發(fā)布時間：2020-05-07 10:31

【摘要】：目前,遙感圖像種類越來越多,對于不同類別的遙感圖像具有不同的成像效果。其中,可見光遙感圖像在日常生活的應(yīng)用中最為廣泛。所以本文選取高分辨率的可見光遙感圖像作為研究對象。研究的目的在于探索出一種可以不受成像時間、地點(diǎn)影響的高分辨率可見光遙感圖像分類的技術(shù)模型。本文提出的技術(shù)模型可以分為兩個部分:(1)對遙感圖像進(jìn)行場景挖掘。首先對遙感圖像進(jìn)行分割,然后提取低層特征,通過高斯混合模型建模得到視覺單詞,最后利用概率潛在語義分析模型實(shí)現(xiàn)潛在場景的挖掘。這一步可以實(shí)現(xiàn)將遙感圖像按場景進(jìn)行分組。(2)對遙感圖像按照地物類別分類。對每個場景下的遙感圖像分別進(jìn)行超像素分割、樣本制作以及底層特征提取,通過訓(xùn)練獲得當(dāng)前場景下的分類器模型,借助模型實(shí)現(xiàn)遙感圖像的地物分類。本文的研究工作主要包括以下兩個方面:本文引入了遙感圖像場景信息的概念。提出了一種按照場景信息的不同對遙感圖像進(jìn)行分組的方法。首先對遙感圖像進(jìn)行均勻分割與歸一化分割,用于得到基于紋理與顏色的視覺單詞。然后通過對每張遙感圖像視覺單詞的數(shù)量進(jìn)行統(tǒng)計可以得到其詞頻向量,進(jìn)而實(shí)現(xiàn)特征融合。最后通過概率潛在語義分析模型對遙感圖像進(jìn)行潛在場景挖掘,實(shí)現(xiàn)了對遙感圖像按場景進(jìn)行分組。與傳統(tǒng)的圖像場景分類方法相比,本文的方法由于引入了視覺單詞的概念,因而分類的精度更高。針對傳統(tǒng)SLIC算法對遙感圖像進(jìn)行分割存在大量的過分割現(xiàn)象,提出了一種碎片合并的算法。首先通過設(shè)置閾值找到過分割碎片的位置,然后依次計算該碎片與其相鄰的超像素小塊的相似度,最后將碎片合并到相似度最高的超像素小塊中。相較于未經(jīng)過碎片合并的分割結(jié)果,該方法去掉了過分割碎片,有效減少了參與地物分類的超像素小塊的數(shù)量,進(jìn)而提高了分類精度。通過實(shí)驗(yàn),驗(yàn)證了本文所提出基于場景分析的遙感圖像識別算法的有效性。本文還設(shè)計了傳統(tǒng)的面向?qū)ο筮b感圖像分類的實(shí)驗(yàn)作為對比,結(jié)果證明:本文提出的基于場景分析的遙感圖像分類方法的分類精度要高于傳統(tǒng)方法,總體精度達(dá)到了93.98%。
【圖文】：

圖 3.10 顏色特征 GMM 建模時不同的 K 對應(yīng)的用戶精度（%）圖 3.11 顏色特征 GMM 建模時不同的 K 對應(yīng)的生產(chǎn)者精度（%）圖 3.10 與圖 3.11 分別給出了當(dāng) K 取 6 到 12 時計算得到的各類場景分類結(jié)果的用場景類別 場景 A 場景 B 場景 C 場景 D 生產(chǎn)者精度%場景 A 93 0 3 4 93.00場景 B 0 100 0 0 100場景 C 0 0 86 14 86.00場景 D 12 0 10 78 78.00用戶精度% 88.57 100 86.87 81.2571.13 71.2981.1167.0294.5177.3670.0999100 100 100100100 10067.0163.4170.6466.3585.2387.582.9885.0579.4987
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉增偉;;關(guān)于遙感圖像云檢測方法研究進(jìn)展[J];數(shù)字通信世界;2019年04期

2 徐秋曄;李玉;林文杰;趙泉華;;基于信息聚類的遙感圖像分割[J];中國礦業(yè)大學(xué)學(xué)報;2017年01期

3 彭晏飛;周娟;訾玲玲;;于衛(wèi)星地域遙感圖像分割方法研究仿真[J];計算機(jī)仿真;2017年01期

4 盛啟慧;李啟明;;航空遙感圖像幾何校正模型的效果比較[J];現(xiàn)代計算機(jī)(專業(yè)版);2017年17期

5 劉寧波;孫艷麗;王杰;;基于場景語義的遙感圖像目標(biāo)識別[J];現(xiàn)代電子技術(shù);2017年11期

6 王超英;;統(tǒng)計學(xué)習(xí)在海上遙感圖像背景去噪的算法研究[J];艦船科學(xué)技術(shù);2017年12期

7 姚銳;付卓新;;關(guān)于森林資源二類調(diào)查中遙感圖像的應(yīng)用分析[J];北京農(nóng)業(yè);2016年01期

8 李哲學(xué);;改進(jìn)高斯混合模型的遙感圖像增強(qiáng)方法[J];激光雜志;2016年07期

9 雷笑笑;;試論遙感圖像在師范地理教學(xué)中的應(yīng)用[J];山西青年;2017年03期

10 舒建文;周云真;;航空遙感圖像中道路檢測方法研究與仿真[J];計算機(jī)仿真;2013年09期

相關(guān)會議論文 前10條

1 李剛;張金榮;朱雷;汪林林;;基于多方向模糊形態(tài)學(xué)的彩色遙感圖像邊緣檢測算法[A];2009年全國開放式分布與并行計算機(jī)學(xué)術(shù)會議論文集(上冊)[C];2009年

2 王耀南;王紹源;孫煒;;基于二次規(guī)劃的神經(jīng)網(wǎng)絡(luò)遙感圖像的恢復(fù)[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會論文集[C];1998年

3 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(shí)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

4 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

5 彭Z，

本文編號：2652843