学位论文 > 优秀研究生学位论文题录展示

耦合“图—谱”特征的遥感影像自动分类方法研究

作　者: 夏列钢
导　师: 王卫红
学　校: 浙江工业大学
专　业: 计算机软件与理论
关键词: 遥感影像自动分类图谱耦合自动样本选择模糊SVM分类多层次迭代模型土地覆盖分类
分类号: TP751
类　型: 硕士论文
年　份: 2011年
下　载: 49次
引　用: 1次
阅　读: 论文下载

内容摘要

遥感影像分类是遥感数据处理的核心内容之一,也是土地覆盖分类、资源环境调查等应用的重要基础。随着遥感观测技术的发展和行业应用的深入,分类的自动化程度和结果精度之间的矛盾越来越突出,如何合理解决这一矛盾已逐渐成为各种分类方法研究的主要目标之一。目前的分类方法或多或少需要人工参与,难以适应大数据量、定量化等应用需求。本文提出了完全脱离人工操作的全自动分类的概念,通过结合图谱耦合认知理论与模式识别方法,将遥感分类过程细化为特征学习、模式学习两个过程,在保证分类精度的前提下,初步实现了遥感影像的全自动分类。本文的主要研究工作和成果如下:1.在研究现有分类方法的基础上,建立了遥感影像自动分类体系,具体包括像素级自动分类与对象级自动分类,分别对应不同空间分辨率多光谱数据的自动化分类。2.分别以改进的光谱匹配技术提高谱特征提取的精度,以形状匹配技术与非线性回归实现图特征的精确提取,从而实现了自动化分类中关键的样本自动选取过程。3.通过模糊支撑向量机(Support Vector Machine,SVM)分类方法与带有隶属度的自动样本相结合,实现了模式学习过程的定量化控制,提高分类结果的精度。4.建立了多层次迭代分类模型实现“图-谱”特征的耦合,同时构建知识融入机制以不断优化最终分类结果。5.根据上述自动化分类方法开发了原型系统,并在不同区域的土地覆盖分类中得到了应用,取得了较好的效果。虽然从自动分类概念的提出到系统的开发应用已经取得了不少成果,但是当前的研究中还存在较多不足,如分类过程中没有考虑尺度因素对于影像特征、类型的影响,在深入研究过程中需要特别注意,同时还需要提高先验知识库的科学性与适用性,另外将多分类器结合迭代分类模型等方面也需要进一步研究。

全文目录

摘要  5-7
ABSTRACT  7-12
图索引  12-14
表索引  14-15
第1章绪论  15-25
  1.1 研究背景  15-17
  1.2 遥感影像土地覆盖分类研究现状  17-20
    1.2.1 土地覆盖分类研究现状  17-18
    1.2.2 存在的问题  18
    1.2.3 遥感影像自动分类  18-20
  1.3 论文的主要研究内容及研究方法  20-23
    1.3.1 本文的主要研究内容  20-22
    1.3.2 本文的研究方法  22-23
  1.4 论文的章节安排  23-25
第2章遥感影像自动分类理论基础  25-39
  2.1 遥感影像分类方法概述  25-34
    2.1.1 模式识别分类方法  26-30
      2.1.1.1 支撑向量机分类器  28-29
      2.1.1.2 多分类器综合  29-30
    2.1.2 融入辅助知识的分类方法  30-34
      2.1.2.1 图像特征挖掘  31-32
      2.1.2.2 地学特征融合  32-33
      2.1.2.3 特征降维  33-34
  2.2 图谱耦合认知理论  34-37
    2.2.1 地学信息图谱理论  34-35
    2.2.2 遥感数据的“图-谱”特征  35-36
    2.2.3 图谱耦合认知理论  36-37
  2.3 耦合“图-谱”特征的自动分类方法  37-38
  2.4 本章小结  38-39
第3章遥感影像自动分类算法研究  39-50
  3.1 分步迭代的单要素自动分类  39-44
    3.1.1 算法总体流程  39-40
    3.1.2 光谱特征提取  40-42
      3.1.2.1 水体指数  40-41
      3.1.2.2 植被指数  41-42
    3.1.3 空间特征表达  42-43
    3.1.4 实验效果  43-44
  3.2 耦合“图-谱”特征的自动分类体系  44-49
    3.2.1 像素级自动分类  44-46
      3.2.1.1 像素级分类  44-45
      3.2.1.2 自动化改造  45-46
    3.2.2 对象级自动分类  46-49
      3.2.2.1 对象级分类  46-48
      3.2.2.2 自动化改造  48-49
  3.3 本章小结  49-50
第4章自动分类优化关键技术研究  50-70
  4.1 光谱匹配技术改进相似性度量  50-55
    4.1.1 光谱匹配技术及其优化  50-52
      4.1.1.1 光谱角制图（SAM）  51
      4.1.1.2 光谱相似度（SSV）  51
      4.1.1.3 核映射下的度量  51-52
    4.1.2 实验方法  52-53
    4.1.3 实验效果  53-55
      4.1.3.1 研究区域  53-54
      4.1.3.2 结果及分析  54-55
  4.2 基于形状匹配的非线性回归度量  55-59
    4.2.1 形状匹配  55-57
    4.2.2 非线性回归  57
    4.2.3 实验方法及效果  57-59
  4.3 基于样本隶属度的模糊SVM 分类  59-63
    4.3.1 SVM 分类的模糊化  59-61
    4.3.2 实验方法及效果  61-63
  4.4 多层次图谱特征迭代分类  63-69
    4.4.1 多层次迭代分类  63-65
    4.4.2 自适应迭代过程  65-67
      4.4.2.1 主导类别选择  65
      4.4.2.2 特征计算  65-66
      4.4.2.3 基于最大互信息的特征选择  66
      4.4.2.4 迭代终止与收敛性  66-67
    4.4.3 实验方法及效果  67-69
      4.4.3.1 研究区域  67
      4.4.3.2 结果评价方法  67
      4.4.3.3 结果分析  67-69
  4.5 本章小结  69-70
第5章自动分类系统及土地覆盖分类应用  70-79
  5.1 自动分类系统介绍  70-71
  5.2 干旱区流域土地覆盖分类应用  71-74
    5.2.1 地学知识库构建  72-73
    5.2.2 应用实验及分析  73-74
      5.2.2.1 研究区选择  73
      5.2.2.2 实验方法  73-74
      5.2.2.3 实验结果及分析  74
  5.3 海岸带土地覆盖分类应用  74-78
    5.3.1 地学知识库构建  75-76
    5.3.2 应用实验及分析  76-78
      5.3.2.1 研究区选择  77
      5.3.2.2 实验方法  77
      5.3.2.3 实验结果及分析  77-78
  5.4 本章小结  78-79
第6章总结与展望  79-82
  6.1 主要研究工作及结论  79-80
  6.2 本文创新之处  80
  6.3 研究的不足与今后展望  80-82
参考文献  82-88
致谢  88-90
攻读学位期间参加的科研项目和成果  90

耦合“图—谱”特征的遥感影像自动分类方法研究

内容摘要

全文目录

相似论文