端元可变非线性混合像元分解模型
本文关键词:端元可变非线性混合像元分解模型
更多相关文章: 遥感影像 像元分解 端元变化 支持向量机 非线性解混
【摘要】:遥感影像中混合像元普遍存在。端元固定的情况下对混合像元进行分解,很难高精度地识别影像地物。本文基于支持向量机,提出了端元可变的非线性混合像元分解模型。首先,通过构建多个支持向量机获取每个像元的优化端元集,在优化端元集的基础上运用支持向量机与两两配对方法相结合的算法获取像元组分。试验结果表明,本文提出的方法效果优于传统的多端元光谱分解法。
【作者单位】: 华南师范大学计算机学院;
【关键词】: 遥感影像 像元分解 端元变化 支持向量机 非线性解混
【基金】:国家自然科学基金(41171288) 广东省自然科学基金(S2013040016473;S2013010014097)~~
【分类号】:P237
【正文快照】: 由于传感器的空间分辨率以及地面的复杂多样性,混合像元问题在遥感影像中普遍存在[1]。混合像元的存在不仅影响地物识别和分类的精度,而且也是遥感定向、定量化发展的瓶颈之一[2],严重影响了计算机处理的效果和计算机技术在遥感领域的应用[3]。处理好混合像元问题,将显著提升
【参考文献】
中国期刊全文数据库 前2条
1 李慧;王云鹏;李岩;王兴芳;;基于SVM和PWC的遥感影像混合像元分解[J];测绘学报;2009年04期
2 李慧;王云鹏;李岩;王兴芳;;基于形态学和支持向量的遥感图像混合像元分解[J];遥感技术与应用;2009年01期
【共引文献】
中国期刊全文数据库 前10条
1 谭琨;杜培军;;基于再生核Hilbert空间小波核函数支持向量机的高光谱遥感影像分类[J];测绘学报;2011年02期
2 杨国鹏;周欣;余旭初;陈伟;;基于相关向量机的高光谱影像混合像元分解[J];电子学报;2010年12期
3 杨娜;秦志远;张俊;;基于支持向量机无限集成学习方法的遥感图像分类[J];测绘科学;2013年01期
4 许菡;孙永华;李小娟;;遥感影像混合像元的分解——基于加权后验概率的支持向量机分类算法[J];地球信息科学学报;2013年02期
5 张亚丽;王万同;;遥感估算伊洛河流域地表蒸散的空间尺度转换[J];测绘学报;2013年06期
6 谭熊;余旭初;张鹏强;秦进春;;基于多核支持向量机的高光谱影像非线性混合像元分解[J];光学精密工程;2014年07期
7 孙晓霞;李利伟;杨玲;高连如;;有限样本类别城市高光谱数据SVM分类应用分析[J];测绘通报;2014年11期
8 杨钊霞;邹峥嵘;陶超;田彦平;何小飞;;空-谱信息与稀疏表示相结合的高光谱遥感影像分类[J];测绘学报;2015年07期
9 田彦平;陶超;邹峥嵘;杨钊霞;何小飞;;主动学习与图的半监督相结合的高光谱影像分类[J];测绘学报;2015年08期
10 任武;葛咏;;遥感影像亚像元制图方法研究进展综述[J];遥感技术与应用;2011年01期
中国博士学位论文全文数据库 前4条
1 杨国鹏;基于机器学习方法的高光谱影像分类研究[D];解放军信息工程大学;2010年
2 员永生;基于支持向量机分类的面向对象土地覆被图像分类方法研究[D];西北农林科技大学;2010年
3 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年
4 许菡;遥感影像混合像元分解新方法及应用研究[D];首都师范大学;2013年
中国硕士学位论文全文数据库 前4条
1 陆广勇;基于像元分解的区域地表覆盖信息提取[D];中国科学院研究生院(教育部水土保持与生态环境研究中心);2011年
2 张璎璎;遥感影像可变多组分光谱混合分析方法研究[D];中南大学;2010年
3 刘正春;多端元光谱混合分析方法研究[D];中南大学;2012年
4 刘细梅;遥感影像超分辨率制图技术研究[D];中南大学;2014年
【二级参考文献】
中国期刊全文数据库 前6条
