高分辨率遥感影像多尺度分类方法研究-控制工程专业论文.docxVIP

万方数据 万方数据 分类号 密级 UDC 注 1  学 位 论 文 高分辨率遥感影像多尺度分类方法研究 （题名和副题名） 张 博 （作者姓名） 指导教师 何彬彬 教授 电子科技大学 成都 （姓名、职称、单位名称） 申请学位级别 硕士 专业学位类别 工程硕士 工程领域名称 控制工程 提交论文日期 2013.3 论文答辩日期 2013.5.27 学位授予单位和日期 电子科技大学 2013 年 6 月 23 日 答辩委员会主席 评阅人 注 1：注明《国际十进分类法 UDC》的类号。 THE MULTISCALE CLASSIFICATION METHOD OF HIGH RESOLUTION REMOTE SENSING IMAGES A Thesis Submitted to University of Electronic Science and Technology of China Major: Control Engineering Author: Bo Zhang Advisor: Binbin He School : School of Resources and Environment 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘要 摘 要 近年来，高分辨率遥感数据在各行业得到广泛的应用，不仅包括传统的国土 资源、地质调查和测绘等部门，还涉及到城市规划、交通旅游和生态环境等领域。 然而，面对海量的高分辨率遥感数据，如何能够准确、快速并智能地提取所需专 题信息，并对其进行有效利用是当前面临的重要问题之一。由于高分辨率遥感影 像自身的复杂性和多尺度特性，使得传统的基于像元的影像分类方法力不从心， 而基于面向对象思想的影像分析方法弥补了其不足，并逐渐成为高分辨率遥感影 像分类的主流方法。 在面向对象的影像分类方法中，首先需要将遥感影像分割成有意义的影像对 象集合，进而在影像对象的基础上进行特征提取和分类。本文针对面向对象影像 分类思想的关键环节展开讨论和研究，主要做了以下方面的工作： (1) 采用基于改进分水岭变换的多尺度分割算法对高分辨率遥感影像进行初 始分割。首先进行各向异性扩散滤波的预处理，然后提取多尺度形态学梯度特征， 进而利用基于标记的分水岭算法进行分割，最后基于影像对象的光谱和形状异质 性指标进行多尺度区域合并。该方法综合考虑了高分辨率遥感影像的复杂性以及 多光谱、多尺度特性，使分割效果得到一定的改善。 (2) 引入文本分析中的词包模型进行遥感影像对象的特征表达，该方法通过将 低层视觉特征表达成高层语义特征，实现对“语义鸿沟”的跨越。为了充分考虑 遥感影像的尺度特性，在进行词包表示时，构建了基于高斯尺度金字塔的多尺度 视觉单词，并且通过实验证明其表达能力优于经典的词包表示。 (3) 最后，在词包表示的基础上，利用概率潜在语义分析方法对同义词和多义 词较强的鉴别能力对影像对象进行分析，找出其最可能属于的主题或类别，进而 完成影像的分类。该方法无需选择训练样本，属于非监督的分类方法。为了验证 本文方法的有效性，分别选取高分辨率航空遥感影像、Quickbird 影像和 IKONOS 影像进行分类实验。实验表明，本文方法的分类效果明显优于其它非监督分类方 法，略好于有监督的基于对象的分类方法（以航空遥感影像为例，本文方法的总 体分类精度为 90.57%，基于像元的 ISODATA 聚类为 42.45%，基于像元的 SVM 分类为 76.83%，基于对象的 ISODATA 聚类为 84.71%，基于对象的 SVM 分类为 88.44%），并且对不同传感器的影像具有较好的适用性。 I 摘要 关键词：高分辨率遥感影像，多尺度，面向对象分类，分水