高分辨率遙感圖像面向?qū)ο蠓指钆c分類方法研究
本文關(guān)鍵詞：高分辨率遙感圖像面向?qū)ο蠓指钆c分類方法研究，由筆耕文化傳播整理發(fā)布。
【摘要】：隨著遙感技術(shù)的深入發(fā)展和人們對圖像空間分辨率要求的不斷提高,高分辨率遙感圖像也變得更加普及。相比于中、低分辨率遙感圖像,高分辨率遙感圖像有著更豐富的細節(jié)信息。因而,對高分辨率遙感圖像的信息提取需要綜合運用光譜和空間結(jié)構(gòu)信息。由此,面向?qū)ο蟮倪b感圖像分割和分類方法成為目前的研究熱點。面向?qū)ο蟮姆指詈头诸惙椒ㄒ詫ο?同質(zhì)性像元的集合)作為基本處理單元,對象比單個像元含有更加豐富的類別信息,能在更多維數(shù)特征下表征其類別屬性,通過特征的計算和組合,以達到信息提取的目的。通過圖像分割算法將圖像分割成特征相近的同質(zhì)性對象區(qū)域,在分割的過程中綜合光譜、形狀、紋理等信息能使分割對象多邊形更貼近真實地物邊界,后續(xù)的特征計算和分類都是在分割對象基礎(chǔ)上完成,因此,圖像分割是基礎(chǔ),分割效果的好壞決定了分類的精度。分形網(wǎng)絡(luò)演化方法(FNEA)的多尺度分割是一種比較經(jīng)典的面向?qū)ο蠓指罘椒?分割過程結(jié)合了對象光譜和幾何形狀信息,多尺度分割形成的層次網(wǎng)絡(luò)結(jié)構(gòu)讓不同地物都有最適合的分割參數(shù),在避免噪聲影響的同時也取得很好的分割視覺效果。另一方面,FNEA方法的分割參數(shù)較多,且每一層次都有不同的分割參數(shù),操作繁瑣且參數(shù)的設(shè)置沒有嚴密的數(shù)學(xué)理論約束,層次越多,人的主觀影響越嚴重。本文基于此點考慮實驗一種FNEA單一尺度的分割,通過初始分割對象快速構(gòu)建和分割效果優(yōu)化對其進行改進。在此基礎(chǔ)上采用模糊分類法將對象分類,通過和多尺度分割的分類效果進行量化對比分析,從數(shù)據(jù)可知FNEA多尺度分割和改進FNEA分割的分類總體精度都達到了85%以上,Kappa系數(shù)0.8以上,都取得很好的分類效果。在城市圖像分類中兩種分割方法的分類精度幾乎一致,郊區(qū)圖像分類中改進FNEA方法雖然和FNEA多尺度方法的分類精度有所差距但差別不大。研究表明:改進FNEA分割方法比FNEA多尺度分割操作更加簡單且初始分割時間效率有很大程度的提高,對象的分類精度也能達到多尺度分割的精度要求,對地物尺度相差越小的圖像改進FNEA分割的分類效果也越好。
【關(guān)鍵詞】：面向?qū)ο?/strong> 圖像分割 FNEA算法 模糊分類
【學(xué)位授予單位】：中國地質(zhì)大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP751
【目錄】：
- 摘要5-6
- Abstract6-10
- 第1章 緒論10-18
- 1.1 研究背景和意義10-11
- 1.2 圖像分割研究現(xiàn)狀11-13
- 1.3 圖像分類研究現(xiàn)狀13-14
- 1.4 研究內(nèi)容、方法與技術(shù)路線14-16
- 1.5 論文組織結(jié)構(gòu)16-18
- 第2章 圖像分割算法研究18-36
- 2.1 圖像分割的概念18
- 2.2 常用分割算法原理18-23
- 2.2.1 基于邊緣檢測的圖像分割19-21
- 2.2.2 基于區(qū)域的圖像分割21-22
- 2.2.3 基于特定理論的圖像分割22-23
- 2.3 基于分形網(wǎng)絡(luò)演化方法的改進分割算法23-36
- 2.3.1 分形網(wǎng)絡(luò)演化方法24-28
- 2.3.2 四叉樹分割28-32
- 2.3.3 光譜差異分割32-35
- 2.3.4 改進算法流程35-36
- 第3章 面向?qū)ο蠓诸愃惴ㄑ芯?/span>36-46
- 3.1 特征介紹36-41
- 3.1.1 光譜特征38
- 3.1.2 形狀特征38-39
- 3.1.3 紋理特征39-40
- 3.1.4 自定義特征40-41
- 3.2 模糊分類41-46
- 3.2.1 隸屬度函數(shù)分類41-43
- 3.2.2 最鄰近分類43-46
- 第4章 面向?qū)ο蠓诸悓嶒?/span>46-66
- 4.1 實驗區(qū)域和數(shù)據(jù)源46-47
- 4.2 實驗流程47-48
- 4.3 圖像分割48-56
- 4.3.1 FNEA的多尺度分割49-54
- 4.3.2 改進的FNEA分割54-56
- 4.4 對象分類56-66
- 4.4.1 分類層次56-60
- 4.4.2 分類規(guī)則及分類效果60-66
- 第5章 精度評價及結(jié)果分析66-72
- 5.1 精度評價指標66-67
- 5.2 實驗結(jié)果分析67-72
- 第6章 總結(jié)與展望72-74
- 致謝74-75
- 參考文獻75-78
- 附錄78
【參考文獻】
中國期刊全文數(shù)據(jù)庫 前7條
1 宋宇彬,張秉權(quán),郝永平;基于四叉樹的圖像分割技術(shù)[J];兵工自動化;2004年06期
2 秦其明,陸榮建;分形與神經(jīng)網(wǎng)絡(luò)方法在衛(wèi)星數(shù)字圖像分類中的應(yīng)用[J];北京大學(xué)學(xué)報(自然科學(xué)版);2000年06期
3 孫曉霞;張繼賢;劉正軍;;利用面向?qū)ο蟮姆诸惙椒◤腎KONOS全色影像中提取河流和道路[J];測繪科學(xué);2006年01期
4 高偉;劉修國;彭攀;陳啟浩;;一種改進的高分辨率遙感影像分割方法[J];地球科學(xué)(中國地質(zhì)大學(xué)學(xué)報);2010年03期
5 鄧富亮;楊崇俊;曹春香;范協(xié)裕;;高分辨率影像分割的分形網(wǎng)絡(luò)演化改進方法[J];地球信息科學(xué)學(xué)報;2014年01期
6 劉文靜;賈振紅;郜青梅;;基于小波包與Otsu的含噪遙感圖像分割算法[J];計算機工程;2011年15期
7 莫利江;曹宇;胡遠滿;劉淼;夏棟;;面向?qū)ο蟮臐竦鼐坝^遙感分類——以杭州灣南岸地區(qū)為例[J];濕地科學(xué);2012年02期
中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條
1 侯葉;基于圖論的圖像分割技術(shù)研究[D];西安電子科技大學(xué);2011年
2 黃慧萍;面向?qū)ο笥跋穹治鲋械某叨葐栴}研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年
本文關(guān)鍵詞：高分辨率遙感圖像面向?qū)ο蠓指钆c分類方法研究，由筆耕文化傳播整理發(fā)布。
，本文編號：322511
本文鏈接：http://sikaile.net/guanlilunwen/gongchengguanli/322511.html