1 王旭红;郭建明;贾百俊;张宇坤;;元胞自动机的遥感影像混合像元分类[J];测绘学报;2008年01期
2 吴波;张良培;李平湘;;基于支撑向量机概率输出的高光谱影像混合像元分解[J];武汉大学学报(信息科学版);2006年01期
3 骆剑承,周成虎,梁怡,马江洪;支撑向量机及其遥感影像空间特征提取和分类的应用研究[J];遥感学报;2002年01期
4 吴波,张良培,李平湘;高光谱端元自动提取的迭代分解方法[J];遥感学报;2005年03期
5 张锦水;何春阳;潘耀忠;李京;;基于SVM的多源信息复合的高空间分辨率遥感数据分类研究[J];遥感学报;2006年01期
6 吴波;张良培;李平湘;;基于支撑向量回归的高光谱混合像元非线性分解[J];遥感学报;2006年03期
【相似文献】
中国期刊全文数据库 前10条
1 齐建成;朱述龙;朱宝山;赵泳;李二森;;图像端元全自动提取方法研究[J];海洋测绘;2009年02期
2 朱述龙;齐建成;朱宝山;曹闻;;以凸面单体边界为搜索空间的端元快速提取算法[J];遥感学报;2010年03期
3 王立国;张晶;刘丹凤;王群明;;从端元选择到光谱解混的距离测算方法[J];红外与毫米波学报;2010年06期
4 曹建农;王贝贝;何晓宁;;高光谱端元自动确定与提取的迭代算法[J];遥感学报;2013年02期
5 吴波,张良培,李平湘;高光谱端元自动提取的迭代分解方法[J];遥感学报;2005年03期
6 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S3期
7 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S1期
8 李熙;关泽群;秦昆;张力;曹灵灵;;基于贝叶斯推理的像元内部端元选择模型[J];光学学报;2009年09期
9 彭青青;杨辽;王杰;沈金祥;;基于异常探测的高光谱端元提取方法研究[J];遥感技术与应用;2011年04期
10 宋梅萍;张甬荣;安居白;包海默;;基于有效端元集的双线性解混模型[J];光谱学与光谱分析;2014年01期
中国重要会议论文全文数据库 前1条
1 王百合;刘志刚;李义红;;基于光谱角分析的端元光谱聚类方法研究[A];国家安全地球物理丛书(九)——防灾减灾与国家安全[C];2013年
中国博士学位论文全文数据库 前4条
1 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年
2 黄远程;高光谱影像混合像元分解的若干关键技术研究[D];武汉大学;2010年
3 杨华东;高光谱遥感影像光谱解混算法研究[D];大连海事大学;2015年
4 李智勇;高光谱图像异常检测方法研究[D];国防科学技术大学;2004年
中国硕士学位论文全文数据库 前10条
1 冯淑娜;基于多端元混合像元分解的喀斯特石漠化表征因子提取研究[D];中国矿业大学;2015年
2 张甬荣;基于有效端元集的双线性解混模型研究及应用[D];大连海事大学;2013年
3 刘正春;多端元光谱混合分析方法研究[D];中南大学;2012年
4 刘益世;高光谱遥感混合像元端元提取研究及应用[D];中南大学;2013年
5 武鹤;基于数学形态学的高光谱图像端元提取技术研究[D];成都理工大学;2011年
6 曾凡霞;高光谱遥感图像端元提取算法改进及性能优化[D];成都理工大学;2013年
7 王丽姣;基于单形体体积增长的高光谱图像端元提取及快速实现[D];浙江大学;2015年
8 薛绮;基于线性混合模型的高光谱图像端元提取方法研究[D];国防科学技术大学;2004年
9 张娇;基于多端元光谱混合分解的高分辨率影像城市亚像元分类[D];华东师范大学;2014年
10 牛贝贝;高光谱遥感影像端元提取算法研究及应用[D];中南大学;2014年
,本文编号:843441
本文链接:https://www.wllwen.com/kejilunwen/dizhicehuilunwen/843441.html