本文關鍵詞：基于多特征融合的遙感圖像分類研究

  更多相關文章： 遙感分類 多特征融合 Gist特征 支持向量機 決策樹分類

【摘要】：遙感圖像分類一直是遙感研究領域的重要內(nèi)容,如何解決多類別遙感影像分類識別并滿足一定的精度,是遙感圖像研究中的一個關鍵問題。遙感圖像的計算機分類是通過計算機對遙感圖像像素進行數(shù)值處理,達到自動分類識別地物的目的。由于同物異譜及異物同譜現(xiàn)象的存在,計算機遙感影像分類精度受到了較大影響。改進現(xiàn)有分類方法,對地物進行精確提取對國土資源監(jiān)測及土地利用規(guī)劃具有十分重要的意義。本文以石家莊市區(qū)的TM遙感數(shù)據(jù)為研究對象,基于紋理特征、光譜特征和空間特征構(gòu)建多特征影像集,應用最大似然分類法、支持向量機法和決策樹分類法對研究區(qū)進行了基于多特征融合的分類實驗及精度分析。首先,對紋理特征提取方法進行對比和分析,選擇了灰度共生矩陣的方差法和Gabor濾波器的Gist特征為紋理特征,利用最佳指數(shù)法對二者進行對比,結(jié)果表明Gist特征比傳統(tǒng)的紋理特征性能更優(yōu)越;其次,基于遙感影像提取了反映光譜特征的植被指數(shù)(NDVI)、纓帽變換分量和主成分分量,并引入數(shù)字高程模型表達空間特征。按照特征性質(zhì)進行隨機組合,分析各特征組合下分類樣本的J-M距離,構(gòu)建了最優(yōu)分類特征組合;最后,對多特征融合遙感圖像進行了最大似然和支持向量機分類并基于分類特征構(gòu)建決策樹模型,對地物進行了分層提取。精度分析結(jié)果表明,分類特征對遙感分類精度的提高具有積極作用,基于多特征的影像分類精度較之原始影像均有所提高,三種分類方法所得實驗結(jié)果顯示,決策樹分類法最優(yōu),精度為87.33%,kappa系數(shù)為0.8454;其次是支持向量機法,精度為85.33%,kappa系數(shù)為0.8047;最后是最大似然法,精度為80.33%,kappa系數(shù)為0.7340。
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP751

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識別算法[J];清華大學學報(自然科學版);2007年02期

2 周靜;黃心漢;彭剛;;基于多特征融合的飛機目標識別[J];華中科技大學學報(自然科學版);2009年01期

3 杜艷明;龍丹;;多特征融合的人臉檢測[J];武漢理工大學學報;2010年23期

4 趙小英,黃鳳榮;多特征融合的目標識別與提取在空間定位中的研究[J];河北工業(yè)大學學報;2002年04期

5 張進華;莊健;杜海峰;王孫安;;一種基于視頻多特征融合的火焰識別算法[J];西安交通大學學報;2006年07期

6 王琳;李愛國;王新年;虞燕風;;基于多特征融合的早期火災煙霧檢測[J];大連海事大學學報;2014年01期

7 商飛;馬駿驍;姚立;田地;邱春玲;;基于多特征融合的科學儀器工作狀態(tài)檢測方法[J];吉林大學學報(工學版);2010年02期

8 李亮;張樹生;白曉亮;邵立;;基于遺傳算法的三維CAD模型多特征融合和檢索[J];制造業(yè)自動化;2013年03期

9 姚拓中;項志宇;劉濟林;;基于圖像多特征融合的野外水體障礙物檢測[J];浙江大學學報(工學版);2009年04期

10 馬東輝;朱斌;樊祥;任彪;;基于粒子濾波的目標圖像多特征融合跟蹤方法[J];探測與控制學報;2009年04期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 葉鋒;蔡光東;鄭子華;亓曉旭;尹鵬;;基于多特征融合的藥用植物標本識別[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

2 段其昌;季長有;;基于多特征融合的快速人臉檢測[A];第十七屆全國測控計量儀器儀表學術(shù)年會（MCMI'2007）論文集（上冊）[C];2007年

3 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集（上）[C];2008年

中國博士學位論文全文數(shù)據(jù)庫 前5條

1 劉明華;復雜環(huán)境下基于多特征融合的目標跟蹤關鍵技術(shù)研究[D];青島科技大學;2016年

2 田綱;基于多特征融合的Mean shift目標跟蹤技術(shù)研究[D];武漢大學;2011年

3 徐志剛;基于多特征融合的路面破損圖像自動識別技術(shù)研究[D];長安大學;2012年

4 陳秀新;多特征融合視頻復制檢測關鍵技術(shù)研究[D];北京工業(yè)大學;2013年

5 初紅霞;基于均值移動和粒子濾波的目標跟蹤關鍵技術(shù)研究[D];哈爾濱工程大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 金婕;基于多特征融合和結(jié)果重排的特定圖像檢索[D];上海交通大學;2015年

2 封少坤;基于多特征融合的LCD微小瑕疵自動分類[D];上海交通大學;2015年

3 徐俊峰;多特征融合的遙感影像變化檢測技術(shù)研究[D];解放軍信息工程大學;2015年

4 張小琴;基于多特征融合的車輛品牌識別方法研究[D];東南大學;2015年

5 謝振哲;圖像通用隱寫檢測中的多特征融合方法[D];福州大學;2013年

6 陳小波;基于多特征融合與特征包的手勢檢測識別算法研究[D];福州大學;2013年

7 牛姝媛;基于信息整合的藥物副作用預測方法研究[D];華東師范大學;2016年

8 龍海強;基于深度學習的人臉識別算法[D];廣東工業(yè)大學;2016年

9 朱夢亞;基于多特征融合的遙感圖像分類研究[D];燕山大學;2016年

10 汪龍;壓縮感知跟蹤算法關鍵技術(shù)研究[D];南昌航空大學;2016年

，

本文編號：1160428