基于紋理特征的遙感影像分類精度估計(jì).pdf

1、隨著遙感技術(shù)的發(fā)展，人們能更方便的獲取更多的遙感影像數(shù)據(jù)。但是目前遙感影像數(shù)據(jù)利用率仍較低，其本質(zhì)原因是遙感數(shù)據(jù)缺乏有效的數(shù)據(jù)質(zhì)量評(píng)價(jià)方法指導(dǎo)用戶選擇合適的數(shù)據(jù)來(lái)滿足相關(guān)應(yīng)用需求。
　　本文的主要目的是從遙感影像分類應(yīng)用的角度對(duì)遙感影像進(jìn)行質(zhì)量評(píng)估，根據(jù)估計(jì)的遙感圖像分類精度來(lái)評(píng)價(jià)圖像的分類質(zhì)量。以遙感影像分類精度最常用的度量指標(biāo)Kappa入手，結(jié)合最小距離分類準(zhǔn)則研究紋理特征的分布與遙感影像分類精度之間的關(guān)系，構(gòu)建了基于特征分布

2、參數(shù)的分類精度估計(jì)模型。因此本文的三個(gè)主要的研究?jī)?nèi)容包括：1）遙感影像紋理特征的研究。本文以基于灰度共生矩陣提取的紋理特征為重點(diǎn)研究對(duì)象。2）遙感影像分類精度估計(jì)模型構(gòu)建。在特征的分布符合高斯模型的假設(shè)下，結(jié)合最小距離準(zhǔn)則構(gòu)建了Kappa估計(jì)模型，將遙感影像分類精度估計(jì)問題轉(zhuǎn)換為特征的分布估計(jì)問題。3）特征分布估計(jì)技術(shù)研究。本文重點(diǎn)介紹了混合高斯模型下的特征分布估計(jì)算法—GMM算法，針對(duì)GMM算法的局限提出了一種均值約束的GMM算法作為