【摘要】：隨著我國對地觀測系統(tǒng)的進一步發(fā)展和成熟,高分辨率遙感影像越來越成為各種實際應用的強有力數(shù)據(jù)支撐,包括高精度地形測繪、地物提取與分類、災害評估等。然而,隨著空間分辨率的增加,影像細節(jié)光譜信息丟失,空間信息量及其復雜度增加,導致傳統(tǒng)自動解譯方法適應性下降,使得自動解譯工作面臨了更多挑戰(zhàn)。因此進行高分辨率遙感影像自動分類研究具有十分重大的應用價值和理論意義。當前高分辨率遙感影像分類研究旨在解決3個核心問題:特征、尺度和分類策略,從而充分發(fā)揮高分辨率遙感影像豐富地表細節(jié)信息對自動分類的輔助決策作用,并提高其自動分類的準確性。為此,針對這些問題,本文首先借鑒現(xiàn)有遙感影像主題模型分析框架,為高分辨率遙感影像高層語義特征提取與表達尋求解決方案,然后通過引入多尺度影像表達機制為多尺度影像分析提供依據(jù),從而進一步緩解尺度問題對自動分類結果的影響,最后在相應特征表達基礎上,綜合不同程度訓練樣本先驗知識形成多尺度框架下的基于主題模型的高分辨率遙感影像分類體系,包括非監(jiān)督、監(jiān)督和半監(jiān)督自動分類方法。具體地,本文研究內(nèi)容和成果可以總結為:1)提出了一種基于多尺度分割影像集的高分辨率遙感影像主題模型建模分析框架。該分析框架采用影像像素灰度值定義主題模型建模詞匯,由粗到細的多尺度分割影像集的所有分割圖斑定義文檔集,影像潛在類別定義主題。模型不僅同時建模遙感影像不同層次對象的多尺度語義特征,還為基于多尺度集的尺度自適應選擇機制提供依據(jù),從而為實現(xiàn)尺度自適應分類提供決依據(jù);2)在上述基于多尺度分割影像集的高分辨率遙感影像主題模型建模分析框架下,本文針對不同訓練樣本情況提出了具有尺度自適應能力的高分辨率遙感影像非監(jiān)督、監(jiān)督和半監(jiān)督分類方法:2.1)基于多尺度影像分割的高分辨率遙感影像尺度自適應非監(jiān)督分類該方法首先借助于多尺度分割手段,形成高分辨遙感影像粗尺度到細尺度的分割影像集;然后,利用潛狄利克雷分配主題模型非監(jiān)督學習潛在地物類別的像素概率分布以及分割圖斑的潛在地物類別混合分布;繼而,在顧及分割圖斑內(nèi)潛在地物混合比例分布的情況下,通過比較地物類別和分割圖斑像素概率分布的Kullback-Leibler距離,判定不同尺度下各分割圖斑的類別歸屬;最后,融合多尺度下的分類結果,實現(xiàn)影像尺度自適應非監(jiān)督分類。不同場景、不同分辨率數(shù)據(jù)下開展的實驗結果表明,該方法能夠?qū)崿F(xiàn)分類結果的自適應平滑分類,并可以在一定程度上提高水體和陰影、水體和植被-等"同譜異物"地物的區(qū)分能力。2.2)多尺度光譜-空間-語義特征核函數(shù)集成的高分辨率遙感影像監(jiān)督分類該方法以多尺度影像分割集為基礎,利用潛狄利克雷分配模型建模分割圖斑的多尺度語義特征,并結合原始影像的光譜特征以及分割圖斑內(nèi)的空間均值特征,在不同分割尺度下分別開展光譜-空間-語義特征的多核函數(shù)融合分類,繼而根據(jù)多數(shù)投票原則在決策級集成多尺度分類結果,最后通過最小尺度下的分割影像實現(xiàn)像素級分類結果至面向?qū)ο蠓诸惤Y果的轉(zhuǎn)化。相關實驗表明該方法能夠?qū)崿F(xiàn)分類結果的自適應平滑分類,并在一定程度上提高建筑物和道路等"同譜異物"地物的區(qū)分能力,QuickBird、天繪實驗影像分類總體精度分別由基于光譜特征SVM的66.7%、63.7%提升至86.8%、87.2%。2.3)基于主題模型和自學習過程的高分辨率影像尺度自適應半監(jiān)督分類該方法首先基于高分辨率遙感影像光譜、空間和語義特征進行訓練樣本自學習拓展,得到具有較高置信度的訓練樣本集,然后再基于多尺度分割影像的半監(jiān)督主題模型建模框架下對所有樣本進行半監(jiān)督主題模型建模,得到具有部分類別先驗分布的潛語義特征,然后在各尺度上分別實現(xiàn)基于潛語義特征的影像分類,并對不同尺度分類結果進行自適應融合,得到具有自適應平滑效果的高分辨率遙感影像分類結果。QuickBird、天繪影像實驗結果表明,該方法通過訓練樣本拓展過程可以較好地對未知樣本進行類別估計,并在半監(jiān)督主題模型建模過程通過非監(jiān)督聚類結果對監(jiān)督分類結果進行修正和約束,從而獲得更高精度的分類結果。
[Abstract]:......
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P237

【參考文獻】

相關期刊論文 前8條

1 曹彬才;邱振戈;朱述龍;涂辛茹;曹芳;曹斌;;高分辨率衛(wèi)星立體雙介質(zhì)淺水水深測量方法[J];測繪學報;2016年08期

2 慎利;唐宏;王世東;張露;;結合空間像素模板和Adaboost算法的高分辨率遙感影像河流提取[J];測繪學報;2013年03期

3 李德仁;童慶禧;李榮興;龔健雅;張良培;;高分辨率對地觀測的若干前沿科學問題[J];中國科學:地球科學;2012年06期

4 陶超;譚毅華;彭碧發(fā);田金文;;一種基于概率潛在語義模型的高分辨率遙感影像分類方法[J];測繪學報;2011年02期

5 劉夢玲;何楚;蘇鑫;孫洪;;基于pLSA和Topo-MRF模型的SAR圖像分類算法研究[J];武漢大學學報(信息科學版);2011年01期

6 周暉;郭軍;朱長仁;王潤生;;引入PLSA模型的光學遙感圖像艦船檢測[J];遙感學報;2010年04期

7 張良培;黃昕;;遙感影像信息處理技術的研究進展(英文)[J];遙感學報;2009年04期

8 張錦水;何春陽;潘耀忠;李京;;基于SVM的多源信息復合的高空間分辨率遙感數(shù)據(jù)分類研究[J];遙感學報;2006年01期

，

本文編號：2402695