發(fā)布時間：2017-09-16 01:32

  本文關(guān)鍵詞：基于OLI影像的多分類器組合方法研究

  更多相關(guān)文章： 遙感 OLI 遙感影像分類 多分類器 ENVI/IDL

【摘要】：遙感圖像分類是遙感信息提取的關(guān)鍵環(huán)節(jié)。可為研究者獲取地理信息與知識,以及政府管理部門利用分類信息做出決策提供參考。高精度的遙感圖像分類技術(shù)一直是遙感應(yīng)用不斷追求的目標(biāo),如何提高分類精度也成為關(guān)鍵問題。多分類器集成思想及其集成方法的研究由來已久,近些年來,利用多分類器組合進行目標(biāo)識別在模式識別領(lǐng)域已經(jīng)有廣泛應(yīng)用,但在遙感領(lǐng)域則處在起步階段。OLI影像成相效果優(yōu)良,波段設(shè)置合理,目前應(yīng)用廣泛。本研究在分析遙感圖像分類尤其是對多分類器集成技術(shù)研究進行梳理綜述基礎(chǔ)上,選擇OLI影像作為多分類器分類實驗數(shù)據(jù)進行研究,在ENVI/IDL平臺下采用基于性能識別矩陣的投票法,投票法、最大概率類別法、意見一致性原則三者結(jié)合方法以及基于樣本聚類的分類器選擇方法等多分類器組合的方法對研究區(qū)進行遙感信息的提取,研究了多分類器組合的相關(guān)理論知識,通過具體的實驗對多分類器與單分類器加以比較分析,驗證了多分類器組合對遙感分類精度提高的有效性,為之后多分類器方法的廣泛應(yīng)用打下了良好的基礎(chǔ)。研究結(jié)果表明:(1)以Kappa統(tǒng)計值、熵值和多樣性與精度指標(biāo)(D_P)作為分類器差異性衡量指標(biāo),可以篩選出較優(yōu)的分類器組合形式;(2)VRPM、VMLC、DCS三種多分類器組合算法能夠得到比單分類器高的分類精度;(3)多分類器組合方法分類有助于提高遙感分類實際應(yīng)用的效率。
【關(guān)鍵詞】：遙感 OLI 遙感影像分類 多分類器 ENVI/IDL
【學(xué)位授予單位】：中國地質(zhì)大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：P237
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-19
• 1.1 選題背景及意義9-11
• 1.1.1 選題背景9
• 1.1.2 選題意義9-11
• 1.2 國內(nèi)外研究進展11-16
• 1.2.1 遙感影像分類方法研究進展11-14
• 1.2.2 多分類器組合方法研究進展14-16
• 1.3 研究內(nèi)容與方法16-17
• 1.3.1 研究內(nèi)容16
• 1.3.2 技術(shù)路線16-17
• 1.4 論文章節(jié)安排17-19
• 第2章 遙感影像分類的基礎(chǔ)概念和理論19-34
• 2.1 遙感分類概述19-20
• 2.2 單分類器分類20-26
• 2.2.1 基于光譜的分類20-22
• 2.2.2 基于專家知識的決策樹分類22-23
• 2.2.3 面向?qū)ο髨D像分類23-26
• 2.3 多分類器分類26-34
• 2.3.1 多分類器組合分類方法類型27-28
• 2.3.2 多分類器組合算法28-32
• 2.3.3 分類器差異性度量32-34
• 第3章OLI影像介紹與數(shù)據(jù)預(yù)處理34-40
• 3.1 數(shù)據(jù)介紹34-35
• 3.1.1 技術(shù)指標(biāo)34-35
• 3.1.2 基本參數(shù)35
• 3.2 數(shù)據(jù)預(yù)處理35-37
• 3.2.1 數(shù)據(jù)預(yù)處理流程35-36
• 3.2.2 輻射定標(biāo)和大氣校正36-37
• 3.3 波段組合方式37-40
• 第4章 單分類器分類實驗40-47
• 4.1 研究區(qū)概況影像40
• 4.2 訓(xùn)練樣本采集40-41
• 4.3 單分類器監(jiān)督分類實驗41-42
• 4.4 精度分析42-47
• 第5章 多分類器組合分類實驗47-64
• 5.1 多分類器工具實現(xiàn)47-49
• 5.2 基于差異性度量的多分類器組合算法49-52
• 5.2.1 基于性能識別矩陣的投票法49-51
• 5.2.2 投票法、最大概率類別法、意見一致性原則三者結(jié)合方法51-52
• 5.2.3 基于樣本聚類的分類器選擇方法52
• 5.3 基于差異性度量的單分類器選取52-55
• 5.4 實驗對比分析55-64
• 5.4.1 精度分析55-57
• 5.4.2 效率分析57-64
• 第6章 總結(jié)與展望64-66
• 6.1 內(nèi)容總結(jié)64
• 6.2 存在問題及展望64-66
• 致謝66-68
• 參考文獻68-71
• 附錄71

