学位论文 > 优秀研究生学位论文题录展示

基于凝聚层次聚类的高分辨率遥感影像分割算法研究

作　者: 刘荣杰
导　师: 邵峰晶
学　校: 青岛大学
专　业: 计算机软件与理论
关键词: 聚类分析凝聚层次聚类遥感高分辨率遥感影像分割
分类号: TP751
类　型: 硕士论文
年　份: 2008年
下　载: 246次
引　用: 6次
阅　读: 论文下载

内容摘要

遥感影像分割是遥感影像模式识别的基础,是实现从遥感影像上进行目标计算机自动提取的第一步工作,在遥感应用分析中具有重要意义。聚类分析作为一种非监督学习方法,广泛应用于遥感影像分割,在中低分辨率遥感影像分割中取得了不错的效果。但是随着遥感影像分辨率的提高,现有的常用聚类分割算法存在分割精度不高、分割结果杂点、碎斑过多等不足,已经不能满足高分辨率遥感影像的应用需求。基于此,本文研究了常用的遥感影像聚类分割算法,通过实验分析了它们在高分辨率影像分割时存在的问题和不足。并针对这些问题和不足,研究了基于凝聚层次聚类的高分辨率遥感影像分割算法。本文的主要研究工作如下:研究了数据挖掘的基本原理、功能和过程,总结了数据挖掘在各个领域的应用,并对聚类分析进行了深入研究,分析了各类聚类分析算法的优缺点。研究了遥感及遥感影像分割的相关概念,分析了各类遥感影像分割算法的优缺点,详细介绍了常用的遥感影像聚类分割算法K-Means和ISODATA,并利用高分辨率影像对这两个算法进行了实验分析。针对K-Means和ISODATA在高分辨率遥感影像分割中的不足,基于凝聚层次聚类算法的思想,结合高分辨率遥感影像特点,研究了基于凝聚层次聚类的高分辨率遥感影像分割算法。该算法以影像光谱特性和形状特性作为判定规则,通过加入了影像网格化、碎斑和噪声去除等功能,有效提高了影像分割结果的可用性和准确性。并利用SPOT-5影像数据对算法的有效性进行实验验证,分别进行了参数实验和网格化效率实验,以及与K-Means、ISODATA聚类分割算法比较实验,实验结果表明该算法能够较好地完成遥感影像的分割,较之K-Means和ISODATA有一定的优势。

全文目录

摘要  2-3
Abstract  3-6
第一章绪论  6-11
  1.1 选题背景及研究意义  6-7
  1.2 国内外研究进展  7-9
  1.3 主要研究内容  9-10
  1.4 论文组织结构  10-11
第二章数据挖掘及聚类分析  11-19
  2.1 数据挖掘  11-16
    2.1.1 知识发现与数据挖掘  11-12
    2.1.2 数据挖掘功能  12-13
    2.1.3 数据挖掘过程  13-15
    2.1.4 数据挖掘应用  15-16
  2.2 聚类分析  16-18
    2.2.1 聚类分析定义  16
    2.2.2 聚类分析算法分类  16-18
  2.3 小结  18-19
第三章遥感及遥感影像分割  19-33
  3.1 遥感概述  19-23
    3.1.1 遥感及其发展  19-21
    3.1.2 主要高分辨率光学卫星介绍  21-23
  3.2 遥感影像分割  23-24
  3.3 遥感影像分割方法  24-26
  3.4 遥感影像聚类分割方法  26-31
    3.4.1 K-Means算法  26-27
    3.4.2 迭代自组织聚类算法(ISODATA)  27-29
    3.4.3 遥感影像分割实验  29-31
  3.5 小结  31-33
第四章基于凝聚层次聚类的高分辨率遥感影像分割算法  33-52
  4.1 算法的提出  33-40
    4.1.1 算法相似度度量  34-35
    4.1.2 算法流程  35-37
    4.1.3 算法描述  37-40
  4.2 算法实现  40-41
  4.3 算法实验分析  41-51
    4.3.1 算法参数实验分析  41-46
    4.3.2 影像网格化效率实验分析  46-49
    4.3.3 算法比较实验分析  49-51
  4.4 小结  51-52
第五章总结与展望  52-54
  5.1 工作总结  52-53
  5.2 研究展望  53-54
参考文献  54-56
攻读硕士期间的研究成果  56-57
致谢  57-58

基于凝聚层次聚类的高分辨率遥感影像分割算法研究

内容摘要

全文目录

相似论文