基于SPM特征提取的面向对象遥感影像分类研究-计算机科学与技术专业论文.docxVIP

摘要遥感技术的发展，使我们能够获得极其丰富的信息，尤其是近几年来高分 摘要 遥感技术的发展，使我们能够获得极其丰富的信息，尤其是近几年来高分 辨率遥感影像的出现更扩大了对自然界观察的视野。但是面临的挑战是如何处 理和应用这些数据，使之能转变为急需被应用的信息。高分辨率遥感影像表现 出地物更多的信息诸如光谱、形状、纹理以及上下文等。尽管卫星遥感数据分 类技术有了长远的发展，但是对于高分辨率遥感影像来说，利用单一传统的分 类方法不仅会导致分类精度降低，而且也会造成空间数据大量冗余、资源浪费。 因此，本文紧紧围绕提高高分辨率遥感影像的分类精度这一中心环节，咀 美国加利福利亚南部一块土地为例，重点从影响分类精度的因素和提高分类精 度的方法这两个方面加以论述。对以前的面向对象遥感影像分类方法进行创新， 在分割之前对遥感影像进行预处理，改变图像的灰度等级，提高图像对比度； 消除边缘和噪声，平滑图像；突出边缘或线状地物，锐化图像；合成彩色图像； 压缩图像数据量，突出主要信息等。这为后面的遥感影像分割奠定了基础。然 后运用均值漂移图像分割算法进行遥感影像分割，得到影像内所包含的目标、 特征以及描述影像的一些特征性参数，从而将原始影像转化为更抽象、更紧凑 的形式，使得更高层的影像分析与理解成为可能。 本文介绍了支持向量机(SvM)的基本原理，具体讲解了线性可分，非线 性可分和不可分情况下的处理，最后详细分析了SVM算法实现。重点介绍了 空间金字塔匹配核(SPM)的基本原理，以及运用SPM进行特征提取的具体算 法实现。并在面向对象遥感影像分类中成功引入空间金字塔匹配核(SPM)进 行特征提取，该算法能够很好地提取特征。然后运用支持向量机进行遥感影像 分类。对比试验表明，基于SPM特征提取的面向对象遥感影像分类精度得到了 很好地提高。 关键词：高分辨率遥感影像：面向对象；均值漂移；SPMt支持向量机；影像 分类 一————————————————————————————————————————————————————————————一一Abstract 一————————————————————————————————————————————————————————————一一 Abstract 皿地development of the remote sensing technology makes US obtain very abundant information of lliltu他，especially with the appearance of hi．gh resolution remote sensing image it extends the visual field of the llature．But the ehallenge that faces US is how to make use of the data effectively and obtain more useful information through some processing．High resolution remote sensing data have a lot ofcharacteristics suela as spectral，shape，texture and context and SO 011 compared to the other remote sensing data．Though the technology of the x：cmote sensing image classification has made considerable progress，it will result in not only reducing the classification aeettraey but also making the spatial data redundant and wasting tho ICSOllrCC when the single traditional classification method is applied to the high resolution remote sensing image． Therefore，this paper closely around the high-resolution remote sensing image classification to improve thc aeeuraey．Take a pie,=of land in southern California of the United States for example，We foc