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 戴宏亮;;智能拉普拉斯分類器[J];中山大學(xué)學(xué)報(自然科學(xué)版);2009年02期

2 魏蓉;趙艷君;張同亮;顧全;;使用偽氨基酸和集成分類器預(yù)測凋謝蛋白亞細(xì)胞定位[J];計算機與應(yīng)用化學(xué);2009年07期

3 駱玉霞,陳煥偉;角度分類器與距離分類器比較研究——以鹽漬土分類為例[J];國土資源遙感;2002年02期

4 馮彥杰,王浣塵;學(xué)習(xí)分類器在績效尋優(yōu)中的應(yīng)用及其組織決策意義[J];控制理論與應(yīng)用;2003年03期

5 柏延臣,王勁峰;結(jié)合多分類器的遙感數(shù)據(jù)專題分類方法研究[J];遙感學(xué)報;2005年05期

6 聶金宗;呂宏伯;陳祖蔭;;用于發(fā)震地點預(yù)報的一種非參數(shù)模式分類器[J];北京工業(yè)大學(xué)學(xué)報;1986年01期

7 高文;湯洋;朱明;;復(fù)雜背景下目標(biāo)檢測的級聯(lián)分類器算法研究[J];物理學(xué)報;2014年09期

8 張章華;;應(yīng)用分類器組合模型進行巖性識別[J];計算機仿真;2009年04期

9 袁勛;吳秀清;洪日昌;宋彥;華先勝;;基于主動學(xué)習(xí)SVM分類器的視頻分類[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2009年05期

10 張欣;梁宗保;;多分類器融合算法研究與應(yīng)用[J];湘潭大學(xué)自然科學(xué)學(xué)報;2011年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學(xué)術(shù)會議論文集[C];2009年

2 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗證對象集分類器的再訓(xùn)練演進[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2002年

3 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機手寫識別筆段特征分類器的學(xué)習(xí)方法[A];黑龍江省計算機學(xué)會2009年學(xué)術(shù)交流年會論文集[C];2010年

4 穆明生;;基于特征集的多種分類器模型的在線筆跡認(rèn)證[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

5 彭濤;左萬利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(shù)(英文)[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無關(guān)”的說話人辨認(rèn)[A];第四屆全國人機語音通訊學(xué)術(shù)會議論文集[C];1996年

7 謝秋玲;;應(yīng)用于心電圖分類的KNN-SVM分類器研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

8 胡瓊;汪榮貴;胡韋偉;孫見青;;基于級聯(lián)分類器的快速人臉檢測方法[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

9 李蘭春;王雙成;杜瑞杰;;認(rèn)知結(jié)構(gòu)評估的動態(tài)貝葉斯網(wǎng)絡(luò)分類器方法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

10 邵小健;段華;賀國平;;一種改進的最少核分類器[A];中國運籌學(xué)會第七屆學(xué)術(shù)交流會論文集（上卷）[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 黃明;精子分類器決定生男生女[N];廣東科技報;2000年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張非;對抗逃避攻擊的防守策略研究[D];華南理工大學(xué);2015年

2 劉明;分類器組合技術(shù)研究及其在人機交互系統(tǒng)中的應(yīng)用[D];北京交通大學(xué);2008年

3 嚴(yán)志永;在劃分?jǐn)?shù)據(jù)空間的視角下基于決策邊界的分類器研究[D];浙江大學(xué);2011年

4 王U，

本文編號：860122