本文選題：高分辨率遙感影像 + 像斑��； 參考：《國(guó)防科技大學(xué)學(xué)報(bào)》2017年04期

【摘要】：針對(duì)高分辨率遙感影像提出了一種面向像斑的自優(yōu)化迭代分類(lèi)算法,基于半監(jiān)督聚類(lèi)算法獲取訓(xùn)練樣本,以支持向量機(jī)為核心設(shè)計(jì)了自優(yōu)化迭代分類(lèi)器。使用分型網(wǎng)絡(luò)演化算法獲取像斑,并從中選取少量標(biāo)記樣本;結(jié)合標(biāo)記樣本,利用半監(jiān)督模糊C均值算法對(duì)像斑進(jìn)行聚類(lèi),并基于密集度篩選得到訓(xùn)練樣本;設(shè)計(jì)了自優(yōu)化迭代支持向量機(jī)分類(lèi)算法,對(duì)所有像斑進(jìn)行迭代分類(lèi)直到滿足分類(lèi)要求,并在分類(lèi)過(guò)程中對(duì)近鄰分類(lèi)結(jié)果進(jìn)行統(tǒng)計(jì)得到高可信度樣本以自主優(yōu)化訓(xùn)練樣本集。基于以上方法分別對(duì)武漢市Quick Bird和World View影像進(jìn)行分類(lèi)實(shí)驗(yàn),分類(lèi)總精度分別達(dá)到94.67%與92%,與基于人工選取訓(xùn)練樣本情況下進(jìn)行分類(lèi)的分類(lèi)總精度(82%與82.67%)、常規(guī)支持向量機(jī)分類(lèi)總精度(87.33%與88%)、最小二乘支持向量機(jī)分類(lèi)總精度(88%與89.33%)相比,精度有明顯提升,分類(lèi)效果較好。
[Abstract]:Based on semi-supervised clustering algorithm, a self-optimized iterative classification algorithm for high-resolution remote sensing images is proposed. A self-optimized iterative classifier is designed based on support vector machine (SVM). Classification network evolution algorithm is used to obtain image spots, and a small number of labeled samples are selected from them. Combined with label samples, semi-supervised fuzzy C-means algorithm is used to cluster image spots, and training samples are obtained based on density screening. A self-optimization iterative support vector machine classification algorithm is designed to classify all image spots until the classification requirements are satisfied. In the process of classification, the close neighbor classification results are statistically analyzed to obtain highly reliable samples to independently optimize the training sample set. Based on the above methods, the classification experiments of Quick Bird and World View images in Wuhan are carried out respectively. The total accuracy of classification reached 94.67% and 92% respectively, compared with 82% and 82.67 of classification based on artificial training samples, 87.33% and 88% of the total accuracy of classification by conventional support vector machine, and 88% and 89.33 sections of classification by least squares support vector machine, respectively. The accuracy is obviously improved and the classification effect is better.
【作者單位】： 武漢大學(xué)遙感信息工程學(xué)院;
【基金】：國(guó)家科技支撐計(jì)劃資助項(xiàng)目(2014BAL05B07) 高等學(xué)校博士學(xué)科點(diǎn)專(zhuān)項(xiàng)科研基金資助項(xiàng)目(20130141130003) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金資助項(xiàng)目(13R04)
【分類(lèi)號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李成范;劉嵐;周廷剛;張力;;基于行道樹(shù)的高分辨率遙感影像道路提取研究[J];遙感信息;2009年01期

2 滿旺;;高分辨率遙感鈾礦地質(zhì)勘查技術(shù)體系研究[J];廈門(mén)理工學(xué)院學(xué)報(bào);2009年03期

3 武紅宇;方毅;;基于形態(tài)學(xué)的高分辨率遙感影像道路自動(dòng)提取[J];科技視界;2012年18期

4 顧鈺培;肖蘭玲;凌婷婷;達(dá)利春;;一種基于高分辨率遙感影像的建筑物提取方法[J];測(cè)繪與空間地理信息;2014年04期

5 趙書(shū)河;;高分辨率遙感數(shù)據(jù)處理方法實(shí)驗(yàn)研究[J];地學(xué)前緣;2006年03期

6 謝謙禮;程承旗;馬廷;;一種基于高分辨率遙感影像的道路提取方法[J];計(jì)算機(jī)工程與應(yīng)用;2006年17期

7 羅軍;潘瑜春;王紀(jì)華;陸洲;曹榮龍;閻廣建;;基于高分辨率遙感影像的設(shè)施農(nóng)業(yè)資源信息采集技術(shù)研究[J];地理與地理信息科學(xué);2007年03期

