本文關(guān)鍵詞：融合時間特征的高分辨率遙感影像分類

  更多相關(guān)文章： 矢量數(shù)據(jù) 遙感影像分類 像斑 支持向量機 時間特征 轉(zhuǎn)移概率

【摘要】：為了充分利用歷史矢量數(shù)據(jù),并考慮地物類別的時間關(guān)聯(lián),提出了一種融合時間特征的高分辨率遙感影像分類方法。將歷史時期矢量數(shù)據(jù)與新時期遙感影像相結(jié)合,利用二次分割獲取像斑,通過支持向量機(support vector machine,SVM)算法獲取像斑類別及像斑的單時期后驗概率;依據(jù)歷史時期及新時期像斑類別屬性的關(guān)聯(lián),獲取定量表達時間特征的地物類別轉(zhuǎn)移概率;加權(quán)組合像斑的單時期后驗概率與轉(zhuǎn)移概率,采用迭代方法獲取影像最終分類結(jié)果。在Quick Bird影像上的實驗表明,該方法能夠有效引入時間特征及先驗知識,提高影像分類的精度。
【作者單位】： 四川省第三測繪工程院;
【關(guān)鍵詞】： 矢量數(shù)據(jù) 遙感影像分類 像斑 支持向量機 時間特征 轉(zhuǎn)移概率
【基金】：測繪地理信息公益性行業(yè)科研專項“衛(wèi)星遙感與地面?zhèn)鞲芯W(wǎng)一體化的湖泊流域地理國情監(jiān)測關(guān)鍵技術(shù)研究”(編號:201512026) 四川省地理國情監(jiān)測工程技術(shù)研究中心資助項目“基于時序遙感影像的土地利用變化檢測方法研究”(編號:GC201506) 四川省測繪地理信息局科技計劃項目“基于Web的四川省地理國情監(jiān)測數(shù)據(jù)成果展示方法與實現(xiàn)”(編號:J2014ZC16)共同資助
【分類號】：TP751
【正文快照】： 0引言遙感影像分類是通過地物特征及判別法則確定影像中地物類別屬性的過程[1],廣泛應(yīng)用于土地覆蓋分類、信息提取[2-3]、變化監(jiān)測[4]等領(lǐng)域。隨著傳感器技術(shù)的不斷發(fā)展,遙感影像的空間分辨率越來越高。面向?qū)ο蟮姆椒ㄊ歉叻直媛蔬b感影像分類中一種重要的方法[5-10],可以有效

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃恩興;;遙感影像分類結(jié)果的不確定性研究[J];中國農(nóng)學(xué)通報;2010年05期

2 賈坤;李強子;田亦陳;吳炳方;;遙感影像分類方法研究進展[J];光譜學(xué)與光譜分析;2011年10期

3 朱丹瑤;;遙感影像分類方法研究[J];黑龍江科技信息;2012年33期

4 孫立新,羅高平,張怡梅;遙感影像分類的歸類學(xué)習(xí)方法[J];測繪工程;1998年03期

5 李爽,丁圣彥,許叔明;遙感影像分類方法比較研究[J];河南大學(xué)學(xué)報(自然科學(xué)版);2002年02期

6 黃艷;張超;蘇偉;岳安志;;合理尺度紋理分析遙感影像分類方法研究[J];國土資源遙感;2008年04期

7 楊慧;鄭思莉;唐赫;朱文謙;程戰(zhàn)員;;面向?qū)ο蟮奈錆h市街區(qū)公共遙感影像分類研究[J];軟件導(dǎo)刊;2014年01期

8 楊玉靜;馮建輝;;紋理特征提取及輔助遙感影像分類技術(shù)研究[J];海洋測繪;2008年04期

9 李小濤;潘世兵;宋小寧;;基于地質(zhì)統(tǒng)計學(xué)紋理特征的遙感影像分類方法研究[J];地理與地理信息科學(xué);2009年02期

10 喬程;沈占鋒;吳寧;胡曉東;駱劍承;;空間鄰接支持下的遙感影像分類[J];遙感學(xué)報;2011年01期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 湯家法;;基于可拓分類器的遙感影像分類[A];第十七屆中國遙感大會摘要集[C];2010年

2 巫兆聰;;RBF網(wǎng)絡(luò)的粗糙表示與遙感影像分類應(yīng)用[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

3 楊劍;蒲英霞;何一鳴;;基于Getis的遙感影像分類研究[A];中國地理學(xué)會百年慶典學(xué)術(shù)論文摘要集[C];2009年

4 趙泉華;宋偉東;鮑勇;;基于分形紋理的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

5 羅小波;劉明皓;;基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];2006年中國土地學(xué)會學(xué)術(shù)年會論文集[C];2006年

6 ;結(jié)合光譜、紋理與形狀特征的高空間分辨率遙感影像分類(英文)[A];中國測繪學(xué)會第九次全國會員代表大會暨學(xué)會成立50周年紀念大會論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 任廣波;基于半監(jiān)督學(xué)習(xí)的遙感影像分類技術(shù)研究[D];中國海洋大學(xué);2010年

2 徐盛;基于主題模型的高空間分辨率遙感影像分類研究[D];上海交通大學(xué);2012年

3 劉志剛;支撐向量機在光譜遙感影像分類中的若干問題研究[D];武漢大學(xué);2004年

4 丁勝;智能優(yōu)化算法在高光譜遙感影像分類中的應(yīng)用研究[D];武漢大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 周楊;面向?qū)ο蟮母叻直媛蔬b感影像分類技術(shù)研究[D];中國地質(zhì)大學(xué)(北京);2015年

2 劉安斐;基于數(shù)據(jù)融合的遙感影像分類[D];解放軍信息工程大學(xué);2006年

3 任亞芬;面向并行環(huán)境的遙感影像分類算法設(shè)計與實現(xiàn)[D];華中科技大學(xué);2011年

4 段瑞芳;基于粗糙集的遙感影像分類中的不確定性問題研究[D];山西大學(xué);2008年

5 姚磊;基于支持向量機的遙感影像分類研究[D];山東師范大學(xué);2012年

6 龐曉瓊;遙感影像分類與信息發(fā)布技術(shù)研究[D];中北大學(xué);2006年

7 李小濤;地統(tǒng)計學(xué)和神經(jīng)網(wǎng)絡(luò)在遙感影像分類中的應(yīng)用研究[D];山東科技大學(xué);2004年

8 黃瑾;面向?qū)ο筮b感影像分類方法在土地利用信息提取中的應(yīng)用研究[D];成都理工大學(xué);2010年

9 都業(yè)軍;人工神經(jīng)網(wǎng)絡(luò)在遙感影像分類中的應(yīng)用與對比研究[D];內(nèi)蒙古師范大學(xué);2008年

10 李奇峰;結(jié)合多特征描述和SVM的遙感影像分類研究[D];鄭州大學(xué);2015年

，

本文編號：980931