基于极限学习机的高分辨率遥感图像分类算法研究
发布时间：2021-01-02 03:20
遥感技术具有宏观、综合、高效、动态、信息量大的特点,使其能够广泛的应用于各个领域。新型遥感器的研发和运行,能够快速便捷的获取大量遥感图像,且包含的地物信息更加丰富。高空间分辨率遥感图像海量数据、复杂细节和尺度依赖的特点决定了高分辨率遥感影像处理的技术难点。如QuikBird和WorldView等高分辨遥感图像表现出了更多的地物信息,诸如光谱、形状、色调、纹理等。对于遥感图像进行分类,是获取遥感图像中信息的基本方法。传统的基于像元的遥感图像分类方法,大都只是针对影像的光谱特征,但仅从光谱特征出发进行遥感影像的分析处理,所能得到的信息有限。所以,采用传统的遥感分类方法,将浪费很多高空间分辨率遥感影像的信息。如何充分利用遥感图像的信息对其进行分类,是一个困难且具有挑战性的问题。空间数据挖掘的主要任务之一是从遥感图像中提取信息,实现知识驱动的遥感图像解译。为了解决这个问题,很多机器学习算法都被引入到遥感图像处理中。本文在遥感图像分类方法的改进方面进行了研究,提出了一种基于极限学习机的高分辨率遥感图像分类算法。为了测试该算法的分类性能,使用了HYDICE航空影像,该航空影像是用于检测算法有效性的...
【文章来源】：辽宁师范大学辽宁省
【文章页数】：50 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题的背景和意义
1.1.1 选题的背景
1.1.2 选题的意义
1.2 国内外研究现状
1.3 研究的内容
1.4 论文的组织结构
2 相关理论基础
2.1 空间数据挖掘
2.1.1 空间数据挖掘的基本任务
2.1.2 空间数据挖掘的理论方法
2.2 极限学习机算法
2.2.1 极限学习机算法原理
2.2.2 极限学习机算法应用
2.3 遥感图像分类方法概述
2.4 遥感技术在城市中的应用
3 基于极限学习机的分类器设计
3.1 分类器比较
3.1.1 BP神经网络
3.1.2 支持向量机
3.2 分类器设计
3.3 仿真实验
3.3.1 数据介绍
3.3.2 仿真实验
3.3.3 结果分析
3.4 本章小结
4 极限学习机在高分辨率遥感图像分类中的应用
4.1 HYDICE航空影像
4.1.1 数据介绍
4.1.2 数据处理与结果
4.1.3 实验结果分析
4.2 WorldView 2 高分辨率遥感图像
4.2.1 数据介绍
4.2.2 数据处理与结果
4.2.3 实验结果分析
4.3 本章小结
5 遥感图像分类结果评价
6 结论与展望
6.1 结论
6.2 展望
参考文献
附录A 极限学习机代码
攻读硕士学位期间参与项目及发表学术论文情况
致谢
【参考文献】：
期刊论文
[1]一种高分辨率遥感影像的最优分割尺度自动选取方法[J]. 殷瑞娟,施润和,李镜尧. 地球信息科学学报. 2013(06)
[2]小波核极限学习机分类器[J]. 王杰,郭晨龙. 微电子学与计算机. 2013(10)
[3]基于克隆选择支持向量机高光谱遥感影像分类技术[J]. 刘庆杰,荆林海,王梦飞,蔺启忠. 光谱学与光谱分析. 2013(03)
[4]高分辨率遥感影像分类的多示例集成学习[J]. 杜培军,阿里木·赛买提. 遥感学报. 2013(01)
[5]高分辨率遥感图像分割的最优尺度选择[J]. 刘兆祎,李鑫慧,沈润平,朱枫,张凯,王恬,王媛媛. 计算机工程与应用. 2014(06)
[6]粗糙集约简的神经网络遥感分类应用[J]. 潘远,杨景辉,武文波. 遥感信息. 2012(04)
[7]光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法[J]. 吴炜,骆剑承,沈占锋,朱志文. 武汉大学学报(信息科学版). 2012(07)
[8]改进在线贯序极限学习机在模式识别中的应用[J]. 尹刚,张英堂,李志宁,范红波. 计算机工程. 2012(08)
[9]高分辨率遥感影像的支持张量机分类方法[J]. 张乐飞,黄昕,张良培. 武汉大学学报(信息科学版). 2012(03)
[10]正负模糊规则系统、极限学习机与图像分类[J]. 吴军,王士同,赵鑫. 中国图象图形学报. 2011(08)
博士论文
[1]核极限学习机的理论与算法及其在图像处理中的应用[D]. 李小冬.浙江大学 2014
[2]基于极限学习的系统辨识方法及应用研究[D]. 杨易旻.湖南大学 2013
[3]基于视觉特征的高分辨率光学遥感影像目标识别与提取技术研究[D]. 柳稼航.上海交通大学 2011
