本文關(guān)鍵詞：基于多分類器集成的高分辨率遙感影像變化檢測

  更多相關(guān)文章： 高分辨率遙感影像 變化檢測 多分類器集成 訓練樣本自動提取

【摘要】：高空間分辨率遙感影像為土地利用/土地覆蓋(LULC)狀況的監(jiān)測提供了豐富的地面細節(jié)信息,使得高分辨率遙感影像變化檢測研究成為當前遙感研究領(lǐng)域的熱點之一�，F(xiàn)有的兩類高分辨率遙感影像變化檢測方法(監(jiān)督方法和非監(jiān)督方法)都存在著自身的優(yōu)勢和不足以及不同的適用范圍,二者結(jié)合則可以提高變化檢測的精度,擴大算法的適用范圍。分類器集成算法能夠綜合利用多種分類器的優(yōu)勢提高算法的泛化能力和分類精度,因此集成算法為監(jiān)督變化檢測方法提供了新的研究方向。論文構(gòu)建了兩種多分類器集成算法用于高分辨率遙感影像的變化檢測,并通過實驗證明了所提出的方法能夠提高高分辨率遙感影像變化檢測的精度和自動化程度。論文的主要成果如下:(1)在高分辨率遙感影像中提取紋理特征和形態(tài)特征并結(jié)合原始的光譜特征構(gòu)建了多源特征集用于變化信息的提取,并利用空間信息對初步變化檢測結(jié)果進行約束,減少了“椒鹽”噪聲的影響。(2)結(jié)合非監(jiān)督變化檢測算法,對原始的訓練樣本自動選擇方法進行改進,利用兩組變化閾值范圍代替一個閾值自動選擇訓練樣本,使獲取的訓練樣本分布更加均勻合理,進而提高檢測精度和監(jiān)督變化檢測方法的自動化程度。(3)構(gòu)建了兩種多分類器集成系統(tǒng)用于高分辨率遙感影像變化信息的提取。根據(jù)高分辨率遙感影像的特點,選擇三種分類器作為基分類器,并使用同質(zhì)集成策略和異質(zhì)集成策略構(gòu)建了兩種多分類器混合集成系統(tǒng)用于提高高分辨率遙感影像的變化檢測精度以及運算效率。
【關(guān)鍵詞】：高分辨率遙感影像 變化檢測 多分類器集成 訓練樣本自動提取
【學位授予單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P237
【目錄】：

• 致謝4-5
• 摘要5-6
• ABSTRACT6-14
• 變量注釋表14-15
• 1 緒論15-27
• 1.1 研究背景與意義15-16
• 1.2 相關(guān)領(lǐng)域的研究現(xiàn)狀與面臨的問題16-24
• 1.3 論文的研究內(nèi)容與技術(shù)路線24-25
• 1.4 論文的組織結(jié)構(gòu)25-27
• 2 多源特征集的構(gòu)建與訓練樣本自動提取27-37
• 2.1 遙感影像數(shù)據(jù)介紹27-29
• 2.2 多源特征集的構(gòu)建29-32
• 2.3 基于非監(jiān)督變化檢測的樣本自動提取方法32-34
• 2.4 實驗與分析34-36
• 2.5 本章小結(jié)36-37
• 3 基于多分類器混合集成系統(tǒng)的變化檢測方法37-51
• 3.1 基分類器的選擇37-40
• 3.2 基于多分類器混合集成系統(tǒng)的變化檢測方法40-41
• 3.3 實驗與分析41-49
• 3.4 本章小結(jié)49-51
• 4 基于層疊泛化混合集成系統(tǒng)的變化檢測方法51-67
• 4.1 層疊泛化51-53
• 4.2 多響應(yīng)線性回歸模型及擴展53-55
• 4.3 基于層疊泛化混合集成系統(tǒng)的變化檢測方法55-58
• 4.4 實驗與分析58-65
• 4.5 本章小結(jié)65-67
• 5 總結(jié)與展望67-69
• 5.1 本文總結(jié)67-68
• 5.2 展望68-69
• 參考文獻69-78
• 作者簡歷78-80
• 學位論文數(shù)據(jù)集80

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 劉麗;匡綱要;;圖像紋理特征提取方法綜述[J];中國圖象圖形學報;2009年04期

2 李曉峰;張樹清;韓富偉;秦喜文;于歡;;基于多重信息融合的高分辨率遙感影像道路信息提取[J];測繪學報;2008年02期

3 徐新剛;李強子;周萬村;吳炳方;;應(yīng)用高分辨率遙感影像提取作物種植面積[J];遙感技術(shù)與應(yīng)用;2008年01期

，

本文編號：1101759