基于集成学习的多光谱遥感图像分类研究

发布时间：2017-10-13 22:42

  本文关键词：基于集成学习的多光谱遥感图像分类研究

  更多相关文章： 集成学习 多光谱遥感图像 RUSBoost Logit AdaBoost LBPV ICA

【摘要】：随着卫星传感器质量和数量的不断保证,针对多光谱遥感图像的分类研究理论论证不断增加,相对于传统的遥感影像,多光谱遥感图像的波段信息丰富,空间信息明显充实。传统分类方法并不能很好反映多光谱遥感图像精准的地物特征,不能完善地物特征的分类。为了避免传统的分类方法的缺陷,本文采用集成学习分类方法研讨多光谱遥感图像的分类,并对多光谱遥感图像的纹理特征,分类特征的简化降维等关键问题进行了研究,具体的研究内容如下所示:对于集成学习算法层面,本文研究了两部分的内容。第一部分是使用多分类ECOC框架与二分类算法Logit AdaBoost算法结合的方式将二分类算法扩展成为多分类算法,并在ALOS影像上进行了分类,通过与传统的AdaBoost算法和Logit AdaBoost算法相比较,证明了算法的优越性;第二部分是针对不平衡遥感影像分类问题,通过改变基分类器输出形式,将RUSBoost算法改造成多分类算法,并应用在存在类别不平衡的Pleiades高分辨率影像上,使用该算法可以在不影响总体精度的情况下提高少数类别的分类精度,。在纹理特征提取方面,本文将LBPV方法应用在了多光谱遥感图像提取上,提取了图像了LBP纹理特征和VAR对比度特征,相比较传统的纹理提取方法,更好的描述了图像的空间特征。光谱特征和纹理特征获取之后,通过ICA独立主成分分析变换提取多光谱遥感图像自身特征的高阶统计量,将用于分类的特征空间迭代优化,有利于分类效果的提高。最后,本文进行了基于集成学习的多光谱遥感图像分类实验,基于所提出的多分类算法得到的结果进行实验验证和分析。最终结果表明,本文所提出的方法,能够有效解决多光谱遥感图像的分类问题,且无论从信息提取效果还是分类精度上都较之AdaBoost、SVM分类有所提高。
【关键词】：集成学习 多光谱遥感图像 RUSBoost Logit AdaBoost LBPV ICA
【学位授予单位】：北方民族大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-14
• 1.1 研究背景及意义8-9
• 1.2 国内外研究进展9-11
• 1.3 存在的问题11
• 1.4 论文研究内容和结构11-14
• 第二章 遥感图像分类14-21
• 2.1 遥感图像分类基本原理14-15
• 2.2 非监督分类15-16
• 2.3 监督分类方法16-19
• 2.4 分类精度评价19-20
• 2.5 本章小结20-21
• 第三章 集成学习21-30
• 3.1 集成学习概述21-22
• 3.2 集成学习个体生成和结论生成方法22-24
• 3.3 分类器组成结构24-27
• 3.4 Boosting分类模型及对比27-29
• 3.5 本章小结29-30
• 第四章 集成学习多分类算法30-40
• 4.1 经典多分类方法30-31
• 4.2 ECOC分类框架31-34
• 4.3 基于ECOC的Logit AdaBoost多分类算法34-36
• 4.4 不平衡数据与集成学习36-38
• 4.5 RUSBoost多分类算法38-39
• 4.6 本章小结39-40
• 第五章 多光谱遥感图像分类实验40-49
• 5.1 LBPV纹理特征40-43
• 5.2 基于LAB_ECOC算法的湿地图像实验43-45
• 5.3 基于RUSBoost_multiclass算法的固废图像实验45-48
• 5.4 本章小结48-49
• 第六章 总结与展望49-51
• 6.1 总结49-50
• 6.2 研究展望50-51
• 参考文献51-59

