航天遙感技術(shù)的迅速發(fā)展為氣候、地貌和海洋等相關(guān)領(lǐng)域的研究提供了大量直接有效的素材,相關(guān)科研工作的主要任務(wù)常常是對遙感圖像的分析和處理。但是由于衛(wèi)星遙感圖像（尤其是高光譜數(shù)據(jù)）信息量大,部分信息（如氣象遙感數(shù)據(jù)）的時效性強,遙感圖像的人工分析處理的效率低且成本高,如果采用圖像處理方法對衛(wèi)星圖像進行分類將大大提高工作效率。目前的許多方法通過多種分類算法和特征提取技術(shù)的組合,已經(jīng)實現(xiàn)了將圖像中的景物比如云團、山脈、河流、海洋等進行分類,得出相對準(zhǔn)確的分類結(jié)果。結(jié)合當(dāng)前的圖像分類方法,本文針對現(xiàn)有的遙感圖像處理和分析方法進行了研究,提出了一種基于MLR和空譜特征的遙感圖像分類方法。相對于以往的基于支持向量機和像素級特征的分類方法,本文算法具有以下幾方面的優(yōu)勢:1.本文提出了一種基于OIF的波段選擇算法。在原有的OIF算法基礎(chǔ)上,對原始波段數(shù)據(jù)集進行初選,通過評價指數(shù)將噪聲波段或圖像結(jié)構(gòu)不清晰的波段去除。通過設(shè)置篩選閾值限制初選結(jié)果,從而將原數(shù)據(jù)集的波段數(shù)控制在一定范圍之內(nèi),然后使用計算量較大的OIF方法對剩余波段進行選擇,最后得到最佳波段組合用于分類。由于使用了計算速度較快的初選算法,使OIF... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同地物的反射波譜曲線

遺傳算法流程示意圖

灰度共生矩陣法特征提取流程圖

【參考文獻】：
期刊論文
[1]變異系數(shù)降維的CNN高光譜遙感圖像分類[J]. 張康,黑保琴,周壯,李盛陽.  遙感學(xué)報. 2018(01)
[2]非線性變換和信息相鄰相關(guān)的高光譜自適應(yīng)波段選擇[J]. 張愛武,杜楠,康孝巖,郭超凡.  紅外與激光工程. 2017(05)
[3]基于SLIC和主動學(xué)習(xí)的高光譜遙感圖像分類方法[J]. 趙鵬飛,周紹光,裔陽,胡屹群.  計算機工程與應(yīng)用. 2017(03)
[4]改進最佳指數(shù)的高光譜快速波段選擇方法[J]. 郭彤,華文深,劉恂,劉曉光,崔子浩.  激光雜志. 2016(09)
[5]高光譜圖像處理與信息提取前沿[J]. 張兵.  遙感學(xué)報. 2016(05)
[6]淺述遙感技術(shù)在環(huán)境監(jiān)測中的運用[J]. 楊凱,宋夢潔,陳曉婷.  安徽農(nóng)學(xué)通報. 2016(13)
[7]基于Gabor特征與局部保護降維的高光譜圖像分類算法[J]. 葉珍,白璘,粘永健.  光學(xué)學(xué)報. 2016(10)
[8]采用多項式遞歸核的高光譜遙感異常實時檢測算法[J]. 趙春暉,尤偉,齊濱,王佳.  光學(xué)學(xué)報. 2016(02)
[9]一種基于改進子空間劃分的波段選擇方法[J]. 趙慧潔,李明康,李娜,丁昊,蔡輝.  紅外與激光工程. 2015(10)
[10]基于主成分分析的高光譜遙感圖像非局部去噪[J]. 印佳,杜戰(zhàn)戰(zhàn).  現(xiàn)代電子技術(shù). 2015(11)



本文編號：3277785