基于SPM特征提取的面向?qū)ο筮b感影像分類研究.pdf

1、遙感技術(shù)的發(fā)展，使我們能夠獲得極其豐富的信息，尤其是近幾年來(lái)高分辨率遙感影像的出現(xiàn)更擴(kuò)大了對(duì)自然界觀察的視野。但是面臨的挑戰(zhàn)是如何處理和應(yīng)用這些數(shù)據(jù)，使之能轉(zhuǎn)變?yōu)榧毙璞粦?yīng)用的信息。高分辨率遙感影像表現(xiàn)出地物更多的信息諸如光譜、形狀、紋理以及上下文等。盡管衛(wèi)星遙感數(shù)據(jù)分類技術(shù)有了長(zhǎng)遠(yuǎn)的發(fā)展，但是對(duì)于高分辨率遙感影像來(lái)說，利用單一傳統(tǒng)的分類方法不僅會(huì)導(dǎo)致分類精度降低，而且也會(huì)造成空間數(shù)據(jù)大量冗余、資源浪費(fèi)。
　　 因此，本文緊緊圍繞

2、提高高分辨率遙感影像的分類精度這一中心環(huán)節(jié)，以美國(guó)加利福利亞南部一塊土地為例，重點(diǎn)從影響分類精度的因素和提高分類精度的方法這兩個(gè)方面加以論述。對(duì)以前的面向?qū)ο筮b感影像分類方法進(jìn)行創(chuàng)新，在分割之前對(duì)遙感影像進(jìn)行預(yù)處理，改變圖像的灰度等級(jí)，提高圖像對(duì)比度；消除邊緣和噪聲，平滑圖像；突出邊緣或線狀地物，銳化圖像；合成彩色圖像；壓縮圖像數(shù)據(jù)量，突出主要信息等。這為后面的遙感影像分割奠定了基礎(chǔ)。然后運(yùn)用均值漂移圖像分割算法進(jìn)行遙感影像分割，得到影

3、像內(nèi)所包含的目標(biāo)、特征以及描述影像的一些特征性參數(shù)，從而將原始影像轉(zhuǎn)化為更抽象、更緊湊的形式，使得更高層的影像分析與理解成為可能。
　　 本文介紹了支持向量機(jī)(SVM)的基本原理，具體講解了線性可分，非線性可分和不可分情況下的處理，最后詳細(xì)分析了SVM算法實(shí)現(xiàn)。重點(diǎn)介紹了空間金字塔匹配核(SPM)的基本原理，以及運(yùn)用SPM進(jìn)行特征提取的具體算法實(shí)現(xiàn)。并在面向?qū)ο筮b感影像分類中成功引入空間金字塔匹配核(SPM)進(jìn)行特征提取，該算法