学位论文 > 优秀研究生学位论文题录展示

基于SVM与多源数据融合的土地利用分类

作　者: 郭娇梅
导　师: 姜铁兵；易善桢
学　校: 华中科技大学
专　业: 系统分析与集成
关键词: 土地利用/土地覆盖 遥感 分类 分类特征 SVM 数据融合
分类号: F301
类　型: 硕士论文
年　份: 2007年
下　载: 308次
引　用: 2次
阅　读: 论文下载
 

内容摘要


土地利用与土地覆盖变化是全球变化研究的重要内容,土地覆盖变化对地面反照率和地球生物化学循环,区域的水质和水量,生物多样性及陆地生态系统的初级生产力和环境适应能力产生深刻的影响,因此及时准确地获取土地覆盖信息对政府决策部门和科学研究都具有重要意义。随着遥感平台的多样化和图像分辨率的提高,遥感技术已成为土地利用与土地覆盖变化研究中不可或缺的手段。在遥感影像的土地利用/土地覆盖分类中,解译标志,即分类特征指标,作为联系图像信息和土地利用的生态学特征之间的纽带,是提高遥感影像分类的一个重要因素。另外,选择好的分类方法,也是实现高精度、智能化的进行遥感影像分类的前提条件。本文以2000年获取的Landsat TM影像作为主信息源,根据目前土地利用/土地覆盖调查过程中沿用的3级分类系统,在研究区进行了土地利用分类,主要的工作如下:(1)对TM影像的几个光谱波段进行选择,挑选最佳波段组合作为分类特征;考虑到植被指数对水体和湿地的影响,将植被指数也作为分类特征之一。结合光谱特征和植被指数进行土地利用分类,结果表明光谱特征是起主导作用的,结合植被指数后,有效的分离出水体和湿地,提高了分类精度。(2)在分类方法上,采用SVM进行影像分类,通过和其它传统的遥感影像分类方法比较。结果表明,SVM在解决小样本、高维问题方面具有独特的优势,分类精度较高,在遥感影像分类中的应用有得天独厚的优势。(3)结合SPOT影像,进行了高分辨率影像和多光谱影像的数据融合,并对融合后的影像,利用SVM进行了分类。实验结果表明,综合利用数据融合和智能方法进行遥感影像土地利用分类,可以综合各自的优点来提高土地利用的分类精度。

全文目录


摘要  4-5
ABSTRACT  5-10
1 概论  10-15
  1.1 选题的意义  10-11
  1.2 国内外研究遥感影像分类技术的研究现状  11-13
  1.3 本文的主要研究内容  13-15
2 遥感影像数据特点及其主要分类方法  15-23
  2.1 遥感影像数据的特点  15-17
    2.1.1 地物光谱特征  15-16
    2.1.2 地物空间特征  16
    2.1.3 地物时间特征  16-17
  2.2 遥感影像分类  17-20
    2.2.1 遥感数据的模式理解  17-18
    2.2.2 特征提取  18-19
    2.2.3 遥感影像的分类  19-20
  2.3 遥感影像的分类方法  20-23
    2.3.1 基本分类方法  20
    2.3.2 监督分类的一般描述  20-23
3 支持向量机及其理论基础  23-37
  3.1 机器学习  23-26
    3.1.1 模式识别问题  24
    3.1.2 经验风险最小化  24-25
    3.1.3 复杂性和推广能力  25-26
  3.2 统计学习理论  26-28
    3.2.1 VC 维  26
    3.2.2 推广性的界  26-27
    3.2.3 结构风险最小化  27-28
  3.3 支持向量机  28-33
    3.3.1 线性分类学习机  29
    3.3.2 最优分类超平面  29-32
    3.3.3 支持向量机  32-33
  3.4 核函数及模型选择  33-37
    3.4.1 核函数  33-35
    3.4.2 模型选择  35-37
4 TM 数据及其SVM 分类  37-47
  4.1 TM 数据介绍  37-38
  4.2 分类特征提取  38-40
    4.2.1 光谱波段选择  38-40
    4.2.2 植被指数提取  40
  4.3 TM 影像分类的具体实现  40-46
    4.3.1 分类特征提取  41
    4.3.2 样本选取及数据标准化  41-42
    4.3.3 核函数与参数选择  42
    4.3.4 实验和结果分析  42-46
  4.4 本章小结  46-47
5 多源遥感数据融合及其SVM 分类  47-58
  5.1 多源影像数据融合  47-51
    5.1.1 数据融合基本理论  47-48
    5.1.2 图像预处理  48-49
    5.1.3 数据融合处理  49-50
    5.1.4 融合图像质量评价  50-51
  5.2 TM 影像与SPOT 影像融合实验  51-56
    5.2.1 SPOT 数据介绍  51-52
    5.2.2 TM 影像与SPOT 影像的融合  52-55
    5.2.3 融合后的效果评价  55-56
  5.3 融合后SVM 分类实验  56-58
    5.3.1 分类实验  56
    5.3.2 结果分析  56-58
6 结束语  58-59
致谢  59-60
参考文献  60-65
附录1 研究生期间发表论文情况  65

相似论文

  1. K公司计划及预测改进对于合理库存配置的研究,F224
  2. 基于微型无人平台导航多传感器信息融合算法研究,V249.32
  3. 基于词义及语义分析的问答技术研究,TP391.1
  4. 基于三维重建的焊点质量分类方法研究,TP391.41
  5. 统计与语言学相结合的词对齐及相关融合策略研究,TP391.2
  6. 星载高光谱传感器模拟仿真系统研究,TP391.9
  7. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  8. 基于图像的路面破损识别,TP391.41
  9. 多样性密度学习算法的研究与应用,TP181
  10. 高保真遥感图象压缩与分辨率增强联合处理研究,TP751
  11. 计算智能在数字化卷烟叶组配方中的应用研究,TS44
  12. 基于区域分割的遥感影像道路提取算法研究,TP751
  13. 基于中国土壤系统分类的土壤类型和界线确定研究,S155
  14. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  15. 面向公众的教育视频共建共享平台的设计与实践研究,G434
  16. 基于SVM分类算法的主题爬虫研究,TP391.3
  17. 基于ArcGIS Server的农区水质遥感反演信息系统构建研究,S127
  18. 基于土壤系统分类的土壤调查方法研究,S155
  19. 基于HJ卫星混合像元分解的水稻生长监测技术研究,S511
  20. 基于连锁图的QTL综合分析方法研究,S562
  21. 南京市溧水县稻田土壤全氮的遥感估测,S153

中图分类: > 经济 > 农业经济 > 农业经济理论 > 土地经济学
© 2012 www.xueweilunwen.com