【摘要】：近年來,隨著遙感技術(shù)的發(fā)展,我們能夠獲得極其豐富的遙感信息。但是如何處理和應(yīng)用這些數(shù)據(jù),使之轉(zhuǎn)換為可以被應(yīng)用的有效信息,也隨之成為一個重要的問題。利用單一傳統(tǒng)的分類方法來對遙感圖像進(jìn)行分類識別,不僅會導(dǎo)致分類精度降低,而且也會造成空間數(shù)據(jù)大量冗余以及資源浪費等問題。本文主要對遙感圖像地物識別的問題進(jìn)行研究。在研究過程中,通過對現(xiàn)有的方法進(jìn)行調(diào)研與分析,采用遙感圖像的不同波段信息作為特征向量,構(gòu)建訓(xùn)練樣本集與測試樣本集,并選取基于多分類器組合的方法來對待測遙感圖像的地物進(jìn)行識別。在多分類器組合方法中,通過三層規(guī)則逐一地對待測樣本進(jìn)行判斷,從而確保了分類結(jié)果的可靠性。接下來本文又提取出不同經(jīng)緯度的20幅遙感圖像進(jìn)行分類識別,并與傳統(tǒng)算法進(jìn)行比較,發(fā)現(xiàn)整體上的分類效果要略優(yōu)于傳統(tǒng)算法。最終將生成的分類器系統(tǒng)與實驗室自主研發(fā)的無線傳輸系統(tǒng)相結(jié)合,達(dá)到了減少通信傳輸量的目的。
[Abstract]:In recent years, with the development of remote sensing technology, we can obtain extremely rich remote sensing information. However, how to process and apply these data and convert them into useful information becomes an important problem. Using a single traditional classification method to classify and recognize remote sensing images will not only reduce the classification accuracy, but also lead to a lot of redundancy of spatial data and waste of resources. In this paper, the recognition of ground objects in remote sensing images is studied. In the course of the research, by investigating and analyzing the existing methods, using the different band information of remote sensing image as the feature vector, the training sample set and the test sample set are constructed. The method based on multi-classifier combination is selected to identify the ground objects of remote sensing images. In the multi-classifier combination method, three layer rules are used to judge the test samples one by one, thus ensuring the reliability of the classification results. Then 20 remote sensing images with different longitude and latitude are extracted and compared with the traditional algorithm. It is found that the overall classification effect is slightly better than the traditional algorithm. Finally, the generated classifier system is combined with the wireless transmission system developed independently in the laboratory to reduce the amount of communication transmission.
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張仁華;《遙感圖像應(yīng)用處理與分析》評介[J];地理研究;2004年04期

2 李偉;;遙感圖像中的道路提取[J];自動化博覽;2006年05期

3 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(jī)仿真;2010年08期

4 張學(xué)良;肖鵬峰;馮學(xué)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(xué)報;2012年01期

5 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(xué);2000年02期

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

7 鄧湘金,彭海良;一種基于遙感圖像的機(jī)場檢測方法[J];測試技術(shù)學(xué)報;2002年02期

8 庾晉 ,白木 ,周潔;遙感圖像偵察與美國對阿反恐怖戰(zhàn)爭[J];遙感信息;2002年01期

9 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(jī)應(yīng)用;2003年12期

10 吳為祿;遙感圖像中的云層消除處理[J];鐵路航測;2003年01期

相關(guān)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(qiáng)方法[A];第六屆全國信息獲取與處理學(xué)術(shù)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(xué)前沿技術(shù)論壇摘要集[C];2008年

3 江興方;江鴻;何賢強(qiáng);;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(shù)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(shù)學(xué)術(shù)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(shù)[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)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(xué)術(shù)會議論文集[C];2003年

7 謝建春;趙榮椿;;遙感圖像中的軍用機(jī)場識別算法研究[A];信號與信息處理技術(shù)第三屆信號與信息處理全國聯(lián)合學(xué)術(shù)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(shù)學(xué)術(shù)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(biāo)的檢測[A];第十五屆全國遙感技術(shù)學(xué)術(shù)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(xué)習(xí)的遙感圖像挖掘方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

相關(guān)重要報紙文章 前5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

2 記者 鄭千里;北京地區(qū)有了航空遙感圖像[N];科技日報;2000年

3 本報通訊員;煤航遙感院獲美國快鳥遙感圖像西部代理權(quán)[N];中煤地質(zhì)報;2005年

4 王石;印度通過“快鳥”影像發(fā)現(xiàn)古墓地[N];中國測繪報;2010年

5 記者 馬彥平 張桂敏;澳大利亞鉀礦鉆探啟動[N];農(nóng)資導(dǎo)報;2011年

相關(guān)博士學(xué)位論文 前10條

1 朱光;基于遙感圖像的交通道路目標(biāo)識別方法研究[D];吉林大學(xué);2015年

2 祁友杰;基于SoC技術(shù)的遙感圖像快速匹配方法研究[D];東南大學(xué);2016年

3 霍麗君;基于變分的遙感圖像恢復(fù)算法研究[D];中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;2017年

4 陳彥彤;基于局部不變特征的遙感圖像星上目標(biāo)識別技術(shù)研究[D];中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;2017年

5 江興方;遙感圖像去云方法的研究及其應(yīng)用[D];南京理工大學(xué);2007年

6 滕鑫鵬;遙感圖像道路提取研究[D];江蘇大學(xué);2014年

7 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(xué);2005年

8 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(xué);2002年

9 強(qiáng)贊霞;遙感圖像的融合及應(yīng)用[D];華中科技大學(xué);2005年

10 杜根遠(yuǎn);海量遙感圖像內(nèi)容檢索關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 王孟文;遙感圖像識別分類技術(shù)研究[D];北京郵電大學(xué);2017年

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

3 陳浩;高分辨遙感圖像災(zāi)區(qū)建筑檢測[D];南京理工大學(xué);2015年

4 朱然;大數(shù)據(jù)量復(fù)雜背景下橋梁水壩目標(biāo)快速識別[D];電子科技大學(xué);2015年

5 王靜靜;基于NSCT和Shearlet變換的遙感圖像增強(qiáng)研究[D];新疆大學(xué);2014年

6 柴宏磊;基于知識的遙感圖像港口目標(biāo)識別[D];電子科技大學(xué);2015年

7 馮一鳴;基于遙感圖像中港口目標(biāo)的分割算法研究與實現(xiàn)[D];西安電子科技大學(xué);2014年

8 吳云坤;遙感圖像變化檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

9 王旭;無參考遙感圖像質(zhì)量綜合評價算法研究[D];西安電子科技大學(xué);2015年

10 宋玉梅;基于遙感圖像的內(nèi)河航道識別研究[D];重慶交通大學(xué);2015年

，

本文編號：2215679