本文關(guān)鍵詞：基于偏二叉樹雙支持向量機(jī)的遙感圖像分類研究與應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：遙感技術(shù)是上世紀(jì)六十年代以來(lái)發(fā)展起來(lái)的一門新興學(xué)科,它與其他諸多科學(xué)技術(shù)都有相當(dāng)緊密的關(guān)系,也是一種最為有效的研究地球表面資源環(huán)境的技術(shù)方法。而利用遙感圖像進(jìn)行對(duì)各種地表物體類別的識(shí)別與判定是將遙感技術(shù)應(yīng)用到各領(lǐng)域的一個(gè)關(guān)鍵環(huán)節(jié)。遙感圖像分類的主要任務(wù)是借助遠(yuǎn)離地面工作平臺(tái)上的數(shù)據(jù)傳感器所獲取的地表物體電磁波輻射信息的特征為判斷依據(jù),識(shí)別和推斷地球表面物體的歸屬類別信息以及分布情況。本文根據(jù)在校期間參與的“國(guó)家電網(wǎng)輸電線路災(zāi)害預(yù)警平臺(tái)”項(xiàng)目中火災(zāi)預(yù)測(cè)模型所提出對(duì)安徽省全境地面物體覆蓋情況的需求,對(duì)遙感圖像的分類方法進(jìn)行研究,并開發(fā)實(shí)現(xiàn)出一套完整的遙感圖像分類系統(tǒng)。本文具體工作內(nèi)容和研究成果如下：(一)研究對(duì)比了一些傳統(tǒng)的遙感圖像分類方法,包括基于最大似然法的遙感圖像分類、基于ISODATA的遙感圖像分類。了解了遙感圖像分類流程以及該流程中傳統(tǒng)遙感圖像分類方法存在的難點(diǎn)與不足,可以幫助我們更好地實(shí)現(xiàn)系統(tǒng)的開發(fā)與選擇分類算法。(二)針對(duì)“國(guó)家電網(wǎng)輸電線路災(zāi)害預(yù)警平臺(tái)”項(xiàng)目中面臨的遙感圖像分類問(wèn)題,重點(diǎn)研究了雙支持向量機(jī)與二叉樹支持向量機(jī),提出使用將二者結(jié)合的基于偏二叉樹雙支持向量機(jī)分類方法解決遙感圖像分類問(wèn)題。(三)完成本文研究的初衷,開發(fā)并實(shí)現(xiàn)了一套遙感圖像分類系統(tǒng)。此系統(tǒng)的分類結(jié)果滿足“國(guó)家電網(wǎng)輸電線路災(zāi)害預(yù)警平臺(tái)”項(xiàng)目中火災(zāi)預(yù)測(cè)模型對(duì)地物信息分類的需求。
【關(guān)鍵詞】：遙感圖像分類 支持向量機(jī) 雙支持向量機(jī) 二叉樹支持向量機(jī) 遙感圖像分類系統(tǒng)
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP181;TP751
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-14
• 1.1 選題背景與研究意義8-9
• 1.2 遙感圖像分類的任務(wù)及難點(diǎn)9-10
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀及分析10-12
• 1.4 本文的主要工作以及章節(jié)安排12-14
• 第二章 遙感圖像分類方法研究14-24
• 2.1 遙感圖像分類概述14-16
• 2.2 傳統(tǒng)遙感圖像分類方法16-21
• 2.2.1 最大似然分類法16-18
• 2.2.2 ISODATA分類法18-21
• 2.3 遙感圖像分類精度評(píng)價(jià)21-23
• 2.3.1 誤差矩陣21-22
• 2.3.2 總體分類精度22
• 2.3.3 Kappa系數(shù)22-23
• 2.4 本章小結(jié)23-24
• 第三章 基于偏二叉樹雙支持向量機(jī)的遙感圖像分類24-39
• 3.1 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)24-30
• 3.1.1 統(tǒng)計(jì)學(xué)習(xí)理論24-26
• 3.1.2 支持向量機(jī)26-30
• 3.2 雙支持向量機(jī)與二叉樹支持向量機(jī)30-33
• 3.2.1 雙支持向量機(jī)30-32
• 3.2.2 二叉樹支持向量機(jī)32-33
• 3.3 基于偏二叉樹雙支持向量機(jī)的遙感圖像分類33-35
• 3.4 實(shí)驗(yàn)過(guò)程與結(jié)果分析35-38
• 3.5 本章小結(jié)38-39
• 第四章 遙感圖像分類系統(tǒng)的開發(fā)與實(shí)現(xiàn)39-53
• 4.1 遙感圖像分類系統(tǒng)的需求39
• 4.2 系統(tǒng)處理的數(shù)據(jù)說(shuō)明39-41
• 4.3 系統(tǒng)語(yǔ)言的選擇41
• 4.4 系統(tǒng)框架設(shè)計(jì)41-42
• 4.5 系統(tǒng)核心模塊詳細(xì)設(shè)計(jì)42-46
• 4.5.1 圖像文件操作模塊42-43
• 4.5.2 圖像信息讀取模塊43
• 4.5.3 分類前準(zhǔn)備模塊43-44
• 4.5.4 訓(xùn)練樣本選擇模塊44
• 4.5.5 遙感圖像分類算法模塊44-46
• 4.5.6 系統(tǒng)類詳細(xì)設(shè)計(jì)46
• 4.6 系統(tǒng)界面介紹和功能演示46-52
• 4.6.1 系統(tǒng)界面介紹47-48
• 4.6.2 系統(tǒng)功能演示48-52
• 4.7 本章小結(jié)52-53
• 第五章 總結(jié)與展望53-55
• 5.1 總結(jié)53
• 5.2 展望53-55
• 參考文獻(xiàn)55-58
• 致謝58-59
• 攻讀碩士學(xué)位期間參與的科研項(xiàng)目59

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 李石華,王金亮,畢艷,陳姚,朱妙園,楊帥,朱佳;遙感圖像分類方法研究綜述[J];國(guó)土資源遙感;2005年02期

2 張學(xué)工;關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)[J];自動(dòng)化學(xué)報(bào);2000年01期

3 謝娟英;張兵權(quán);汪萬(wàn)紫;;基于雙支持向量機(jī)的偏二叉樹多類分類算法[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

4 孔春芳;吳沖龍;徐凱;;基于多特征的城市用地高分辨率影像分類與提取[J];數(shù)據(jù)采集與處理;2007年03期

5 王一達(dá);沈熙玲;謝炯;;遙感圖像分類方法綜述[J];遙感信息;2006年05期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 梁懷翔;支持向量機(jī)遙感圖像分類的研究[D];長(zhǎng)安大學(xué);2011年

2 金晶;多/高光譜遙感圖像光譜分解研究與應(yīng)用[D];復(fù)旦大學(xué);2010年

  本文關(guān)鍵詞：基于偏二叉樹雙支持向量機(jī)的遙感圖像分類研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：412781