当前位置:主页 > 科技论文 > 自动化论文 >

基于多特征融合的遥感图像分类研究

发布时间:2017-11-09 05:11

  本文关键词:基于多特征融合的遥感图像分类研究


  更多相关文章: 遥感分类 多特征融合 Gist特征 支持向量机 决策树分类


【摘要】:遥感图像分类一直是遥感研究领域的重要内容,如何解决多类别遥感影像分类识别并满足一定的精度,是遥感图像研究中的一个关键问题。遥感图像的计算机分类是通过计算机对遥感图像像素进行数值处理,达到自动分类识别地物的目的。由于同物异谱及异物同谱现象的存在,计算机遥感影像分类精度受到了较大影响。改进现有分类方法,对地物进行精确提取对国土资源监测及土地利用规划具有十分重要的意义。本文以石家庄市区的TM遥感数据为研究对象,基于纹理特征、光谱特征和空间特征构建多特征影像集,应用最大似然分类法、支持向量机法和决策树分类法对研究区进行了基于多特征融合的分类实验及精度分析。首先,对纹理特征提取方法进行对比和分析,选择了灰度共生矩阵的方差法和Gabor滤波器的Gist特征为纹理特征,利用最佳指数法对二者进行对比,结果表明Gist特征比传统的纹理特征性能更优越;其次,基于遥感影像提取了反映光谱特征的植被指数(NDVI)、缨帽变换分量和主成分分量,并引入数字高程模型表达空间特征。按照特征性质进行随机组合,分析各特征组合下分类样本的J-M距离,构建了最优分类特征组合;最后,对多特征融合遥感图像进行了最大似然和支持向量机分类并基于分类特征构建决策树模型,对地物进行了分层提取。精度分析结果表明,分类特征对遥感分类精度的提高具有积极作用,基于多特征的影像分类精度较之原始影像均有所提高,三种分类方法所得实验结果显示,决策树分类法最优,精度为87.33%,kappa系数为0.8454;其次是支持向量机法,精度为85.33%,kappa系数为0.8047;最后是最大似然法,精度为80.33%,kappa系数为0.7340。
【学位授予单位】:燕山大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP751

【相似文献】

中国期刊全文数据库 前10条

1 周斌;林喜荣;贾惠波;宋榕;;多特征融合的手背血管识别算法[J];清华大学学报(自然科学版);2007年02期

2 周静;黄心汉;彭刚;;基于多特征融合的飞机目标识别[J];华中科技大学学报(自然科学版);2009年01期

3 杜艳明;龙丹;;多特征融合的人脸检测[J];武汉理工大学学报;2010年23期

4 赵小英,黄凤荣;多特征融合的目标识别与提取在空间定位中的研究[J];河北工业大学学报;2002年04期

5 张进华;庄健;杜海峰;王孙安;;一种基于视频多特征融合的火焰识别算法[J];西安交通大学学报;2006年07期

6 王琳;李爱国;王新年;虞燕风;;基于多特征融合的早期火灾烟雾检测[J];大连海事大学学报;2014年01期

7 商飞;马骏骁;姚立;田地;邱春玲;;基于多特征融合的科学仪器工作状态检测方法[J];吉林大学学报(工学版);2010年02期

8 李亮;张树生;白晓亮;邵立;;基于遗传算法的三维CAD模型多特征融合和检索[J];制造业自动化;2013年03期

9 姚拓中;项志宇;刘济林;;基于图像多特征融合的野外水体障碍物检测[J];浙江大学学报(工学版);2009年04期

10 马东辉;朱斌;樊祥;任彪;;基于粒子滤波的目标图像多特征融合跟踪方法[J];探测与控制学报;2009年04期

中国重要会议论文全文数据库 前3条

1 叶锋;蔡光东;郑子华;亓晓旭;尹鹏;;基于多特征融合的药用植物标本识别[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年

2 段其昌;季长有;;基于多特征融合的快速人脸检测[A];第十七届全国测控计量仪器仪表学术年会(MCMI'2007)论文集(上册)[C];2007年

3 李玉峰;郑德权;赵铁军;;基于SVM和多特征融合的图像分类[A];第四届全国信息检索与内容安全学术会议论文集(上)[C];2008年

中国博士学位论文全文数据库 前5条

1 刘明华;复杂环境下基于多特征融合的目标跟踪关键技术研究[D];青岛科技大学;2016年

2 田纲;基于多特征融合的Mean shift目标跟踪技术研究[D];武汉大学;2011年

3 徐志刚;基于多特征融合的路面破损图像自动识别技术研究[D];长安大学;2012年

4 陈秀新;多特征融合视频复制检测关键技术研究[D];北京工业大学;2013年

5 初红霞;基于均值移动和粒子滤波的目标跟踪关键技术研究[D];哈尔滨工程大学;2012年

中国硕士学位论文全文数据库 前10条

1 金婕;基于多特征融合和结果重排的特定图像检索[D];上海交通大学;2015年

2 封少坤;基于多特征融合的LCD微小瑕疵自动分类[D];上海交通大学;2015年

3 徐俊峰;多特征融合的遥感影像变化检测技术研究[D];解放军信息工程大学;2015年

4 张小琴;基于多特征融合的车辆品牌识别方法研究[D];东南大学;2015年

5 谢振哲;图像通用隐写检测中的多特征融合方法[D];福州大学;2013年

6 陈小波;基于多特征融合与特征包的手势检测识别算法研究[D];福州大学;2013年

7 牛姝媛;基于信息整合的药物副作用预测方法研究[D];华东师范大学;2016年

8 龙海强;基于深度学习的人脸识别算法[D];广东工业大学;2016年

9 朱梦亚;基于多特征融合的遥感图像分类研究[D];燕山大学;2016年

10 汪龙;压缩感知跟踪算法关键技术研究[D];南昌航空大学;2016年



本文编号:1160428

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1160428.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户ba27c***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com