基于視覺詞袋模型的高分辨率遙感圖像分類研究.pdf

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。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“語義鴻溝”等問題，因此得到了廣泛的研究與應用。
　　針對經(jīng)典視覺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，本文展開了深入研究。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)對象，提取對象的多特征進而生成視覺單詞;然后，對視覺單詞進行篩選，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多分類器實現(xiàn)圖像的分類。本文主要內(nèi)容與創(chuàng)新點如下:
　　(1)針對傳統(tǒng)圖像分割算法易受噪聲干擾且過分割現(xiàn)象嚴重的問題，提出了一種結(jié)合標記分水嶺和區(qū)域生長的圖像分割方法，實驗表明，該算法在濾除噪聲的同時能較好的保留邊界信息，且能夠有效抑制過分割現(xiàn)象。

3、>　　(2)針對高低層特征間存在的“語義鴻溝”問題，將視覺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，邊緣細節(jié)模糊的局限性。
　　(3)針對視覺詞典中存在冗余信息的問題，導致計算復雜度的增加和分類精度的下降，因此要進行單詞選擇。mRMR算法充分利用了單詞的相關(guān)性和冗余性，卻無法表示不同單詞對分類的貢獻度，本文結(jié)合ReliefF算法賦予單詞權(quán)重參數(shù)從而建立