng)絡的遙感影像模式識別方法研究.pdf
- 基于磁共振影像腦疾病分類的模式識別方法研究.pdf
- 基于圖像信息的模式識別方法與應用研究.pdf
- 基于小波包變換的遙感超譜圖像分類識別方法研究.pdf
- 基于改進RBM的多光譜遙感圖像分類.pdf
- 基于光譜和多光譜數(shù)字圖像的作物與雜草識別方法研究.pdf
- 基于群集智能模式識別方法的研究.pdf
- 65312.光譜自動分析技術中的模式識別方法研究
- 基于WAMS的低頻振蕩模式識別方法研究.pdf
- 基于鐵譜的磨損模式識別方法研究.pdf
- 模式識別方法在天體光譜自動處理中的應用.pdf
- 基于集成學習的多光譜遙感圖像分類研究.pdf
- 基于遺傳規(guī)劃的遙感多光譜圖像分類.pdf
- 多光譜圖像人臉識別方法的性能評估.pdf
- 基于模式識別知識的遙感圖像變化檢測研究.pdf
評論
0/150
提交評論