本文關鍵詞：高維遙感圖像的快速分類算法　出處：《測繪科學》2016年08期 　論文類型：期刊論文

  更多相關文章： 支持向量機SVM k均值二叉樹 圖像分類 高維數(shù)據(jù)

【摘要】：為了實現(xiàn)對高維遙感圖像的快速準確分類,提出了一種基于k均值二叉樹支持向量機(SVM)的分類方法。該方法通過對選取的訓練樣本進行k均值聚類,生成支持向量機分類二叉樹,作為確定最佳分類順序的依據(jù),以降低分類過程中的誤差累積并提高整體分類精度,而且可緩解由樣本數(shù)量不均衡導致的分類誤差。該方法可在不進行降維處理的情況下,對高維遙感圖像進行快速準確分類。測試結(jié)果表明,其分類速度和分類精度都優(yōu)于傳統(tǒng)的支持向量機分類結(jié)果。
[Abstract]:In order to realize the rapid and accurate classification of high dimensional remote sensing image, we propose a support vector machine based on K value of two binary tree (SVM) classification method. The method used K clustering to the selection of training samples, generating support vector machine classification of two binary tree, as to determine the optimal classification according to the order. To reduce the error accumulation in the classification process and improve the overall classification accuracy, but also reduce the classification error by the number of samples is not balanced result. This method can reduce the dimension in the case of fast and accurate classification of high dimensional remote sensing image. Experimental results show that the classification speed and classification accuracy is better than the traditional support vector machine classification results.

【作者單位】： 遼寧工程技術大學測繪與地理科學學院;
【基金】：國家自然科學基金項目(41201454) 遼寧省大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目(201410147047)
【分類號】：TP751
【正文快照】： 0引言隨著衛(wèi)星傳感器技術的發(fā)展,遙感數(shù)據(jù)的光譜分辨率和時間分辨率越來越高。目前高光譜衛(wèi)星遙感(如EO-1Hyperion)的光譜分辨率可達10nm,包含幾百個成像波段。時間分辨率較高的衛(wèi)星傳感器,如AVHRR和MODIS等可以每天獲取覆蓋全球的實時數(shù)據(jù),而靜止氣象衛(wèi)星的時間分辨率甚至可

【相似文獻】

相關期刊論文 前10條

1 李偉;;遙感圖像中的道路提取[J];自動化博覽;2006年05期

2 李傳龍;李穎;馬龍;;一種新的遙感圖像海岸線檢測方法[J];計算機仿真;2010年08期

3 張學良;肖鵬峰;馮學智;;基于圖像內(nèi)容層次表征的遙感圖像分割方法[J];中國圖象圖形學報;2012年01期

4 秦其明;遙感圖像自動解譯面臨的問題與解決的途徑[J];測繪科學;2000年02期

5 陳小琪;現(xiàn)代計算機印前制版技術在遙感圖像印制中的應用研究——以《長江經(jīng)濟帶可持續(xù)發(fā)展地圖集》為例[J];地球信息科學;2000年02期

6 鄧湘金,彭海良;一種基于遙感圖像的機場檢測方法[J];測試技術學報;2002年02期

7 余杰千,方濤,陳雍業(yè);一種有效的遙感圖像無縫分割方法[J];計算機應用;2003年12期

8 吳為祿;遙感圖像中的云層消除處理[J];鐵路航測;2003年01期

9 于輝,徐軍;彩色遙感圖像目標提取方法研究[J];遙感技術與應用;2003年06期

10 黃勇杰,王樹國,劉俊義,陳東;遙感圖像去云算法研究[J];儀器儀表學報;2003年S2期

相關會議論文 前10條

1 張鳳春;董增壽;劉明君;;基于局部方差均衡的遙感圖像增強方法[A];第六屆全國信息獲取與處理學術會議論文集（2）[C];2008年

2 鄧冰;林宗堅;彭曉東;;遙感圖像信息度量的原理與方法[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

3 江興方;江鴻;何賢強;;遙感圖像兩種半自動拼接方法的研究[A];全國農(nóng)業(yè)遙感技術研討會論文集[C];2009年

4 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內(nèi)容查詢的研究與實踐[A];第十三屆全國遙感技術學術交流會論文摘要集[C];2001年

5 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動鑲嵌技術[A];圖像 仿真 信息技術——第二屆聯(lián)合學術會議論文集[C];2002年

6 黃勇杰;王樹國;劉俊義;陳東;;遙感圖像去云算法研究[A];首屆信息獲取與處理學術會議論文集[C];2003年

7 謝建春;趙榮椿;;遙感圖像中的軍用機場識別算法研究[A];信號與信息處理技術第三屆信號與信息處理全國聯(lián)合學術會議論文集[C];2004年

8 陳姚;王金亮;李石華;;遙感圖像中云層遮擋影響消除處理方法研究述評[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

9 張磊;朱磊;;遙感圖像中直線目標的檢測[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

10 邱磊;李國輝;衡祥安;;一種基于交互學習的遙感圖像挖掘方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

相關重要報紙文章 前1條

1 蔣建科邋孫宏金 陳樹琛;傳回清晰遙感圖像[N];人民日報;2008年

相關博士學位論文 前10條

1 江興方;遙感圖像去云方法的研究及其應用[D];南京理工大學;2007年

2 滕鑫鵬;遙感圖像道路提取研究[D];江蘇大學;2014年

3 劉春紅;超光譜遙感圖像降維及分類方法研究[D];哈爾濱工程大學;2005年

4 劉哲;基于信息融合的遙感圖像處理方法研究[D];西北工業(yè)大學;2002年

5 強贊霞;遙感圖像的融合及應用[D];華中科技大學;2005年

6 杜根遠;海量遙感圖像內(nèi)容檢索關鍵技術研究[D];成都理工大學;2011年

7 陶午沙;基于結(jié)構(gòu)模型的遙感圖像軍事陣地目標特征分析及其識別技術研究[D];國防科學技術大學;2004年

8 林劍;基于模糊理論的遙感圖像分割方法研究[D];中南大學;2003年

9 薛麗霞;基于對象云的遙感圖像模糊邊緣檢測研究[D];西南交通大學;2007年

10 羅睿;遙感圖像信息系統(tǒng)的設計與分析[D];解放軍信息工程大學;2001年

相關碩士學位論文 前10條

1 邱磊;基于內(nèi)容的遙感圖像挖掘方法研究[D];國防科學技術大學;2005年

2 楊志柳;面向遙感圖像特殊目標檢測算法的星載實時處理器實現(xiàn)[D];北京理工大學;2016年

3 梁若飛;面向?qū)ο蟮倪b感圖像分割與玉米田面積統(tǒng)計方法研究[D];中北大學;2016年

4 薛萬勛;基于邊緣特征的遙感圖像質(zhì)量評價方法研究[D];中國科學院國家空間科學中心;2016年

5 于海濤;基于超像素區(qū)域融合的遙感圖像地物分類算法研究[D];東北大學;2014年

6 遠遠;遙感圖像實時多模式顯示技術研究[D];電子科技大學;2008年

7 余俊杰;基于紋理的遙感圖像分類算法及其應用研究[D];湖南大學;2009年

8 劉文靜;含噪遙感圖像分割的新方法[D];新疆大學;2011年

9 孫艷霞;紋理分析在遙感圖像識別中的應用[D];新疆大學;2005年

10 李百壽;遙感圖像線性影紋理解專家系統(tǒng)研究[D];吉林大學;2006年

，

本文編號：1377755