[4]高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究[D]. 黄昕.武汉大学 2009
[5]高分辨率光学卫星影像城市道路识别方法研究[D]. 龙辉.中国科学院研究生院（遥感应用研究所） 2006
[6]高分辨率遥感图像分类技术研究[D]. 陈忠.中国科学院研究生院（遥感应用研究所） 2006
硕士论文
[1]基于面向对象分类法的高分辨率遥感影像矿山信息提取应用研究[D]. 祝振江.中国地质大学（北京） 2010
本文编号：2952550
【文章来源】：辽宁师范大学辽宁省
【文章页数】：50 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题的背景和意义
1.1.1 选题的背景
1.1.2 选题的意义
1.2 国内外研究现状
1.3 研究的内容
1.4 论文的组织结构
2 相关理论基础
2.1 空间数据挖掘
2.1.1 空间数据挖掘的基本任务
2.1.2 空间数据挖掘的理论方法
2.2 极限学习机算法
2.2.1 极限学习机算法原理
2.2.2 极限学习机算法应用
2.3 遥感图像分类方法概述
2.4 遥感技术在城市中的应用
3 基于极限学习机的分类器设计
3.1 分类器比较
3.1.1 BP神经网络
3.1.2 支持向量机
3.2 分类器设计
3.3 仿真实验
3.3.1 数据介绍
3.3.2 仿真实验
3.3.3 结果分析
3.4 本章小结
4 极限学习机在高分辨率遥感图像分类中的应用
4.1 HYDICE航空影像
4.1.1 数据介绍
4.1.2 数据处理与结果
4.1.3 实验结果分析
4.2 WorldView 2 高分辨率遥感图像
4.2.1 数据介绍
4.2.2 数据处理与结果
4.2.3 实验结果分析
4.3 本章小结
5 遥感图像分类结果评价
6 结论与展望
6.1 结论
6.2 展望
参考文献
附录A 极限学习机代码
攻读硕士学位期间参与项目及发表学术论文情况
致谢
【参考文献】：
期刊论文
[1]一种高分辨率遥感影像的最优分割尺度自动选取方法[J]. 殷瑞娟,施润和,李镜尧. 地球信息科学学报. 2013(06)
[2]小波核极限学习机分类器[J]. 王杰,郭晨龙. 微电子学与计算机. 2013(10)
[3]基于克隆选择支持向量机高光谱遥感影像分类技术[J]. 刘庆杰,荆林海,王梦飞,蔺启忠. 光谱学与光谱分析. 2013(03)
[4]高分辨率遥感影像分类的多示例集成学习[J]. 杜培军,阿里木·赛买提. 遥感学报. 2013(01)
[5]高分辨率遥感图像分割的最优尺度选择[J]. 刘兆祎,李鑫慧,沈润平,朱枫,张凯,王恬,王媛媛. 计算机工程与应用. 2014(06)
[6]粗糙集约简的神经网络遥感分类应用[J]. 潘远,杨景辉,武文波. 遥感信息. 2012(04)
[7]光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法[J]. 吴炜,骆剑承,沈占锋,朱志文. 武汉大学学报(信息科学版). 2012(07)
[8]改进在线贯序极限学习机在模式识别中的应用[J]. 尹刚,张英堂,李志宁,范红波. 计算机工程. 2012(08)
[9]高分辨率遥感影像的支持张量机分类方法[J]. 张乐飞,黄昕,张良培. 武汉大学学报(信息科学版). 2012(03)
[10]正负模糊规则系统、极限学习机与图像分类[J]. 吴军,王士同,赵鑫. 中国图象图形学报. 2011(08)
博士论文
[1]核极限学习机的理论与算法及其在图像处理中的应用[D]. 李小冬.浙江大学 2014
[2]基于极限学习的系统辨识方法及应用研究[D]. 杨易旻.湖南大学 2013
[3]基于视觉特征的高分辨率光学遥感影像目标识别与提取技术研究[D]. 柳稼航.上海交通大学 2011
[4]高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究[D]. 黄昕.武汉大学 2009
[5]高分辨率光学卫星影像城市道路识别方法研究[D]. 龙辉.中国科学院研究生院（遥感应用研究所） 2006
[6]高分辨率遥感图像分类技术研究[D]. 陈忠.中国科学院研究生院（遥感应用研究所） 2006
硕士论文
[1]基于面向对象分类法的高分辨率遥感影像矿山信息提取应用研究[D]. 祝振江.中国地质大学（北京） 2010
本文编号：2952550
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/2952550.html
