基于OLI影像的多分类器组合方法研究

发布时间：2017-09-16 01:32

  本文关键词：基于OLI影像的多分类器组合方法研究

  更多相关文章： 遥感 OLI 遥感影像分类 多分类器 ENVI/IDL

【摘要】：遥感图像分类是遥感信息提取的关键环节。可为研究者获取地理信息与知识,以及政府管理部门利用分类信息做出决策提供参考。高精度的遥感图像分类技术一直是遥感应用不断追求的目标,如何提高分类精度也成为关键问题。多分类器集成思想及其集成方法的研究由来已久,近些年来,利用多分类器组合进行目标识别在模式识别领域已经有广泛应用,但在遥感领域则处在起步阶段。OLI影像成相效果优良,波段设置合理,目前应用广泛。本研究在分析遥感图像分类尤其是对多分类器集成技术研究进行梳理综述基础上,选择OLI影像作为多分类器分类实验数据进行研究,在ENVI/IDL平台下采用基于性能识别矩阵的投票法,投票法、最大概率类别法、意见一致性原则三者结合方法以及基于样本聚类的分类器选择方法等多分类器组合的方法对研究区进行遥感信息的提取,研究了多分类器组合的相关理论知识,通过具体的实验对多分类器与单分类器加以比较分析,验证了多分类器组合对遥感分类精度提高的有效性,为之后多分类器方法的广泛应用打下了良好的基础。研究结果表明:(1)以Kappa统计值、熵值和多样性与精度指标(D_P)作为分类器差异性衡量指标,可以筛选出较优的分类器组合形式;(2)VRPM、VMLC、DCS三种多分类器组合算法能够得到比单分类器高的分类精度;(3)多分类器组合方法分类有助于提高遥感分类实际应用的效率。
【关键词】：遥感 OLI 遥感影像分类 多分类器 ENVI/IDL
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P237
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-19
• 1.1 选题背景及意义9-11
• 1.1.1 选题背景9
• 1.1.2 选题意义9-11
• 1.2 国内外研究进展11-16
• 1.2.1 遥感影像分类方法研究进展11-14
• 1.2.2 多分类器组合方法研究进展14-16
• 1.3 研究内容与方法16-17
• 1.3.1 研究内容16
• 1.3.2 技术路线16-17
• 1.4 论文章节安排17-19
• 第2章 遥感影像分类的基础概念和理论19-34
• 2.1 遥感分类概述19-20
• 2.2 单分类器分类20-26
• 2.2.1 基于光谱的分类20-22
• 2.2.2 基于专家知识的决策树分类22-23
• 2.2.3 面向对象图像分类23-26
• 2.3 多分类器分类26-34
• 2.3.1 多分类器组合分类方法类型27-28
• 2.3.2 多分类器组合算法28-32
• 2.3.3 分类器差异性度量32-34
• 第3章OLI影像介绍与数据预处理34-40
• 3.1 数据介绍34-35
• 3.1.1 技术指标34-35
• 3.1.2 基本参数35
• 3.2 数据预处理35-37
• 3.2.1 数据预处理流程35-36
• 3.2.2 辐射定标和大气校正36-37
• 3.3 波段组合方式37-40
• 第4章 单分类器分类实验40-47
• 4.1 研究区概况影像40
• 4.2 训练样本采集40-41
• 4.3 单分类器监督分类实验41-42
• 4.4 精度分析42-47
• 第5章 多分类器组合分类实验47-64
• 5.1 多分类器工具实现47-49
• 5.2 基于差异性度量的多分类器组合算法49-52
• 5.2.1 基于性能识别矩阵的投票法49-51
• 5.2.2 投票法、最大概率类别法、意见一致性原则三者结合方法51-52
• 5.2.3 基于样本聚类的分类器选择方法52
• 5.3 基于差异性度量的单分类器选取52-55
• 5.4 实验对比分析55-64
• 5.4.1 精度分析55-57
• 5.4.2 效率分析57-64
• 第6章 总结与展望64-66
• 6.1 内容总结64
• 6.2 存在问题及展望64-66
• 致谢66-68
• 参考文献68-71
• 附录71

【相似文献】

中国期刊全文数据库 前10条

1 戴宏亮;;智能拉普拉斯分类器[J];中山大学学报(自然科学版);2009年02期

2 魏蓉;赵艳君;张同亮;顾全;;使用伪氨基酸和集成分类器预测凋谢蛋白亚细胞定位[J];计算机与应用化学;2009年07期

3 骆玉霞,陈焕伟;角度分类器与距离分类器比较研究——以盐渍土分类为例[J];国土资源遥感;2002年02期

4 冯彦杰,王浣尘;学习分类器在绩效寻优中的应用及其组织决策意义[J];控制理论与应用;2003年03期

5 柏延臣,王劲峰;结合多分类器的遥感数据专题分类方法研究[J];遥感学报;2005年05期

6 聂金宗;吕宏伯;陈祖荫;;用于发震地点预报的一种非参数模式分类器[J];北京工业大学学报;1986年01期

7 高文;汤洋;朱明;;复杂背景下目标检测的级联分类器算法研究[J];物理学报;2014年09期

8 张章华;;应用分类器组合模型进行岩性识别[J];计算机仿真;2009年04期

9 袁勋;吴秀清;洪日昌;宋彦;华先胜;;基于主动学习SVM分类器的视频分类[J];中国科学技术大学学报;2009年05期

10 张欣;梁宗保;;多分类器融合算法研究与应用[J];湘潭大学自然科学学报;2011年02期

中国重要会议论文全文数据库 前10条

1 王占一;徐蔚然;刘东鑫;郭军;;一种基于两级分类器的垃圾短信过滤方法[A];第五届全国信息检索学术会议论文集[C];2009年

2 翟静;李海宏;唐常杰;陈敏敏;李智;;可验证对象集分类器的再训练演进[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

3 陈继航;刘家锋;赵巍;唐降龙;;联机手写识别笔段特征分类器的学习方法[A];黑龙江省计算机学会2009年学术交流年会论文集[C];2010年

4 穆明生;;基于特征集的多种分类器模型的在线笔迹认证[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

5 彭涛;左万利;赫枫龄;;基于链接上下文的分类器主题爬行技术(英文)[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

6 王岚;陈珂;迟惠生;;基于多特征组合多分类器的方法用于“与文本无关”的说话人辨认[A];第四届全国人机语音通讯学术会议论文集[C];1996年

7 谢秋玲;;应用于心电图分类的KNN-SVM分类器研究[A];2006中国控制与决策学术年会论文集[C];2006年

8 胡琼;汪荣贵;胡韦伟;孙见青;;基于级联分类器的快速人脸检测方法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

9 李兰春;王双成;杜瑞杰;;认知结构评估的动态贝叶斯网络分类器方法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

10 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集（上卷）[C];2004年

中国重要报纸全文数据库 前1条

1 黄明;精子分类器决定生男生女[N];广东科技报;2000年

中国博士学位论文全文数据库 前10条

1 张非;对抗逃避攻击的防守策略研究[D];华南理工大学;2015年

2 刘明;分类器组合技术研究及其在人机交互系统中的应用[D];北京交通大学;2008年

3 严志永;在划分数据空间的视角下基于决策边界的分类器研究[D];浙江大学;2011年

4 王U，

本文编号：860122