本文關(guān)鍵詞：改進(jìn)支持向量機(jī)的高分遙感影像道路提取

  更多相關(guān)文章： 道路提取 高分辨率遙感影像 支持向量機(jī) 模糊C均值 馬爾科夫隨機(jī)場(chǎng)

【摘要】：針對(duì)支持向量機(jī)受分類數(shù)的限制在高分辨率遙感影像中無(wú)法直接獲取高精度道路網(wǎng)信息的問題,該文提出一種新的混合的基于支持向量機(jī)的方法:首先,利用模糊C均值聚類方法將輸入的遙感影像分為3類,以減少支持向量機(jī)的錯(cuò)分現(xiàn)象;其次,運(yùn)用支持向量機(jī)將不同類別的像素分為道路類和非道路類;最后,應(yīng)用馬爾科夫隨機(jī)場(chǎng)對(duì)分類結(jié)果進(jìn)行噪聲去除,并采用形態(tài)學(xué)進(jìn)行后處理,進(jìn)而得到精確道路網(wǎng)信息。實(shí)驗(yàn)結(jié)果表明:該算法不僅能夠從高分辨率遙感影像中提取出道路網(wǎng),而且精度優(yōu)于直接使用支持向量機(jī)算法以及對(duì)比算法。
【作者單位】： 遼寧工程技術(shù)大學(xué);
【關(guān)鍵詞】： 道路提取 高分辨率遙感影像 支持向量機(jī) 模糊C均值 馬爾科夫隨機(jī)場(chǎng)
【分類號(hào)】：P237
【正文快照】： 0引言道路是高空間分辨率遙感影像中一種重要的目標(biāo)地物,其提取問題一直是研究熱點(diǎn)。雖然在高空間分辨率遙感影像中可以清晰地呈現(xiàn)道路的紋理細(xì)節(jié)特征和幾何信息,但是也呈現(xiàn)出一些不利于其道路提取信息的問題:1光譜混淆現(xiàn)象嚴(yán)重,其他地物(如車輛、建筑物,樹木及陰影)對(duì)道路產(chǎn)

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 羅亦泳;張豪;張立亭;;基于遺傳支持向量機(jī)的多維灰色變形預(yù)測(cè)模型研究[J];浙江工業(yè)大學(xué)學(xué)報(bào);2010年01期

2 尚坤;李培軍;程濤;;基于合成核支持向量機(jī)的高光譜土地覆蓋分類[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

3 林樂科;張業(yè)榮;趙振維;李建儒;;基于支持向量機(jī)的地基單站GPS反演大氣剖面[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

4 王志軍;顧沖時(shí);劉紅彩;;基于GIS與支持向量機(jī)的潰壩損失評(píng)估[J];長(zhǎng)江科學(xué)院院報(bào);2008年04期

5 洪曉鴻;洪璐;;回歸支持向量機(jī)在區(qū)域高程異常擬合中的應(yīng)用[J];浙江國(guó)土資源;2014年05期

6 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 李歡;羅紅霞;朱子義;;基于Bayes決策規(guī)則完善支持向量機(jī)的最大邊緣算法[A];中國(guó)地理學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

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

1 舒振宇;基于局部支持向量機(jī)的高分辨率遙感圖像分類[D];中國(guó)地質(zhì)大學(xué);2015年

2 徐芳;航空影像分割的支持向量機(jī)方法[D];武漢大學(xué);2004年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 范良;基于EEMD去噪和果蠅支持向量機(jī)的變形預(yù)測(cè)方法研究[D];遼寧工程技術(shù)大學(xué);2013年

2 孫曉霞;基于混合樣本和支持向量機(jī)的城市地物信息提取[D];河南大學(xué);2014年

3 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

，

本文編號(hào)：981010