面向对象的多时相卫星影像地物分类技术

发布时间：2017-05-12 18:20

  本文关键词：面向对象的多时相卫星影像地物分类技术，由笔耕文化传播整理发布。

【摘要】：随着卫星遥感技术的不断发展,应用需求的增加,应用范围也越来越广泛。单纯的对单时相的卫星遥感技术研究已经达不到人们的需求。因此,对于地物分类来说,由于单时相卫星影像空间分辨率比较低,而且所含的光谱信息一般也比较少,分类结果一般会出现椒盐现象,不能很好的满足应用需求。本文从多时相卫星影像数据的特点出发,旨在深入挖掘多时相卫星影像信息,提高卫星影像数据应用能力。首先对卫星影像进行了预处理,接着研究了基于图论的归一化分割;并深入研究了多时相卫星影像的时间序列指数特征;针对多时相卫星影像提出了基于增量学习的集成学习分类算法,并且与传统的多时相分类算法对比,增量集成学习算法取得了较好的效果。本文工作主要是研究了卫星影像数据预处理、时序指数特征提取以及面向对象的多时相卫星影像地物分类,包括以下三个方面:首先,本文从多光谱卫星影像数据的获取原理出发。由于目前多时相卫星影像数据的空间分辨率与光谱分辨率都比较低,而且数据量比较大。采用传统的基于像素的分类方法不仅运算效率低,而且分类结果会出现椒盐现象。因此在预处理的基础上,研究了基于图论分割算法。针对最小割算法的缺陷,将图论分割算法进行了归一化,且取得了较好的分割效果。影像分割也为面向对象的分类的奠定了基础。然后,从多时相多光谱卫星影像数据的时序特性出发。研究了有利于地物分类的指数特征提取、时序指数特征提取。为了有效的揭示不同地物随时间的变化对不同指数特征的敏感度,对时序指数特征提取了一阶和二阶差分时序指数特征,并在此基础上进行了研究了面向对象的分类方法,且与传统的基于像素的分类结果进行对比,取得了较好的分类效果。最后,针对于多时相卫星影像数据的时序特性,在多核Boosting集成学习算法的基础上,引入增量学习,构建多时相分类器。增量学习可以在保留历史学习信息的基础上,对新增的样本不断学习,进而不断地更新分类器,集成的新分类器对新样本具有更好的预测效果。为验证多时相分类器的有效性,利用多时相卫星影像进行了实验。结果表明并与传统的合成核算法和集成学习算法相比,增量集成学习算法对多时相卫星影像分类表现出较好的分类性能。
【关键词】：多时相 分割 时序特征 增量学习 集成学习 分类
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP79
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-19
• 1.1 课题的背景及来源9-11
• 1.2 课题研究的目的和意义11-12
• 1.3 国内外研究现状12-17
• 1.3.1 时序信号特征提取研究现状12-14
• 1.3.2 多时相分类研究现状14-16
• 1.3.3 研究现状的总结16-17
• 1.4 本文的主要研究内容17-19
• 第2章 卫星影像数据预处理与图像分割技术19-32
• 2.1 引言19
• 2.2 研究区域数据介绍19-22
• 2.2.1 Landsat数据介绍19-20
• 2.2.2 研究区域概况20-22
• 2.2.3 真值图介绍22
• 2.3 数据预处理22-27
• 2.3.1 辐射定标23-24
• 2.3.2 大气校正24-25
• 2.3.3 影像配准25-27
• 2.4 基于图论的卫星影像分割27-31
• 2.4.1 图论概述27-28
• 2.4.2 基于图论的归一化分割方法28-30
• 2.4.3 实验结果与分析30-31
• 2.5 本章小结31-32
• 第3章 面向对象的地物分类32-49
• 3.1 引言32
• 3.2 光谱时序指数特征提取32-40
• 3.2.1 指数特征提取33-35
• 3.2.2 时序指数特征提取35-37
• 3.2.3 差分时序指数特征提取37-40
• 3.3 面向对象的分类40-43
• 3.3.1 面向对象的分类方法概述41-42
• 3.3.2 时序空间特征提取42-43
• 3.4 实验结果与分析43-47
• 3.4.1 实验数据介绍43-45
• 3.4.2 实验设置45
• 3.4.3 实验结果与分析45-47
• 3.5 本章小结47-49
• 第4章 基于增量集成学习的多时相影像地物分类49-65
• 4.1 引言49
• 4.2 合成核多时相分类49-50
• 4.3 集成学习算法50-55
• 4.3.1 方法概述50-51
• 4.3.2 Ada Boost学习算法51-53
• 4.3.3 多核Boosting学习算法53-55
• 4.4 增量集成学习分类算法55-57
• 4.4.1 增量学习概述55
• 4.4.2 增量集成学习分类55-57
• 4.5 实验结果与分析57-64
• 4.5.1 实验设置57-58
• 4.5.2 结果分析58-64
• 4.6 本章小结64-65
• 结论65-67
• 参考文献67-71
• 攻读硕士学位期间发表的论文及其它成果71-73
• 致谢73

【参考文献】

中国期刊全文数据库 前6条

1 蔡爱民,查良松;基于分形理论的安徽省旱、洪涝灾害时序特征分析[J];安徽农业大学学报;2005年04期

2 亓雪勇;田庆久;;光学遥感大气校正研究进展[J];国土资源遥感;2005年04期

3 曾文锋,李树山,王江安;基于仿射变换模型的图像配准中的平移、旋转和缩放[J];红外与激光工程;2001年01期

4 姚薇;李志军;姚珙;吴金凤;江栋梁;;Landsat卫星遥感影像的大气校正方法研究[J];大气科学学报;2011年02期

5 林珠;邢延;;数据挖掘中适用于分类的时序数据特征提取方法[J];计算机系统应用;2012年10期

6 孙越凡;钟礼山;程亮;李满春;;动态时间弯曲技术支持下时序NDVI数据的耕地分布信息提取——以江苏省苏南地区为例[J];资源科学;2014年09期

  本文关键词：面向对象的多时相卫星影像地物分类技术，，由笔耕文化传播整理发布。

本文编号：360530