版權(quán)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著我國(guó)對(duì)地觀測(cè)系統(tǒng)的進(jìn)一步發(fā)展和成熟,高分辨率遙感影像越來越成為各種實(shí)際應(yīng)用的強(qiáng)有力數(shù)據(jù)支撐,包括高精度地形測(cè)繪、地物提取與分類、災(zāi)害評(píng)估等。然而,隨著空間分辨率的增加,影像細(xì)節(jié)光譜信息丟失,空間信息量及其復(fù)雜度增加,導(dǎo)致傳統(tǒng)自動(dòng)解譯方法適應(yīng)性下降,使得自動(dòng)解譯工作面臨了更多挑戰(zhàn)。因此進(jìn)行高分辨率遙感影像自動(dòng)分類研究具有十分重大的應(yīng)用價(jià)值和理論意義。
當(dāng)前高分辨率遙感影像分類研究旨在解決3個(gè)核心問題:特征、尺度和分類策略,從
2、而充分發(fā)揮高分辨率遙感影像豐富地表細(xì)節(jié)信息對(duì)自動(dòng)分類的輔助決策作用,并提高其自動(dòng)分類的準(zhǔn)確性。
為此,針對(duì)這些問題,本文首先借鑒現(xiàn)有遙感影像主題模型分析框架,為高分辨率遙感影像高層語義特征提取與表達(dá)尋求解決方案,然后通過引入多尺度影像表達(dá)機(jī)制為多尺度影像分析提供依據(jù),從而進(jìn)一步緩解尺度問題對(duì)自動(dòng)分類結(jié)果的影響,最后在相應(yīng)特征表達(dá)基礎(chǔ)上,綜合不同程度訓(xùn)練樣本先驗(yàn)知識(shí)形成多尺度框架下的基于主題模型的高分辨率遙感影像分類體系,包括非
3、監(jiān)督、監(jiān)督和半監(jiān)督自動(dòng)分類方法。具體地,本文研究?jī)?nèi)容和成果可以總結(jié)為:
1)提出了一種基于多尺度分割影像集的高分辨率遙感影像主題模型建模分析框架。該分析框架采用影像像素灰度值定義主題模型建模詞匯,由粗到細(xì)的多尺度分割影像集的所有分割圖斑定義文檔集,影像潛在類別定義主題。模型不僅同時(shí)建模遙感影像不同層次對(duì)象的多尺度語義特征,還為基于多尺度集的尺度自適應(yīng)選擇機(jī)制提供依據(jù),從而為實(shí)現(xiàn)尺度自適應(yīng)分類提供決依據(jù);
2)在上述基
4、于多尺度分割影像集的高分辨率遙感影像主題模型建模分析框架下,本文針對(duì)不同訓(xùn)練樣本情況提出了具有尺度自適應(yīng)能力的高分辨率遙感影像非監(jiān)督、監(jiān)督和半監(jiān)督分類方法:
2.1)基于多尺度影像分割的高分辨率遙感影像尺度自適應(yīng)非監(jiān)督分類
該方法首先借助于多尺度分割手段,形成高分辨遙感影像粗尺度到細(xì)尺度的分割影像集;然后,利用潛狄利克雷分配主題模型非監(jiān)督學(xué)習(xí)潛在地物類別的像素概率分布以及分割圖斑的潛在地物類別混合分布;繼而,在顧及分
5、割圖斑內(nèi)潛在地物混合比例分布的情況下,通過比較地物類別和分割圖斑像素概率分布的Kullback-Leibler距離,判定不同尺度下各分割圖斑的類別歸屬;最后,融合多尺度下的分類結(jié)果,實(shí)現(xiàn)影像尺度自適應(yīng)非監(jiān)督分類。不同場(chǎng)景、不同分辨率數(shù)據(jù)下開展的實(shí)驗(yàn)結(jié)果表明,該方法能夠?qū)崿F(xiàn)分類結(jié)果的自適應(yīng)平滑分類,并可以在一定程度上提高水體和陰影、水體和植被等“同譜異物”地物的區(qū)分能力。
2.2)多尺度光譜-空間-語義特征核函數(shù)集成的高分辨率遙
6、感影像監(jiān)督分類
該方法以多尺度影像分割集為基礎(chǔ),利用潛狄利克雷分配模型建模分割圖斑的多尺度語義特征,并結(jié)合原始影像的光譜特征以及分割圖斑內(nèi)的空間均值特征,在不同分割尺度下分別開展光譜-空間-語義特征的多核函數(shù)融合分類,繼而根據(jù)多數(shù)投票原則在決策級(jí)集成多尺度分類結(jié)果,最后通過最小尺度下的分割影像實(shí)現(xiàn)像素級(jí)分類結(jié)果至面向?qū)ο蠓诸惤Y(jié)果的轉(zhuǎn)化。相關(guān)實(shí)驗(yàn)表明該方法能夠?qū)崿F(xiàn)分類結(jié)果的自適應(yīng)平滑分類,并在一定程度上提高建筑物和道路等“同譜異
7、物”地物的區(qū)分能力,QuickBird、天繪實(shí)驗(yàn)影像分類總體精度分別由基于光譜特征SVM的66.7%、63.7%提升至86.8%、87.2%。
2.3)基于主題模型和自學(xué)習(xí)過程的高分辨率影像尺度自適應(yīng)半監(jiān)督分類
該方法首先基于高分辨率遙感影像光譜、空間和語義特征進(jìn)行訓(xùn)練樣本自學(xué)習(xí)拓展,得到具有較高置信度的訓(xùn)練樣本集,然后再基于多尺度分割影像的半監(jiān)督主題模型建??蚣芟聦?duì)所有樣本進(jìn)行半監(jiān)督主題模型建模,得到具有部分類別先
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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 高分辨率遙感影像多尺度分類方法研究.pdf
- 高分辨率遙感影像分類方法研究
- 高分辨率遙感影像耕地多尺度提取.pdf
- 面向?qū)ο蟮母叻直媛蔬b感影像分類
- 面向?qū)ο蟮母叻直媛蔬b感影像分類
- 面向?qū)ο蟮母叻直媛蔬b感影像分類.pdf
- 融合各最優(yōu)尺度下特征的高分辨率遙感影像分類.pdf
- 面向?qū)ο蟮母叻直媛蔬b感影像分類.pdf
- 高分辨率遙感影像多尺度分割方法研究.pdf
- 面向?qū)ο蟮母叻直媛蔬b感影像分類及最佳分割尺度研究.pdf
- 高分辨率遙感影像面向?qū)ο蠓诸惙椒ㄑ芯?pdf
- 基于最佳尺度的面向?qū)ο蟾叻直媛蔬b感影像分類及應(yīng)用.pdf
- 面向?qū)ο蟮母叻直媛蔬b感影像分類方法研究.pdf
- 面向?qū)ο蟮母叻直媛蔬b感影像多尺度分割參數(shù)及分類研究.pdf
- 基于bp神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像分類
- 高分辨率遙感影像分割方法研究.pdf
- 面向?qū)ο蟮母叻直媛蔬b感影像信息提取與尺度效應(yīng)分析.pdf
- 高分辨率遙感影像草地和樹木分類方法研究.pdf
- 基于bp神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像分類
- 古村落高分辨率遙感影像分類識(shí)別算法研究.pdf
評(píng)論
0/150
提交評(píng)論