收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于纹理的遥感图像分类研究

王佐成  
【摘要】: 在遥感图像分类中,引入纹理特征能够很好地提高分类精度,已经得到研究人员的高度重视。另外,针对遥感图像的数据量大,更新快的特点,近年来兴起的数据挖掘技术为处理这些海量的遥感数据提供了新的技术手段和方法。纹理特征可看作图像中反复出现的局部模式和它们的排列规则,而关联规则数据挖掘方法够挖掘大型数据库中的频繁模式,这成为遥感数据处理与数据挖掘相结合的一个切入点。在图像中,纹理特征由于各种因素的影响,其模糊性和随机性表现尤为突出,采用模糊方法来处理图像模糊问题具有广阔的应用前景。基于模糊集的云理论为研究图像模糊纹理提供了新的理论依据,将其引入到遥感图像处理领域是一种创造性的应用。 本文以遥感图像纹理特征作为研究对象,将其作为图像分类特征值进行遥感图像监督和非监督分类研究。在分类中重点研究了两种目前较为新颖的方法技术:一是基于数据挖掘图像纹理联合关联规则的遥感图像监督分类;另一个是基于模糊纹理特征矢量云的遥感图像非监督分类,最后用对象云模型对图像分类区域的模糊表达进行了研究。论文创新点在于: 1.针对图像纹理数据挖掘的关键问题,提出适合纹理图像数据挖掘的方法体系,包括图像表示模型、基于象素特征图像纹理关联规则定义、纹理图像挖掘预处理、纹理图像模板统计挖掘算法。该方法体系涵盖了图像数据挖掘的各个环节,能够较充分挖掘出纹理图像中的关联规则。 2.提出将遥感图像纹理特征联合关联规则作为纹理图像的特征表达。根据图像模板统计挖掘方法挖掘出系列频繁模式,实验证明通过这些频繁模式,能够较好表达图像的纹理特征。因此我们将其引入到图像监督分类算法中,通过建立纹理图像样本区域的纹理联合关联规则,构造模糊分类器,对纹理图像进行监督分类。实验证明该算法时间复杂度低,对于海量遥感数据的快速处理具有重要理论和应用价值。 3.针对遥感图像的模糊性和随机不确定性的特点,创造性地将云模糊理论引入遥感图像处理领域,借助云模糊理论能够将定性论域的模糊性和随机性完全集成到一起构成定性和定量相互间映射的特性,来处理遥感图像的模糊和随机性。通过对纹理统计方法中纹理描述符的相关性分析,抽取最能表达某种纹理的遥感图像纹理描述符,基于遥感图像纹理特征,在图像微窗口进行多维云数字特征生成,构建纹理特征多维矢量云来表达遥感图像纹理特征。在此基础上,我们提出纹理特征矢量云距离计算方法,采用模糊聚类算法对遥感图像进行非监督分类,实验证明该方法能够提高图像分类的精度,并且算法收敛速度快。 4.针对图像分类所获取的区域具有不确定边界,提出采用对象云模型来表达遥感图像上模糊空间分类区域(对象)。借助形态学中腐蚀的方法,获得空间对象区域的核心部分,将这部分最能够代表对象特征的区域作为云核,根据生成的云核,构建云滴隶属度数字特征,得到对象云及其数字特征表示。最后用对象云相似性对该表达方法进行分析验证,证明对象云能够很好地表达图像中的模糊对象区域。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 毛建旭,王耀南;基于模糊高斯基函数神经网络的遥感图像分类[J];遥感技术与应用;2001年01期
2 岳昔娟;张勇;黄国满;;改进的直方图均衡化在遥感图像分类中的应用[J];四川测绘;2008年04期
3 毛建旭,王耀南,孙炜;基于模糊小脑模型神经网络的遥感图像分类算法[J];测绘学报;2002年04期
4 居红云;张俊本;李朝峰;王正友;;基于K-means与SVM结合的遥感图像全自动分类方法[J];计算机应用研究;2007年11期
5 刘少军;张京红;何政伟;高峰;谢瑞红;;基于面向对象的橡胶分布面积估算研究[J];广东农业科学;2010年01期
6 李朝锋,杨茂龙,许磊,杨蒙召;概率神经网络与BP网络模型在遥感图像分类中的对比研究[J];国土资源遥感;2004年04期
7 许磊;李朝峰;杨蒙召;;SVM结合模糊方法在遥感图像分类中的应用[J];计算机工程与应用;2005年36期
8 李玮;袁运能;朱博勤;;自适应方法在遥感图像处理中的应用研究[J];遥感信息;2006年01期
9 张文君;顾行发;陈良富;余涛;许华;;基于均值-标准差的K均值初始聚类中心选取算法[J];遥感学报;2006年05期
10 戴芹;刘建波;;基于蚁群优化分类规则挖掘的遥感图像分类研究[J];计算机工程与应用;2008年15期
11 陈锻生,方有清;用森林生态环境信息进行遥感图像分类的专家系统初探[J];遥感学报;1988年01期
12 郑玉燕;何建农;;改进的Fuzzy-Artmap网络在遥感图像分类中的应用[J];福建电脑;2007年11期
13 田源;塔西甫拉提·特依拜;丁建丽;张飞;依力亚斯江·努尔麦麦提;韦建波;;基于支持向量机的土地覆被遥感分类[J];资源科学;2008年08期
