收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于半监督学习的遥感影像分类技术研究

任广波  
【摘要】:基于统计模式识别的分类是遥感影像应用中最主要的信息提取方法。由于遥感影像信息统计分布的高度复杂性和随机性、人为选择样本时对待分类影像认知的有限性以及选择时的盲目性等因素,常导致得到的样本数量少且代表性不好,从而无法保证取得理想的分类效果。但目前传统的遥感影像分类方法研究和应用中都忽视了该问题,常以“样本选择无任何问题”为出发点评价方法的适用性和参数设置,这不利于遥感影像信息提取技术研究和应用的深入发展。 本文的工作主要针对遥感影像分类中人为选择样本少且代表性不好的问题,研究如何充分挖掘分类器和待分类影像的潜力,使影像分类结果最大限度的得到改善。论文主要包括以下两个部分:第一,在深入分析遥感影像分类时经常出现的人为选取样本代表性不好问题的基础上,针对遥感影像数据特点和分类特点,引入半监督学习分类方法,开展了基于半监督学习的遥感影像分类技术研究;第二,面向遥感应用中全自动分类和对无法获取有效样本区域的分类问题,基于发展的适用于遥感影像的半监督学习分类技术,分别提出了有效的解决方法。具体内容如下: (1)发展了基于半监督学习的遥感影像分类方法 在分析遥感影像数据特点的基础上,基于半监督学习方法中与遥感影像数据分布特点一致的两种假设,研究并发展了基于生成模型和直推式思想的遥感影像半监督学习分类技术。 基于生成模型的技术研究中,推导并修正了EM算法的递归公式,从遥感影像分类应用的角度给出了修正依据;面向遥感影像分类特点和需求,给出在一个类别对应一个概率混合成分和一个类别对应多个概率混合成分时的分类方法,并分别给出相应的算法流程;发现了休斯现象在半监督学习分类中同样存在;根据设计的分类实验,从经验角度给出了已标记样本集和未标记样本的用量比例参考。 针对现有基于直推式思想的遥感影像方法研究中,因未考虑遥感数据特点而导致未标记样本的标注效率低下、分类精度不高的问题,提出了一种适用于遥感影像的未标记样本标注方法;分别应用到目前主流的中分辨率遥感影像和高分辨率遥感影像分类中,给出了基于象元的分类方法流程,和基于分割对象的高分辨率遥感影像半监督学习分类方法流程框架,并指出发展的基于分割对象的分类方法体现了真正意义上的直推式学习。 为更全面的评价和分析所发展的两种方法,开展了基于生成模型的方法和基于直推式方法的分类效果对比,并分析了两种方法的适用性。 (2)基于发展的半监督分类方法解决了遥感应用中的两个技术难题 面向遥感应用中对全自动分类技术和训练样本拓展应用技术的需求,在分析半监督学习方法在上述应用领域中的适用性的基础上,开展了相应的研究。 遥感影像的全自动分类是今后大规模、高频度、重复性区域遥感监测技术发展的重要方向。提出一种以建立预设样本集的方式,基于半监督学习的遥感影像全自动分类技术。已标记样本不一定来自待分类影像本身,但却在一定程度上代表影像覆盖的区域。通过在区域性样本集建立策略下的全自动分类实验,给出了可行的基于半监督学习的遥感影像全自动分类方法。面向目前国家海域使用监测中对高自动化信息提取的需求,提出一种针对海岸带滩涂围垦信息的半监督学习全自动提取方法。 遥感影像分类样本的时空拓展应用在灾情的应急监测、跨区域的遥感监测和跨国界的军事监测等方面意义重大。代表性不好是样本难以在覆盖不同时空的影像分类中有效应用的主要障碍。为应对该问题,提出了一种遥感影像半监督学习分类样本拓展技术。已标记样本完全不来自待分类影像,甚至无法确定对影像覆盖的区域的代表性。分别针对近距离、应急监测中的样本拓展应用,和远距离、跨国界科学研究和军事意义上的分类样本拓展,开展了实例应用。并根据实验结果对比分析了提出方法和一般半监督学习的异同。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 韩玲;王翠平;王润平;;一种建立在CPN基础上的分类方法在遥感影像分类中的应用研究[J];测绘科学;2007年03期
2 何德平;肖勇;肖兴国;黄永红;周庆人;;支持向量机在遥感影像处理中的应用[J];城市勘测;2006年03期
3 刘伟;崔宝侠;;广义LVQ算法及其在遥感影像分类中的应用研究[J];电子与信息学报;2006年07期
4 黄利文;毛政元;李二振;汪小钦;吴升;;基于几何概率的聚类分析方法及其在遥感影像分类中的应用[J];中国图象图形学报;2007年04期
5 刘安斐;窦晓晶;杨华;;基于Adaboost算法的K-means遥感影像分类算法[J];北京电子科技学院学报;2007年04期
6 童小华;张学;刘妙龙;;基于多光谱遥感影像分类的城镇用地变化研究[J];光谱学与光谱分析;2009年08期
7 郑毅;武法东;刘艳芳;;一种面向对象分类的特征分析方法[J];地理与地理信息科学;2010年02期
8 刘峰;潘欣;;基于粗集的遥感影像决策树分类新方法[J];长春工程学院学报(自然科学版);2010年04期
9 豆林轩;张海荣;陈继培;;基于遥感数据的沛县景观格局变化定量分析[J];科技广场;2011年02期
10 裴亮;谭阳;;辅以纹理特征的遥感影像神经网络分类[J];煤炭技术;2007年12期
