基于多特征的面向?qū)ο蟾叻直媛蔬b感圖像分類.pdf

1、目前高分辨率遙感圖像的應(yīng)用呈現(xiàn)兩個(gè)增長(zhǎng)趨勢(shì)，一個(gè)是應(yīng)用領(lǐng)域的增加，一個(gè)是應(yīng)用復(fù)雜度的增加。高分辨率遙感圖像在城市土地使用情況統(tǒng)計(jì)、城市生態(tài)評(píng)估、災(zāi)害評(píng)估、農(nóng)業(yè)灌溉等方面均有重要應(yīng)用。遙感圖像空間分辨率的增加，一方面使得圖像中的地物細(xì)節(jié)更清晰，另一方面也增加了圖像信息分析的難度。為了提高分類的正確率，本文結(jié)合了空間特征和顏色特征等多種特征。同時(shí)，為了處理高分辨率圖像的大量數(shù)據(jù)并減少計(jì)算量，在圖像分割和分類中應(yīng)用了面向?qū)ο蟮乃枷?。本文主要?/p>

2、作如下：
　　1.將面向?qū)ο蟮乃枷胍脒b感圖像分割。面向?qū)ο蟮姆治龇椒ú粌H具有良好的抗噪聲性，且在降低計(jì)算量的同時(shí)能夠保證分割結(jié)果的準(zhǔn)確性。為限制計(jì)算復(fù)雜度，本文通過適當(dāng)?shù)姆炙畮X變換得到圖像的超像素表示。本文采用區(qū)域鄰接圖(region-adjacency graph, RAG)度量初始超像素塊的相似性，將圖像分割問題轉(zhuǎn)化為圖割問題。多組實(shí)驗(yàn)表明，使用基于超像素的分割方法所得分割結(jié)果幾乎不存在過分割現(xiàn)象，并且分割結(jié)果的邊界正確率得

3、到較好保證。
　　2.建立包含多種特征的特征集合，用于高分辨率遙感圖像的分類。傳統(tǒng)分類算法中，依靠光譜特征和紋理特征實(shí)現(xiàn)遙感圖像的分類。然而高分辨率圖像中大量增加的地物細(xì)節(jié)對(duì)特征提出了新的要求。為了有效描述圖像的空間信息，增加形態(tài)學(xué)特征APs(morphological attribute profiles)。APs特征可以根據(jù)選擇的屬性類型生成不同的特征。與常規(guī)的基于預(yù)定義的結(jié)構(gòu)元的形態(tài)濾波器相比，APs可以提供一個(gè)多層次的圖像

4、分析，從而得到更精確的空間信息。本文通過大量實(shí)驗(yàn)驗(yàn)證了APs特征用于高分辨率圖像分類的有效性。顏色特征的引入，豐富了特征集合，增強(qiáng)了不同類別之間的區(qū)分度。本文實(shí)驗(yàn)表明，顏色特征的增加能夠改善圖像中陰影等地物的分類情況。由于不同特征在提取圖像信息時(shí)各有側(cè)重，因而如何選擇合適的特征是圖像分類的關(guān)鍵問題之一。本文研究了不同特征組合的分類結(jié)果，利用SVM分類算法實(shí)現(xiàn)面向?qū)ο蟮姆诸?。分類以結(jié)合圖論的基于超像素的分割算法所得分割結(jié)果為基礎(chǔ)進(jìn)行。統(tǒng)計(jì)