多核支持向量机在高分辨率遥感影像分类中的应用研究

发布时间：2021-01-28 13:32

　　近年来,由于航天和遥感技术的持续发展,对地观测已进入一个新的时代。高分辨率遥感影像日益成为获取地物信息的主要数据来源,在地理国情普查与监测、城市规划、资源勘测、大比例尺制图等方面发挥着重要的作用。高分辨率遥感影像除了具有一定的光谱特征外,还具有丰富的形状、纹理特征,这给影像的智能化分类提出了新的挑战。支持向量机（SVM）作为一种以核函数为基础的分类算法,在模式识别等问题上具有良好的泛化性能,在各领域具有广泛的应用。但由于高分辨率遥感影像地物分布的复杂性和SVM中不同核函数分类性能存在明显不同,导致基于SVM的高分辨率遥感影像分类研究还有待深入。因此本文就SVM在高分辨率遥感影像分类中的应用进行研究。首先,分析了本研究课题的背景和研究意义、研究现状及存在的问题,介绍了SVM基本原理、特点及存在的问题;阐述了高分辨率遥感影像的特点及分类方法。其次,针对SVM在高分辨率遥感影像分类中存在的问题,提出利用多个核函数加权组合方式构建多核SVM进行分类。最后,为了进一步提高分类器的分类性能和泛化能力,提出了一种改进RBaggSVM算法的多核SVM集成学习模型,将多核函数加入RBaggSVM算法中,... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

图2.1两类线性可分的最优分类

其灰度直方图累积概率必然为 1，那么：, 1 1( ) log( ) 0t ti im n i i f f(3, 1 , 1( ) log( ) 2 log 2 1.3863t ti im n i m n i f f (3合并化简以后原公式为：, 1 1 , ,( , ) 2 log ( ) log( ) 1.3863t ti i i im n i i m n m nG m n f f f f (将该算法应用到高分辨率遥感影像中进行仿真实验，实验影像选取重庆市地区的高分辨率影像，所选影像的大小为 769 769。本实验首先利用分水岭算法对原始影像实行初始分割，然后使用本文提出的结合光谱信息、纹理信息对象之间空间形状信息的合并代价函数和区域邻接图对过分割影像进行区域合

其灰度直方图累积概率必然为 1，那么：, 1 1( ) log( ) 0t ti im n i i f f(3, 1 , 1( ) log( ) 2 log 2 1.3863t ti im n i m n i f f (3合并化简以后原公式为：, 1 1 , ,( , ) 2 log ( ) log( ) 1.3863t ti i i im n i i m n m nG m n f f f f (将该算法应用到高分辨率遥感影像中进行仿真实验，实验影像选取重庆市地区的高分辨率影像，所选影像的大小为 769 769。本实验首先利用分水岭算法对原始影像实行初始分割，然后使用本文提出的结合光谱信息、纹理信息对象之间空间形状信息的合并代价函数和区域邻接图对过分割影像进行区域合


本文编号：3005081