11 裴亮;谭阳;;辅以纹理特征的遥感影像神经网络分类[J];测绘与空间地理信息;2008年04期
12 许仕珍;吴云东;;基于进化人工免疫网络的遥感影像分类算法[J];测绘工程;2009年01期
13 李雪婵;;一种基于SVM的遥感影像分类技术[J];通信技术;2009年08期
14 鲍海英;李艳;赵萍;;辅以纹理特征的面向对象的遥感影像分类方法研究——以陕西省杨陵县为例[J];遥感信息;2009年04期
15 陈绍杰;李光丽;张伟;曹文;;基于多分类器集成的煤矿区土地利用遥感分类[J];中国矿业大学学报;2011年02期
16 张瑜琴;陈蜀江;;基于GDI+的遥感影像胡杨疏林信息提取方法研究[J];科技信息;2009年08期
17 毛典辉;李文正;林伟华;;基于形式概念分析的遥感影像分类[J];遥感学报;2010年01期
18 巴雅尔,敖登高娃,沈彦俊,朱林,Ryutar Toateishi,王一谋;地理信息系统支持下Spot/vegetation NDVI影像的大尺度神经网络分类[J];红外与毫米波学报;2005年06期
19 厍向阳;薛惠锋;雷学武;汤国安;;基于分类规则挖掘的遥感影像分类研究[J];遥感学报;2006年03期
20 冯益明;李增元;武红敢;陈尔学;;基于灰度与纹理信息融合的影像分割方法[J];遥感技术与应用;2006年06期
中国重要会议论文全文数据库 前10条
1 汪东川;龚建华;张利辉;;基于时间序列轨迹分析的遥感影像分类结果联合校正[A];第十七届中国遥感大会摘要集[C];2010年
2 谷方明;刘大有;王新颖;;基于半监督学习的加权支持向量域数据描述方法[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年
3 汤家法;;基于可拓分类器的遥感影像分类[A];第十七届中国遥感大会摘要集[C];2010年
4 杨源;马云龙;林鸿飞;;基于权重标准化SimRank与半监督学习的产品属性归类[A];中国计算语言学研究前沿进展(2009-2011)[C];2011年
5 王珊珊;季民;高洁;焦其松;;CBR方法在高分辨率遥感影像分类中的应用[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
6 巫兆聪;;RBF网络的粗糙表示与遥感影像分类应用[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年
7 罗小波;刘明皓;;基于优化的BP神经网络遥感影像分类[A];2006年中国土地学会学术年会论文集[C];2006年
8 陈玉敏;万幼川;;结合矢量的神经网络算法用于遥感影像分类研究[A];2003年中国智能自动化会议论文集(上册)[C];2003年
9 朱松豪;梁志伟;;用半监督学习方法实现图像检索[A];第二十九届中国控制会议论文集[C];2010年
10 邱慧宁;黄剑;陈羽;赖剑煌;;基于UDP的半监督学习及其在人脸识别的应用[A];第十四届全国图象图形学学术会议论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 任广波;基于半监督学习的遥感影像分类技术研究[D];中国海洋大学;2010年
2 孔怡青;半监督学习及其应用研究[D];江南大学;2009年
3 王娇;多视图的半监督学习研究[D];北京交通大学;2010年
4 兰远东;基于图的半监督学习理论、算法及应用研究[D];华南理工大学;2012年
5 易俐娜;面向对象遥感影像分类不确定性分析[D];武汉大学;2011年
6 徐雪;样本的几何信息在半监督学习中的应用研究[D];中国科学技术大学;2010年
7 朱岩;面向文本数据的半监督学习研究[D];北京交通大学;2012年
8 徐盛;基于主题模型的高空间分辨率遥感影像分类研究[D];上海交通大学;2012年
9 桂杰;基于图的半监督学习和维数约简方法及其应用研究[D];中国科学技术大学;2010年
10 潘俊;基于图的半监督学习及其应用研究[D];浙江大学;2011年
中国硕士学位论文全文数据库 前10条
1 杨伟;基于半监督学习的遥感影像分类[D];上海交通大学;2010年
2 秦高峰;基于机器学习的多光谱遥感影像分类及城市扩展研究[D];重庆大学;2012年
3 陈新勇;基于核策略的半监督学习方法研究[D];河北大学;2010年
4 黄明明;半监督学习方法研究及在警用平台中的应用[D];大连理工大学;2010年
5 冯元佶;基于图的半监督学习的改进研究[D];湘潭大学;2010年
6 余养强;半监督学习若干问题的研究[D];福建师范大学;2010年
7 刘伟涛;半监督学习方法及应用研究[D];山东大学;2011年
8 杨伟;半监督学习方法研究[D];国防科学技术大学;2011年
9 魏征丽;基于图半监督学习算法的研究及应用[D];西安电子科技大学;2012年
10 蒋延生;基于图的适应性相似度估算的半监督学习[D];大连理工大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978