基于視覺(jué)詞袋模型的高分辨率遙感圖像分類研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩75頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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、隨著遙感技術(shù)飛速發(fā)展,遙感圖像的特征趨向于大數(shù)據(jù)量、高維度、高分辨率,其所包含的地物信息也越來(lái)越豐富,那么如何在大量的數(shù)據(jù)中高效的提取所需信息并分類,成為目前遙感圖像領(lǐng)域的研究熱點(diǎn)。相比傳統(tǒng)基于像素的遙感圖像分類方法,面向?qū)ο蟮囊曈X(jué)詞袋模型算法有效解決了特征描述單一、高低層特征間的“語(yǔ)義鴻溝”等問(wèn)題,因此得到了廣泛的研究與應(yīng)用。
  針對(duì)經(jīng)典視覺(jué)詞袋模型在高分辨率遙感圖像分類中的關(guān)鍵技術(shù)和難點(diǎn),本文展開(kāi)了深入研究。提出了一套完整有

2、效的遙感圖像分類方案,首先將圖像分割為同質(zhì)對(duì)象,提取對(duì)象的多特征進(jìn)而生成視覺(jué)單詞;然后,對(duì)視覺(jué)單詞進(jìn)行篩選,選擇單詞與類別間相關(guān)性大,單詞與單詞間冗余性小的詞典子集;最后選擇SVM多分類器實(shí)現(xiàn)圖像的分類。本文主要內(nèi)容與創(chuàng)新點(diǎn)如下:
  (1)針對(duì)傳統(tǒng)圖像分割算法易受噪聲干擾且過(guò)分割現(xiàn)象嚴(yán)重的問(wèn)題,提出了一種結(jié)合標(biāo)記分水嶺和區(qū)域生長(zhǎng)的圖像分割方法,實(shí)驗(yàn)表明,該算法在濾除噪聲的同時(shí)能較好的保留邊界信息,且能夠有效抑制過(guò)分割現(xiàn)象。

3、>  (2)針對(duì)高低層特征間存在的“語(yǔ)義鴻溝”問(wèn)題,將視覺(jué)詞袋模型引入到遙感圖像分類中并結(jié)合空間金字塔匹配模型提取融合多特征,增強(qiáng)了算法的特征描述能力,突破了傳統(tǒng)算法特征描述單一,邊緣細(xì)節(jié)模糊的局限性。
  (3)針對(duì)視覺(jué)詞典中存在冗余信息的問(wèn)題,導(dǎo)致計(jì)算復(fù)雜度的增加和分類精度的下降,因此要進(jìn)行單詞選擇。mRMR算法充分利用了單詞的相關(guān)性和冗余性,卻無(wú)法表示不同單詞對(duì)分類的貢獻(xiàn)度,本文結(jié)合ReliefF算法賦予單詞權(quán)重參數(shù)從而建立

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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。

評(píng)論

0/150

提交評(píng)論