版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著遙感影像的空間分辨率不斷提高,影像所包含的細節(jié)信息越來越豐富,較過去的中低空間分辨率影像而言,能更好的表現(xiàn)地物目標的紋理、形狀和幾何結(jié)構(gòu)信息。與此同時,遙感影像空間分辨率的提高伴隨著數(shù)據(jù)量的激增,需要高效率的自動分類技術(shù)取代傳統(tǒng)的人工目視解譯,對影像中的有用信息進行提取。另一方面,高空間分辨率遙感影像的光譜分辨率相對較低,并且包含了大量細節(jié)信息,造成光譜分布異常復雜,降低了地物目標在光譜域的可分性。為解決這一問題,自動分類技術(shù)需要充
2、分利用影像中隱含的信息,彌補光譜特征的不足。
本文考慮到支持向量機在解決小樣本、非線性以及高維模式識別問題所具有的優(yōu)勢,以這一機器學習算法作為分類器,首先從光譜域角度對高空間分辨率遙感影像進行分類。由實驗結(jié)果發(fā)現(xiàn),影像中的地物目標僅僅通過光譜特征的差異進行區(qū)分并不可靠,光譜特征相似的異類地物目標發(fā)生混淆。
繼而利用像元形狀指數(shù)方法,提取高空間分辨率遙感影像的像元形狀指數(shù)特征,對光譜特征進行補充。實驗結(jié)果表明,像元形狀
3、指數(shù)特征能夠有效區(qū)分光譜特征相似而幾何形狀不同的地物目標,在分類精度上優(yōu)于光譜特征分類方法。同時,在與小波紋理特征方法和多尺度區(qū)域特征方法比較中,像元形狀指數(shù)方法也取得了更好的結(jié)果。另一方面,實驗中發(fā)現(xiàn)該方法極易受到高空間分辨率遙感影像中細節(jié)信息的影響,對富于細節(jié)信息的區(qū)域分類效果不理想。
鑒于像元形狀指數(shù)方法存在的不足,本文引入了面向?qū)ο蠓治鏊枷?,對高空間分辨率遙感影像進行分類。在像元形狀指數(shù)方法的啟發(fā)下,設計了一種自適應帶
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于主題模型的高空間分辨率遙感影像分類研究.pdf
- 高空間分辨率遙感影像陰影處理方法研究.pdf
- 高空間分辨率遙感影像分割質(zhì)量評價方法研究.pdf
- 林區(qū)高空間分辨率遙感影像幾何精校正算法研究.pdf
- 高空間分辨率遙感影像幾何特征提取方法研究.pdf
- 高空間分辨率機場影像解析.pdf
- 融合空間謂詞的高空間分辨率遙感圖像關(guān)聯(lián)分類方法研究.pdf
- 高空間分辨率遙感影像單株立木識別與樹冠分割算法研究.pdf
- 高分辨率遙感影像分類方法研究
- 21630.高空間分辨率遙感圖像多級詞袋分類方法研究
- 高空間分辨率影像小班區(qū)劃技術(shù)研究.pdf
- 同源-異源高空間分辨率遙感影像融合比較及其應用研究.pdf
- 11957.高空間分辨率遙感影像中建筑物陰影的處理研究
- 面向?qū)ο蟮母叻直媛蔬b感影像分類
- 面向?qū)ο蟮母叻直媛蔬b感影像分類
- 面向?qū)ο蟮母叻直媛蔬b感影像分類.pdf
- 高分辨率遙感影像多尺度分類方法研究.pdf
- 高空間-高光譜分辨率的遙感圖像城市場景分類識別研究.pdf
- 基于高空間分辨率的高光譜遙感數(shù)據(jù)的城市地物分類.pdf
- 高分辨率遙感影像面向?qū)ο蠓诸惙椒ㄑ芯?pdf
評論
0/150
提交評論