8 邵蕓;郭華東;范湘濤;王爾和;朱博勤;馬建文;張風(fēng)麗;;奧運(yùn)主場(chǎng)館區(qū)工程環(huán)境高分辨率遙感監(jiān)測(cè)與虛擬仿真研究[J];遙感學(xué)報(bào);2008年04期

9 邵蕓;;奧運(yùn)主場(chǎng)館區(qū)高分辨率遙感監(jiān)測(cè)與虛擬仿真[J];高科技與產(chǎn)業(yè)化;2008年09期

10 陳世榮;馬海建;范一大;徐豐;連健;;基于高分辨率遙感影像的汶川地震道路損毀評(píng)估[J];遙感學(xué)報(bào);2008年06期

相關(guān)會(huì)議論文 前10條

1 李艷芳;王生;;高分辨率遙感影像在公安行業(yè)的應(yīng)用分析[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

2 張劍清;鄭順義;張勇;張宏偉;李治江;;高分辨率遙感影像的精糾正[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

3 馬力;;基于高分辨率遙感影像的導(dǎo)航數(shù)據(jù)更新研究[A];中國(guó)地理信息系統(tǒng)協(xié)會(huì)第四次會(huì)員代表大會(huì)暨第十一屆年會(huì)論文集[C];2007年

4 陳君穎;田慶久;;高分辨率遙感植被分類(lèi)模式研究[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

5 溫小歡;林廣發(fā);陳明華;陳友飛;;基于高分辨率遙感影像獨(dú)立樹(shù)冠提取方法之比較[A];中國(guó)地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

6 劉明眾;張景發(fā);;高分辨率遙感影像道路震害快速提取研究[A];中國(guó)地震學(xué)會(huì)空間對(duì)地觀測(cè)專(zhuān)業(yè)委員會(huì)2012年學(xué)術(shù)研討會(huì)論文摘要集[C];2012年

7 王萍;李新芝;;基于高分辨率遙感數(shù)據(jù)的建筑物邊緣檢測(cè)方法探討[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

8 程新文;吳中忠;王子煜;陳秀萬(wàn);;基于紋理梯度的高分辨率遙感影像分割[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

9 高常鑫;桑農(nóng);;基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測(cè)[A];第二屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2013年

10 廖圣東;;高分辨率遙感影像在城市三維景觀建立中的應(yīng)用[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

相關(guān)博士學(xué)位論文 前8條

1 沈小樂(lè);視覺(jué)注意機(jī)制下面向?qū)ο蟾叻直媛蔬b感影像建筑物提取[D];武漢大學(xué);2014年

2 李榮亞;雙態(tài)云支持下高分辨率遙感存儲(chǔ)與計(jì)算一體化研究[D];浙江大學(xué);2014年

3 陶超;高分辨率遙感影像中的城區(qū)與建筑物檢測(cè)方法研究[D];華中科技大學(xué);2012年

4 陳杰;高分辨率遙感影像面向?qū)ο蠓诸?lèi)方法研究[D];中南大學(xué);2010年

5 張道兵;高分辨率遙感影像中交互式道路提取算法研究[D];中國(guó)科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2007年

6 陳曦;特征選擇準(zhǔn)則間的關(guān)聯(lián)及高分辨率遙感影像類(lèi)別不平衡問(wèn)題研究[D];上海交通大學(xué);2011年

7 靳華中;譜圖理論支持下的高分辨率遙感影像多尺度分割研究[D];武漢大學(xué);2011年

8 肖龍龍;面向高分辨率遙感光學(xué)成像的壓縮感知理論及方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 李建飛;高分辨率遙感影像中的道路信息提取與表達(dá)方法研究[D];湖南工業(yè)大學(xué);2015年

2 程臻;面向?qū)ο蟮母叻直媛蔬b感影像全要素分類(lèi)研究[D];哈爾濱工業(yè)大學(xué);2015年

3 張瑩瑩;高分辨率遙感影像中典型道路提取方法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 王志盼;高分辨率遙感影像道路目標(biāo)智能識(shí)別方法研究[D];西南交通大學(xué);2017年

5 鄭璐;基于高分辨率遙感影像的城區(qū)建筑物提取方法研究[D];吉林大學(xué);2017年

6 黃雪青;基于高分辨率遙感影像的信息提取[D];重慶大學(xué);2008年

7 田正杰;高分辨率遙感影像道路分割與提取算法研究[D];西安科技大學(xué);2009年

8 施蓓琦;高分辨率遙感影像的幾何精糾正及其精度度量[D];上海師范大學(xué);2006年

9 申真;基于面向?qū)ο蟮母叻直媛蔬b感影像道路提取研究[D];江西理工大學(xué);2012年

10 程家聰;面向?qū)ο蟮母叻直媛蔬b感信息提取技術(shù)研究[D];華中科技大學(xué);2013年

，

本文編號(hào)：1849093