14 陈辉;郭科;郑文峰;;数字水印技术应用于遥感图像版权保护的评测标准研究[J];物探化探计算技术;2008年05期
15 姚谦;郭子祺;袁泉;柳彩霞;;遗传算法的LVQ神经网络在遥感图像分类中的应用[J];遥感信息;2008年05期
16 朱海洲;贾银山;;基于支持向量机的遥感图像分类研究[J];科学技术与工程;2010年15期
17 俞能海,杨扬,刘政凯;用于遥感图像分类的简化并行神经网络[J];电路与系统学报;2002年04期
18 刘伟;;结合ERDAS的基于BPNN遥感图像分类[J];兵工自动化;2006年04期
19 张晓霞;王垚;;遥感图像分类方法在土地利用分析中的比较[J];科技情报开发与经济;2007年09期
20 许仕珍;吴云东;;一种基于人工免疫网络的遥感图像分类算法[J];海洋测绘;2008年04期
中国重要会议论文全文数据库 前10条
1 李石华;金宝轩;;基于Matlab的自组织神经网络在地形复杂区遥感图像分类中的应用研究[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年
2 张守娟;周诠;;空间数据挖掘决策树算法在遥感图像分类中的应用研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年
3 张东波;王耀南;;一种可变离散精度粗逻辑网络[A];2006中国控制与决策学术年会论文集[C];2006年
4 俞晨;邹伟;余先川;;遥感图像混合像元分解方法研究[A];第十二届全国图象图形学学术会议论文集[C];2005年
5 郭子祺;李琳;周强;柳彩霞;傅薇;张宝钢;;决策树与SVM组合分类方法研究[A];第十七届中国遥感大会摘要集[C];2010年
6 吴全;裴志远;郭琳;刘跃辰;赵占营;;两种遥感分类精度评价方法应用研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
7 陈本清;徐涵秋;;厦门市土地利用年际动态变化卫星遥感分析[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
8 游代安;余旭初;王建荣;;一种基于知识的遥感图像模糊分类算法[A];中国图象图形学会第十届全国图像图形学术会议(CIG’2001)和第一届全国虚拟现实技术研讨会(CVR’2001)论文集[C];2001年
9 刘咏梅;温仲明;杨勤科;;陕北黄土丘陵地区坡耕地遥感分类方法研究[A];认识地理过程 关注人类家园——中国地理学会2003年学术年会文集[C];2003年
10 高琪清;赵小艳;;湖北省宜昌市城市热效应的遥感监测[A];第27届中国气象学会年会城市气象,让生活更美好分会场论文集[C];2010年
中国博士学位论文全文数据库 前9条
1 刘小芳;基于核理论的遥感图像分类方法研究[D];电子科技大学;2011年
2 许凯;云模型支持下的遥感图像分类粒计算方法研究[D];武汉大学;2010年
3 王旭红;遥感影像数据挖掘技术研究[D];西北大学;2005年
4 罗红霞;地学知识辅助遥感进行山地丘陵区基于系统分类标准的土壤自动分类方法研究[D];武汉大学;2005年
5 王佐成;基于纹理的遥感图像分类研究[D];西南交通大学;2007年
6 王小敏;独立分量分析及其在遥感动态监测中的应用研究[D];南京理工大学;2008年
7 高恒振;高光谱遥感图像分类技术研究[D];国防科学技术大学;2011年
8 肖阳;多谱图像融合与处理技术研究[D];华中科技大学;2011年
9 姚伏天;基于高斯过程的高光谱图像分类研究[D];浙江大学;2011年
中国硕士学位论文全文数据库 前10条
1 沈忠阳;基于空间信息核模糊C均值聚类算法的遥感图像分类[D];浙江工业大学;2013年
2 陈玲;土地利用更新调查中遥感图像分类的方法和精度对比的研究[D];太原理工大学;2010年
3 张建文;专业遥感图像分类方法的研究及应用[D];兰州理工大学;2014年
4 曾广伟;基于神经网络的耕地遥感图像分类研究与应用[D];吉林农业大学;2013年
5 王知鸷;基于纹理及光谱信息融合的遥感图像分类方法研究[D];西安电子科技大学;2010年
6 蒋芳;基于MATLAB的遥感图像SVM分类系统实现[D];湖北大学;2012年
7 蒋韬;基于遗传粒子群优化算法的遥感图像分类方法研究与应用[D];首都师范大学;2013年
8 吴洋;基于超像素的面向对象遥感图像分类方法研究[D];华中科技大学;2013年
9 郭逢丽;基于云理论的高光谱遥感图像分类研究[D];哈尔滨工程大学;2011年
10 刘柳;基于支持向量机和模糊后处理的遥感图像分类研究[D];华中科技大学;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