基于SPM特征提取的面向对象遥感影像分类研究

【摘要】：遥感技术的发展,使我们能够获得极其丰富的信息,尤其是近几年来高分辨率遥感影像的出现更扩大了对自然界观察的视野。但是面临的挑战是如何处理和应用这些数据,使之能转变为急需被应用的信息。高分辨率遥感影像表现出地物更多的信息诸如光谱、形状、纹理以及上下文等。尽管卫星遥感数据分类技术有了长远的发展,但是对于高分辨率遥感影像来说,利用单一传统的分类方法不仅会导致分类精度降低,而且也会造成空间数据大量冗余、资源浪费。 因此,本文紧紧围绕提高高分辨率遥感影像的分类精度这一中心环节,以美国加利福利亚南部一块土地为例,重点从影响分类精度的因素和提高分类精度的方法这两个方面加以论述。对以前的面向对象遥感影像分类方法进行创新,在分割之前对遥感影像进行预处理,改变图像的灰度等级,提高图像对比度；消除边缘和噪声,平滑图像；突出边缘或线状地物,锐化图像；合成彩色图像；压缩图像数据量,突出主要信息等。这为后面的遥感影像分割奠定了基础。然后运用均值漂移图像分割算法进行遥感影像分割,得到影像内所包含的目标、特征以及描述影像的一些特征性参数,从而将原始影像转化为更抽象、更紧凑的形式,使得更高层的影像分析与理解成为可能。 本文介绍了支持向量机(SVM)的基本原理,具体讲解了线性可分,非线性可分和不可分情况下的处理,最后详细分析了SVM算法实现。重点介绍了空间金字塔匹配核(SPM)的基本原理,以及运用SPM进行特征提取的具体算法实现。并在面向对象遥感影像分类中成功引入空间金字塔匹配核(SPM)进行特征提取,该算法能够很好地提取特征。然后运用支持向量机进行遥感影像分类。对比试验表明,基于SPM特征提取的面向对象遥感影像分类精度得到了很好地提高。

【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TP751