高分辨率遥感影像空间特征提取及面向对象分类技术研究

发布时间：2017-05-18 15:01

  本文关键词：高分辨率遥感影像空间特征提取及面向对象分类技术研究，由笔耕文化传播整理发布。

【摘要】：相较中低分辨率遥感影像,高分辨率遥感影像能够提供更多描述地表覆盖的细节信息,从而开启了地物分类和提取问题研究的历史新纪元。但是,由于高分辨率遥感影像上存在大量“同物异谱、同谱异物”现象,使得影像分类及解译工作面临巨大的挑战。为了在一定程度上克服这一问题,本文主要从影像空间特征提取、多尺度分割、多特征融合以及多核学习的角度对高分辨率遥感影像地物要素分类问题展开深入研究。完成的主要工作和取得的成果如下：1.对高分辨率遥感影像分类的基本流程、分类器设计及分类精度评价等基础理论和技术进行了系统地梳理。2.针对传统像素级空间特征提取算法容易增加“椒盐效应”的问题,研究并提出了分别利用“超像素”技术和数学形态学理论实现新型空间特征提取的方法,即面积紧致性指数(Size Compactness Index, SCI)和增强形态学阴影指数(Enhanced Morphological Shadow Index, EMSI)。其中,SCI特征构建主要分两步实现：首先利用阂值控制和局部非极大抑制双准则生成“超像素”区域；然后结合区域的面积和紧致性特征来描述地物的形状特征。而EMSI特征则借助CFO算子黑帽变换的差分多尺度形态学序列进行地物形状特征的表达。通过7种空间特征提取方法(GLCM、PSI、SOI、DMPCBR、DMPOBR、EMBI、EMSI)的对比实验发现,SCI特征可获得最高的分类精度,EMSI特征的分类精度略低于SCI,但高于其他的特征提取方法。3.针对高分辨率遥感影像分割问题,研究并提出了一种融合边缘信息的最小生成树多尺度分割算法。该算法首先利用Canny算子对全色影像进行边缘信息提取,之后结合光谱信息和边缘信息构建基于图论方法的距离度量函数获取边权值,并采用最小生成树Kruskal算法得到彩色影像的初始对象,最后综合对象内的光谱、形状和边缘信息完成区域合并,生成分割结果图。实验结果表明：本文算法在分割效果和效率上均优于eCognition 8.0商用软件。利用上述算法的分割结果得到的面向对象GLCM、 PSI特征也优于传统的基于像素级的GLCM、PSI特征。4.为了实施高维光谱特征及空间特征的协同分类,研究并实现了利用直接矢量叠加(VS)对多尺度空间特征进行融合的方法。实验结果表明：所提取的几种空间特征(面向对象GLCM、面向对象PSI、SCI、DMPs、EMBI、EMSI)之间具有相互补充的关系,联合全部或者部分空间特征往往可以取得比单一空间特征更好的分类结果；直接矢量叠加能够将不同表达形式的空间特征有机融合,有利于大幅度提升遥感影像的分类精度。5.在分析复杂情况下利用单核映射方式对所有样本进行处理具有不合理性的前提下,开展了基于多核SVM的分类实验。实验结果表明：在高分辨率遥感影像分类中,多核SVM能够取得优于单核SVM的分类效果。
【关键词】：高分辨率遥感影像 面积紧致性指数 增强形态学阴影指数 最小生成树Kruskal算法 并查集数据结构 直接矢量叠加 多核支持向量机
【学位授予单位】：解放军信息工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P237
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 绪论10-18
• 1.1 研究背景与意义10-11
• 1.2 国内外发展现状和存在的问题11-16
• 1.2.1 空间特征提取技术研究现状分析12-13
• 1.2.2 面向对象分类技术研究现状分析13-15
• 1.2.3 多核支持向量机分类技术研究现状分析15-16
• 1.2.4 目前存在的问题16
• 1.3 论文主要研究内容及章节安排16-18
• 第二章 影像分类基本理论18-26
• 2.1 影像分类基本流程18
• 2.2 分类器18-23
• 2.2.1 数据线性可分的支持向量机20-21
• 2.2.2 数据非线性可分的支持向量机21-23
• 2.3 精度评价23-24
• 2.4 本章小结24-26
• 第三章 高分辨率遥感影像空间特征提取与分析26-50
• 3.1 空间特征提取方法26-33
• 3.1.1 灰度共生矩阵26-27
• 3.1.2 像元形状指数27-28
• 3.1.3 增强形态学阴影指数28-30
• 3.1.4 面积紧致性指数30-33
• 3.2 空间特征测度图33-39
• 3.2.1 GLCM特征图34-35
• 3.2.2 PSI特征图35-36
• 3.2.3 EMSI、EMBI及DMPs特征图36-38
• 3.2.4 SCI特征图38-39
• 3.3 实验与分析39-48
• 3.4 本章小结48-50
• 第四章 基于最小生成树多尺度分割的面向对象分类技术50-69
• 4.1 KRUSKAL算法与并查集数据结构50-53
• 4.1.1 Kruskal算法50-51
• 4.1.2 并查集数据结构51-53
• 4.2 融合边缘信息的最小生成树多尺度分割算法53-57
• 4.3 多尺度特征融合57-58
• 4.4 实验与分析58-68
• 4.4.1 基于最小生成树的多尺度分割算法实验58-62
• 4.4.2 多尺度特征融合实验62-68
• 4.5 本章小结68-69
• 第五章 基于多核SVM的分类技术69-75
• 5.1 多核学习理论69-72
• 5.2 多核函数组合方式和核参数设置72
• 5.3 实验与分析72-74
• 5.4 本章小结74-75
• 第六章 总结与展望75-77
• 6.1 总结75-76
• 6.2 展望76-77
• 致谢77-78
• 参考文献78-83
• 作者简历83

【参考文献】

中国期刊全文数据库 前10条

1 林栋;秦志远;杨婧玮;张占睦;;高分辨率遥感影像多特征协同地物分类方法[J];测绘科学技术学报;2014年02期

2 胡荣明;黄小兵;黄远程;;增强形态学建筑物指数应用于高分辨率遥感影像中建筑物提取[J];测绘学报;2014年05期

3 秦昆;陈一祥;甘顺子;冯霞;任文力;;高分辨率遥感影像空间结构特征建模方法综述[J];中国图象图形学报;2013年09期

4 余洁;余峰;张晶;刘振宇;;结合区域生长与道路基元的高分辨率遥感影像道路提取[J];武汉大学学报(信息科学版);2013年07期

5 慎利;唐宏;王世东;张露;;结合空间像素模板和Adaboost算法的高分辨率遥感影像河流提取[J];测绘学报;2013年03期

6 王珂;肖鹏峰;冯学智;吴桂平;李晖;;基于频域滤波的高分辨率遥感图像城市河道信息提取[J];遥感学报;2013年02期

7 刘辉;谢天文;;基于PCA与HIS模型的高分辨率遥感影像阴影检测研究[J];遥感技术与应用;2013年01期

8 吴孔江;曾永年;靳文凭;何丽丽;李静;;改进利用蚁群规则挖掘算法进行遥感影像分类[J];测绘学报;2013年01期

9 杜培军;阿里木·赛买提;;高分辨率遥感影像分类的多示例集成学习[J];遥感学报;2013年01期

10 李刚;万幼川;;基于改进的像素级和对象级的遥感影像合成分类[J];测绘学报;2012年06期

  本文关键词：高分辨率遥感影像空间特征提取及面向对象分类技术研究，，由笔耕文化传播整理发布。

本文编号：376343