

版權說明: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,請進行舉報或認領
文檔簡介
1、隨著衛(wèi)星遙感技術的不斷發(fā)展,應用需求的增加,應用范圍也越來越廣泛。單純的對單時相的衛(wèi)星遙感技術研究已經(jīng)達不到人們的需求。因此,對于地物分類來說,由于單時相衛(wèi)星影像空間分辨率比較低,而且所含的光譜信息一般也比較少,分類結(jié)果一般會出現(xiàn)椒鹽現(xiàn)象,不能很好的滿足應用需求。本文從多時相衛(wèi)星影像數(shù)據(jù)的特點出發(fā),旨在深入挖掘多時相衛(wèi)星影像信息,提高衛(wèi)星影像數(shù)據(jù)應用能力。首先對衛(wèi)星影像進行了預處理,接著研究了基于圖論的歸一化分割;并深入研究了多時相衛(wèi)星
2、影像的時間序列指數(shù)特征;針對多時相衛(wèi)星影像提出了基于增量學習的集成學習分類算法,并且與傳統(tǒng)的多時相分類算法對比,增量集成學習算法取得了較好的效果。
本文工作主要是研究了衛(wèi)星影像數(shù)據(jù)預處理、時序指數(shù)特征提取以及面向?qū)ο蟮亩鄷r相衛(wèi)星影像地物分類,包括以下三個方面:
首先,本文從多光譜衛(wèi)星影像數(shù)據(jù)的獲取原理出發(fā)。由于目前多時相衛(wèi)星影像數(shù)據(jù)的空間分辨率與光譜分辨率都比較低,而且數(shù)據(jù)量比較大。采用傳統(tǒng)的基于像素的分類方法不僅運
3、算效率低,而且分類結(jié)果會出現(xiàn)椒鹽現(xiàn)象。因此在預處理的基礎上,研究了基于圖論分割算法。針對最小割算法的缺陷,將圖論分割算法進行了歸一化,且取得了較好的分割效果。影像分割也為面向?qū)ο蟮姆诸惖牡於嘶A。
然后,從多時相多光譜衛(wèi)星影像數(shù)據(jù)的時序特性出發(fā)。研究了有利于地物分類的指數(shù)特征提取、時序指數(shù)特征提取。為了有效的揭示不同地物隨時間的變化對不同指數(shù)特征的敏感度,對時序指數(shù)特征提取了一階和二階差分時序指數(shù)特征,并在此基礎上進行了研究
4、了面向?qū)ο蟮姆诸惙椒?,且與傳統(tǒng)的基于像素的分類結(jié)果進行對比,取得了較好的分類效果。
最后,針對于多時相衛(wèi)星影像數(shù)據(jù)的時序特性,在多核Boosting集成學習算法的基礎上,引入增量學習,構建多時相分類器。增量學習可以在保留歷史學習信息的基礎上,對新增的樣本不斷學習,進而不斷地更新分類器,集成的新分類器對新樣本具有更好的預測效果。為驗證多時相分類器的有效性,利用多時相衛(wèi)星影像進行了實驗。結(jié)果表明并與傳統(tǒng)的合成核算法和集成學習算法相
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
- 基于面向?qū)ο蟮臉O化SAR地物分類.pdf
- 多時相遙感影像土地覆蓋自動分類研究.pdf
- 如何查看及下載不同年份的衛(wèi)星地圖歷史影像(多時相影像)
- 多時相衛(wèi)星影像變化檢測中關鍵問題研究.pdf
- 基于MSRC的遙感影像面向?qū)ο蠓诸愌芯?pdf
- 面向?qū)ο蟮倪b感影像模糊分類方法研究.pdf
- 基于SVM的多時相極化SAR影像土地覆蓋分類方法研究.pdf
- 基于面向?qū)ο蟮倪b感影像巖性分類研究.pdf
- 面向?qū)ο蟮倪b感影像分割與分類方法研究.pdf
- 多時相遙感影像的變化檢測.pdf
- 面向?qū)ο蟮母叻直媛蔬b感影像分類技術研究.pdf
- 面向?qū)ο蟮母叻直媛蔬b感影像分類.pdf
- 面向?qū)ο蟮倪b感影像海岸線分類與提取.pdf
- 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
- 基于SPM特征提取的面向?qū)ο筮b感影像分類研究.pdf
- 基于稀疏編碼的極化SAR影像地物分類.pdf
- 基于深度RBF網(wǎng)絡的SAR影像地物分類.pdf
-
評論
0/150
提交評論