發(fā)布時(shí)間：2023-04-23 14:36

　　隨著近年來(lái)遙感技術(shù)的不斷進(jìn)步,遙感影像的分辨率也隨之提高。高分辨率遙感影像在各行業(yè)中得到廣泛應(yīng)用,成為當(dāng)前遙感影像研究的熱門(mén)課題。其中遙感影像的分類(lèi)可以有效提取地物的類(lèi)別信息,是遙感影像處理與解譯的關(guān)鍵環(huán)節(jié),進(jìn)而引起大量學(xué)者的關(guān)注。然而分辨率的提高不僅豐富了影像中的地物信息,同時(shí)也增加了影像處理的數(shù)據(jù)量,致使基于像素的分類(lèi)方法難以完全適用。面向?qū)ο蟮姆诸?lèi)方法以同質(zhì)像素集合為基礎(chǔ)進(jìn)行實(shí)施,在一定程度上解決數(shù)據(jù)量大的問(wèn)題,同時(shí)其可有效提取像元中的紋理以及空間特征,充分利用豐富的地物信息,逐漸成為當(dāng)前主流的遙感影像分類(lèi)方法,其在土地利用、土地覆蓋檢測(cè)上具備較高的研究?jī)r(jià)值。因此,本文圍繞面向?qū)ο蟮姆诸?lèi)方法中關(guān)鍵問(wèn)題,研究提出了兩種面向?qū)ο蠓诸?lèi)的新算法。主要研究工作如下:(1)針對(duì)傳統(tǒng)簡(jiǎn)單線(xiàn)性迭代聚類(lèi)(Simple Linear Iterative Clustering,SLIC)超像素分割算法難以準(zhǔn)確分割細(xì)小地物目標(biāo)的問(wèn)題,研究提出了一種基于Canny邊緣算子的超像素分割算法,該算法利用Canny邊緣算子所提取的地物邊緣信息作為引導(dǎo),協(xié)助SLIC算法進(jìn)行超像素分割,使得生成的超像素塊的邊界更貼...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究意義與目的
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 圖像分割算法
        1.2.2 圖像分類(lèi)算法
    1.3 論文研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)
第二章 傳統(tǒng)面向?qū)ο蠓诸?lèi)方法
    2.1 數(shù)據(jù)及其預(yù)處理
        2.1.1 數(shù)據(jù)源
        2.1.2 數(shù)據(jù)預(yù)處理
    2.2 影像分割
        2.2.1 超像素分割算法簡(jiǎn)介
        2.2.2 SLIC超像素分割算法
    2.3 特征提取
    2.4 支持向量機(jī)分類(lèi)算法
        2.4.1 支持向量機(jī)算法簡(jiǎn)介
        2.4.2 線(xiàn)性可分
        2.4.3 線(xiàn)性不可分
    2.5 本章總結(jié)
第三章 一種基于Canny邊緣算子的超像素分割算法
    3.1 基于Canny邊緣提取算法
    3.2 Canny邊緣提取簡(jiǎn)介
        3.2.1 Canny邊緣提取算法步驟
        3.2.2 Canny邊緣提取算法實(shí)驗(yàn)結(jié)果分析
    3.3 基于Canny邊緣算子的超像素分割算法
    3.4 本章總結(jié)
第四章 基于改進(jìn)的面向?qū)ο蠓诸?lèi)算法
    4.1 隨機(jī)森林算法
        4.1.1 決策樹(shù)算法
        4.1.2 CART決策樹(shù)
        4.1.3 隨機(jī)森林算法數(shù)學(xué)定義
        4.1.4 隨機(jī)森林的構(gòu)建過(guò)程
        4.1.5 隨機(jī)森林算法的性質(zhì)
        4.1.6 分類(lèi)結(jié)果
    4.2 改進(jìn)的面向?qū)ο蠓诸?lèi)算法
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 分類(lèi)精度評(píng)價(jià)
        4.3.2 分類(lèi)結(jié)果分析
    4.4 本章總結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 不足與展望
參考文獻(xiàn)
校間的學(xué)術(shù)活動(dòng)及成果



本文編號(hào)：3799906