【相似文献】

中国期刊全文数据库 前10条

1 王福涛;王世新;周艺;王丽涛;阎福礼;;多光谱遥感在重大自然灾害评估中的应用与展望[J];光谱学与光谱分析;2011年03期

2 王传善;多光谱遥感数据之相关性[J];中国空间科学技术;1984年05期

3 杨金中;;多光谱遥感异常提取技术方法体系研究[J];国土资源遥感;2007年04期

4 ;第二讲 多光谱遥感图象的判释及应用[J];铁路航测;1983年03期

5 周建勋，刘士才，王庆宝;多光谱遥感电视系统[J];环境遥感;1994年04期

6 刘鹏;刘定生;李国庆;刘志文;;基于非局部平均的多光谱遥感图像除噪声[J];光谱学与光谱分析;2011年11期

7 刘伟强,胡静,夏德深;基于核空间的多光谱遥感图像分类方法[J];国土资源遥感;2002年03期

8 曾生根,夏德深;独立分量分析在多光谱遥感图像分类中的应用[J];计算机工程与应用;2004年21期

9 程博,刘少峰,梅雪峰;利用多光谱遥感数据提取植被污染信息的新方法[J];现代地质;2005年03期

10 柳广宗;陈延平;张建寰;任闽臻;孔令华;易定容;;微型、超轻型中低空多光谱遥感设备[J];机电技术;2012年02期

中国重要会议论文全文数据库 前6条

1 李石华;王金亮;;多光谱遥感数据最佳波段选择方法试验研究——以高山峡谷地区为例[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

2 李洋;胡蕾;;结合多层特征的多光谱遥感图像道路提取研究[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

3 张守林;傅水兴;杨自安;;多光谱遥感矿化蚀变异常筛选方法的研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 胡河山;覃亚丽;;基于蚁群算法的多光谱遥感图像分类[A];浙江省信号处理学会2012学术年会论文集[C];2012年

5 万曙静;张承明;刘俊华;;基于自适应最小距离调整的多光谱遥感图像分类方法[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

6 舒嵘;贾建军;王斌永;;小型无人机高分辨率多光谱遥感技术的研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

中国重要报纸全文数据库 前1条

1 地力办;“天眼”调查尾矿污染技术成熟[N];地质勘查导报;2006年

中国博士学位论文全文数据库 前4条

1 吴铮;多光谱遥感图像压缩技术研究[D];西北工业大学;2004年

2 杨威;基于模式识别方法的多光谱遥感图像分类研究[D];东北师范大学;2011年

3 李嘉;基于内容的多光谱遥感影像检索若干关键技术研究[D];华中科技大学;2009年

4 王媈;星载多光谱遥感图像压缩技术研究[D];武汉大学;2013年

中国硕士学位论文全文数据库 前10条

1 李星;基于集成学习的多光谱遥感图像分类研究[D];北方民族大学;2016年

2 吴昊;一种新的多光谱遥感图像无损压缩算法研究[D];海南大学;2012年

3 李红宣;基于多光谱遥感影像的海船目标检测技术研究[D];云南大学;2013年

4 郝秀兰;多光谱遥感图像压缩技术研究[D];西北工业大学;2004年

5 白文路;多光谱遥感影像的纹理特征研究[D];哈尔滨工业大学;2010年

6 司美玲;多光谱遥感图像配准与融合方法研究[D];南京理工大学;2011年

7 吴晓荣;基于多小波分析的多光谱遥感图像矢量融合及其仿真[D];西北工业大学;2006年

8 姜秋富;卫星多光谱遥感数据溢油检测方法研究[D];中国海洋大学;2011年

9 孙一博;基于光谱反射率变化分析的多光谱遥感图像变化检测研究[D];西安电子科技大学;2013年

10 周伟奇;内陆水体水质多光谱遥感监测方法和技术研究[D];中国科学院研究生院（遥感应用研究所）;2004年

，

本文编号：1027503