近年來,由于航天和遙感技術(shù)的持續(xù)發(fā)展,對(duì)地觀測(cè)已進(jìn)入一個(gè)新的時(shí)代。高分辨率遙感影像日益成為獲取地物信息的主要數(shù)據(jù)來源,在地理國情普查與監(jiān)測(cè)、城市規(guī)劃、資源勘測(cè)、大比例尺制圖等方面發(fā)揮著重要的作用。高分辨率遙感影像除了具有一定的光譜特征外,還具有豐富的形狀、紋理特征,這給影像的智能化分類提出了新的挑戰(zhàn)。支持向量機(jī)（SVM）作為一種以核函數(shù)為基礎(chǔ)的分類算法,在模式識(shí)別等問題上具有良好的泛化性能,在各領(lǐng)域具有廣泛的應(yīng)用。但由于高分辨率遙感影像地物分布的復(fù)雜性和SVM中不同核函數(shù)分類性能存在明顯不同,導(dǎo)致基于SVM的高分辨率遙感影像分類研究還有待深入。因此本文就SVM在高分辨率遙感影像分類中的應(yīng)用進(jìn)行研究。首先,分析了本研究課題的背景和研究意義、研究現(xiàn)狀及存在的問題,介紹了SVM基本原理、特點(diǎn)及存在的問題;闡述了高分辨率遙感影像的特點(diǎn)及分類方法。其次,針對(duì)SVM在高分辨率遙感影像分類中存在的問題,提出利用多個(gè)核函數(shù)加權(quán)組合方式構(gòu)建多核SVM進(jìn)行分類。最后,為了進(jìn)一步提高分類器的分類性能和泛化能力,提出了一種改進(jìn)RBaggSVM算法的多核SVM集成學(xué)習(xí)模型,將多核函數(shù)加入RBaggSVM算法中,... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1兩類線性可分的最優(yōu)分類

其灰度直方圖累積概率必然為 1，那么：, 1 1( ) log( ) 0t ti im n i i f f(3, 1 , 1( ) log( ) 2 log 2 1.3863t ti im n i m n i f f (3合并化簡以后原公式為：, 1 1 , ,( , ) 2 log ( ) log( ) 1.3863t ti i i im n i i m n m nG m n f f f f (將該算法應(yīng)用到高分辨率遙感影像中進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)影像選取重慶市地區(qū)的高分辨率影像，所選影像的大小為 769 769。本實(shí)驗(yàn)首先利用分水嶺算法對(duì)原始影像實(shí)行初始分割，然后使用本文提出的結(jié)合光譜信息、紋理信息對(duì)象之間空間形狀信息的合并代價(jià)函數(shù)和區(qū)域鄰接圖對(duì)過分割影像進(jìn)行區(qū)域合

其灰度直方圖累積概率必然為 1，那么：, 1 1( ) log( ) 0t ti im n i i f f(3, 1 , 1( ) log( ) 2 log 2 1.3863t ti im n i m n i f f (3合并化簡以后原公式為：, 1 1 , ,( , ) 2 log ( ) log( ) 1.3863t ti i i im n i i m n m nG m n f f f f (將該算法應(yīng)用到高分辨率遙感影像中進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)影像選取重慶市地區(qū)的高分辨率影像，所選影像的大小為 769 769。本實(shí)驗(yàn)首先利用分水嶺算法對(duì)原始影像實(shí)行初始分割，然后使用本文提出的結(jié)合光譜信息、紋理信息對(duì)象之間空間形狀信息的合并代價(jià)函數(shù)和區(qū)域鄰接圖對(duì)過分割影像進(jìn)行區(qū)域合


本文編號(hào)：3005081