融合各最优尺度下特征的高分辨率遥感影像分类

发布时间：2017-08-17 10:37

  本文关键词：融合各最优尺度下特征的高分辨率遥感影像分类

  更多相关文章： 高分辨遥感 分类 多尺度 特征选择 支持向量机

【摘要】：在面向对象的高分辨率遥感影像的分类方法中,首先将影像分割成同质对象,然后再提取地物目标的多种特征,进而在此基础上实现对影像的分类。本文提出了一种系统的面向对象的高分辨遥感影像分类的技术方案,主要研究内容如下：(1)采用多尺度分割模型对高分辨率遥感影像进行初始分割。首先构建同质性与异质性指标,由此构建多尺度分割尺度模型,得到不同地物的最优分割尺度,为下一步充分提取各地物目标的特征做下奠定,并通过实验验证了其分割效果。(2)不同的地物对应着不同的分割结果,为了充分提取地物的特征,选择在各自对应的最优尺度下提取特征,这样必然存在特征的重复与冗余,为了消除无关冗余特征,提出使用改进SFFS算法去除无关特征,再使用互信息去除冗余特征,形成初步特征集。(3)为了实现多类地物的分类,组合多个SVM二分类器实现多分类的功能。为了充分利用特征信息,在分类中利用不同的特征对不同的分类器进行训练,并通过多个核函数的组合使用,提高分类精度。针对核函数参数的确定,在前人的研究基础上,利用遗传算法对其进行改进,在训练过程中动态修改参数,直到找到全局最优解。
【关键词】：高分辨遥感 分类 多尺度 特征选择 支持向量机
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要5-6
• Abstract6-7
• 第一章 前言7-16
• 1.1 研究背景及意义7-10
• 1.2 最优尺度选择方法综述10-12
• 1.2.1 经验反复试错法10
• 1.2.2 参数鉴别法10-11
• 1.2.3 构建模型法11-12
• 1.3 课题研究目的和内容12-13
• 1.4 本文组织结构13-16
• 第二章 高分辨率遥感影像分类理论基础16-26
• 2.1 尺度分割16-18
• 2.2 特征提取18-25
• 2.2.1 纹理特征18-21
• 2.2.2 形状特征21-23
• 2.2.3 颜色特征23-25
• 2.3 本章小结25-26
• 第三章 最优分割尺度26-34
• 3.1 函数的构建26-29
• 3.2 实验结果与分析29-33
• 3.3 本章小结33-34
• 第四章 多特征提取与特征选择34-45
• 4.1 对象的特征34-37
• 4.1.1 纹理特征34-35
• 4.1.2 形状特征35-37
• 4.1.3 颜色特征37
• 4.2 特征选择概述37-40
• 4.3 基于SFFS算法的无关特征筛除40-42
• 4.3.1 SFFS算法40-42
• 4.3.2 去除无关特征42
• 4.4 基于互信息的冗余无关特征筛除42-44
• 4.4.1 互信息42-44
• 4.4.2 去除冗余特征44
• 4.5 本章小结44-45
• 第五章 基于遗传算法优化的SVM分类模型45-66
• 5.1 基于遗传算法的特征集筛选45-52
• 5.1.1 遗传算法45-49
• 5.1.2 特征集筛选49-52
• 5.2 支持向量机52-56
• 5.2.1 二分类53-56
• 5.2.2 多分类56
• 5.3 基于遗传算法优化的SVM多分类模型56-60
• 5.4 实验与分析60-65
• 5.4.1 实验影像选取60
• 5.4.2 实验结果与比较60-62
• 5.4.3 实验精度评价62-65
• 5.5 本章小结65-66
• 第六章 结论与展望66-68
• 参考文献68-73
• 致谢73
• 作者简介73-74
• 作者在攻读硕士学位期间学术成果74

，

本文编号：688568