基于MLR和空谱特征的遥感图像分类方法研究

发布时间：2021-07-11 09:04

　　航天遥感技术的迅速发展为气候、地貌和海洋等相关领域的研究提供了大量直接有效的素材,相关科研工作的主要任务常常是对遥感图像的分析和处理。但是由于卫星遥感图像（尤其是高光谱数据）信息量大,部分信息（如气象遥感数据）的时效性强,遥感图像的人工分析处理的效率低且成本高,如果采用图像处理方法对卫星图像进行分类将大大提高工作效率。目前的许多方法通过多种分类算法和特征提取技术的组合,已经实现了将图像中的景物比如云团、山脉、河流、海洋等进行分类,得出相对准确的分类结果。结合当前的图像分类方法,本文针对现有的遥感图像处理和分析方法进行了研究,提出了一种基于MLR和空谱特征的遥感图像分类方法。相对于以往的基于支持向量机和像素级特征的分类方法,本文算法具有以下几方面的优势:1.本文提出了一种基于OIF的波段选择算法。在原有的OIF算法基础上,对原始波段数据集进行初选,通过评价指数将噪声波段或图像结构不清晰的波段去除。通过设置筛选阈值限制初选结果,从而将原数据集的波段数控制在一定范围之内,然后使用计算量较大的OIF方法对剩余波段进行选择,最后得到最佳波段组合用于分类。由于使用了计算速度较快的初选算法,使OIF... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

不同地物的反射波谱曲线

遗传算法流程示意图

灰度共生矩阵法特征提取流程图

【参考文献】：
期刊论文
[1]变异系数降维的CNN高光谱遥感图像分类[J]. 张康,黑保琴,周壮,李盛阳.  遥感学报. 2018(01)
[2]非线性变换和信息相邻相关的高光谱自适应波段选择[J]. 张爱武,杜楠,康孝岩,郭超凡.  红外与激光工程. 2017(05)
[3]基于SLIC和主动学习的高光谱遥感图像分类方法[J]. 赵鹏飞,周绍光,裔阳,胡屹群.  计算机工程与应用. 2017(03)
[4]改进最佳指数的高光谱快速波段选择方法[J]. 郭彤,华文深,刘恂,刘晓光,崔子浩.  激光杂志. 2016(09)
[5]高光谱图像处理与信息提取前沿[J]. 张兵.  遥感学报. 2016(05)
[6]浅述遥感技术在环境监测中的运用[J]. 杨凯,宋梦洁,陈晓婷.  安徽农学通报. 2016(13)
[7]基于Gabor特征与局部保护降维的高光谱图像分类算法[J]. 叶珍,白璘,粘永健.  光学学报. 2016(10)
[8]采用多项式递归核的高光谱遥感异常实时检测算法[J]. 赵春晖,尤伟,齐滨,王佳.  光学学报. 2016(02)
[9]一种基于改进子空间划分的波段选择方法[J]. 赵慧洁,李明康,李娜,丁昊,蔡辉.  红外与激光工程. 2015(10)
[10]基于主成分分析的高光谱遥感图像非局部去噪[J]. 印佳,杜战战.  现代电子技术. 2015(11)



本文编号：3277785