【摘要】：目前,遙感圖像種類越來(lái)越多,對(duì)于不同類別的遙感圖像具有不同的成像效果。其中,可見(jiàn)光遙感圖像在日常生活的應(yīng)用中最為廣泛。所以本文選取高分辨率的可見(jiàn)光遙感圖像作為研究對(duì)象。研究的目的在于探索出一種可以不受成像時(shí)間、地點(diǎn)影響的高分辨率可見(jiàn)光遙感圖像分類的技術(shù)模型。本文提出的技術(shù)模型可以分為兩個(gè)部分:(1)對(duì)遙感圖像進(jìn)行場(chǎng)景挖掘。首先對(duì)遙感圖像進(jìn)行分割,然后提取低層特征,通過(guò)高斯混合模型建模得到視覺(jué)單詞,最后利用概率潛在語(yǔ)義分析模型實(shí)現(xiàn)潛在場(chǎng)景的挖掘。這一步可以實(shí)現(xiàn)將遙感圖像按場(chǎng)景進(jìn)行分組。(2)對(duì)遙感圖像按照地物類別分類。對(duì)每個(gè)場(chǎng)景下的遙感圖像分別進(jìn)行超像素分割、樣本制作以及底層特征提取,通過(guò)訓(xùn)練獲得當(dāng)前場(chǎng)景下的分類器模型,借助模型實(shí)現(xiàn)遙感圖像的地物分類。本文的研究工作主要包括以下兩個(gè)方面:本文引入了遙感圖像場(chǎng)景信息的概念。提出了一種按照?qǐng)鼍靶畔⒌牟煌瑢?duì)遙感圖像進(jìn)行分組的方法。首先對(duì)遙感圖像進(jìn)行均勻分割與歸一化分割,用于得到基于紋理與顏色的視覺(jué)單詞。然后通過(guò)對(duì)每張遙感圖像視覺(jué)單詞的數(shù)量進(jìn)行統(tǒng)計(jì)可以得到其詞頻向量,進(jìn)而實(shí)現(xiàn)特征融合。最后通過(guò)概率潛在語(yǔ)義分析模型對(duì)遙感圖像進(jìn)行潛在場(chǎng)景挖掘,實(shí)現(xiàn)了對(duì)遙感圖像按場(chǎng)景進(jìn)行分組。與傳統(tǒng)的圖像場(chǎng)景分類方法相比,本文的方法由于引入了視覺(jué)單詞的概念,因而分類的精度更高。針對(duì)傳統(tǒng)SLIC算法對(duì)遙感圖像進(jìn)行分割存在大量的過(guò)分割現(xiàn)象,提出了一種碎片合并的算法。首先通過(guò)設(shè)置閾值找到過(guò)分割碎片的位置,然后依次計(jì)算該碎片與其相鄰的超像素小塊的相似度,最后將碎片合并到相似度最高的超像素小塊中。相較于未經(jīng)過(guò)碎片合并的分割結(jié)果,該方法去掉了過(guò)分割碎片,有效減少了參與地物分類的超像素小塊的數(shù)量,進(jìn)而提高了分類精度。通過(guò)實(shí)驗(yàn),驗(yàn)證了本文所提出基于場(chǎng)景分析的遙感圖像識(shí)別算法的有效性。本文還設(shè)計(jì)了傳統(tǒng)的面向?qū)ο筮b感圖像分類的實(shí)驗(yàn)作為對(duì)比,結(jié)果證明:本文提出的基于場(chǎng)景分析的遙感圖像分類方法的分類精度要高于傳統(tǒng)方法,總體精度達(dá)到了93.98%。
【圖文】：

圖 3.10 顏色特征 GMM 建模時(shí)不同的 K 對(duì)應(yīng)的用戶精度（%）圖 3.11 顏色特征 GMM 建模時(shí)不同的 K 對(duì)應(yīng)的生產(chǎn)者精度（%）圖 3.10 與圖 3.11 分別給出了當(dāng) K 取 6 到 12 時(shí)計(jì)算得到的各類場(chǎng)景分類結(jié)果的用場(chǎng)景類別 場(chǎng)景 A 場(chǎng)景 B 場(chǎng)景 C 場(chǎng)景 D 生產(chǎn)者精度%場(chǎng)景 A 93 0 3 4 93.00場(chǎng)景 B 0 100 0 0 100場(chǎng)景 C 0 0 86 14 86.00場(chǎng)景 D 12 0 10 78 78.00用戶精度% 88.57 100 86.87 81.2571.13 71.2981.1167.0294.5177.3670.0999100 100 100100100 10067.0163.4170.6466.3585.2387.582.9885.0579.4987
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉增偉;;關(guān)于遙感圖像云檢測(cè)方法研究進(jìn)展[J];數(shù)字通信世界;2019年04期

2 徐秋曄;李玉;林文杰;趙泉華;;基于信息聚類的遙感圖像分割[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2017年01期

3 彭晏飛;周娟;訾玲玲;;于衛(wèi)星地域遙感圖像分割方法研究仿真[J];計(jì)算機(jī)仿真;2017年01期

4 盛啟慧;李啟明;;航空遙感圖像幾何校正模型的效果比較[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2017年17期

5 劉寧波;孫艷麗;王杰;;基于場(chǎng)景語(yǔ)義的遙感圖像目標(biāo)識(shí)別[J];現(xiàn)代電子技術(shù);2017年11期

6 王超英;;統(tǒng)計(jì)學(xué)習(xí)在海上遙感圖像背景去噪的算法研究[J];艦船科學(xué)技術(shù);2017年12期

7 姚銳;付卓新;;關(guān)于森林資源二類調(diào)查中遙感圖像的應(yīng)用分析[J];北京農(nóng)業(yè);2016年01期

8 李哲學(xué);;改進(jìn)高斯混合模型的遙感圖像增強(qiáng)方法[J];激光雜志;2016年07期

9 雷笑笑;;試論遙感圖像在師范地理教學(xué)中的應(yīng)用[J];山西青年;2017年03期

10 舒建文;周云真;;航空遙感圖像中道路檢測(cè)方法研究與仿真[J];計(jì)算機(jī)仿真;2013年09期

相關(guān)會(huì)議論文 前10條

1 李剛;張金榮;朱雷;汪林林;;基于多方向模糊形態(tài)學(xué)的彩色遙感圖像邊緣檢測(cè)算法[A];2009年全國(guó)開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊(cè))[C];2009年

2 王耀南;王紹源;孫煒;;基于二次規(guī)劃的神經(jīng)網(wǎng)絡(luò)遙感圖像的恢復(fù)[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

3 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內(nèi)容查詢的研究與實(shí)踐[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

4 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動(dòng)鑲嵌技術(shù)[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

5 彭Z，

本文編號(hào)：2652843