發(fā)布時(shí)間：2020-03-30 06:21

【摘要】：近年來,遙感行業(yè)發(fā)展日新月異,傳感器技術(shù)、電磁波的接收與處理等技術(shù)發(fā)展迅速,更是極大的促進(jìn)了遙感技術(shù)的進(jìn)步,在此期間涌現(xiàn)出了一系列的高空間分辨率衛(wèi)星傳感器,如何充分利用高分辨率遙感影像為我國(guó)土地利用、城鄉(xiāng)規(guī)劃、土地變化監(jiān)測(cè)、軍事等各個(gè)行業(yè)提供實(shí)時(shí)準(zhǔn)確的土地覆蓋信息至關(guān)重要,遙感影像分類作為獲取土地覆蓋信息最省力、最準(zhǔn)確、最重要的方式,其技術(shù)進(jìn)展一直備受關(guān)注,其中支持向量機(jī)算法在用于遙感影像分類時(shí)取得的效果可觀。本文在分析國(guó)內(nèi)外關(guān)于支持向量機(jī)遙感影像分類法的相關(guān)研究現(xiàn)狀基礎(chǔ)上,以GF2高空間分辨率遙感影像作為實(shí)驗(yàn)數(shù)據(jù),參考全國(guó)第二次土地利用調(diào)查分類體系,展開了基于多特征的SVM高分辨率遙感影像土地利用分類研究。本研究在一定程度上對(duì)基于支持向量機(jī)的高分辨率遙感影像土地利用分類研究提供了一些參考價(jià)值,同時(shí)為土地利用信息的提取提供一定的技術(shù)參考方法。主要研究?jī)?nèi)容與成果如下:(1)以北京市懷柔區(qū)雁棲湖附近一景高分二號(hào)(GF-2)遙感影像為研究對(duì)象,參考全國(guó)第二次土地利用調(diào)查分類體系制定研究區(qū)分類標(biāo)準(zhǔn),基于SVM基本理論與研究區(qū)實(shí)驗(yàn)數(shù)據(jù)高空間分辨率的基本特性,采用將影像波段光譜值、影像NDVI值兩個(gè)光譜特征及方差、熵、差異性、二階矩四個(gè)紋理特征融合的方法展開GF2高空間分辨率遙感影像土地利用分類研究,并與最大似然法和神經(jīng)網(wǎng)絡(luò)法相比較。(2)就研究區(qū)GF2影像分類結(jié)果而言,通過各項(xiàng)精度指標(biāo)及各類別分類效果圖比對(duì)分析,本文所采取的基于多特征的分類方法取得了最優(yōu)的分類效果,其總體精度為95.67%,Kappa系數(shù)可達(dá)0.9267。(3)相較于其他分類方法,就研究區(qū)GF2影像分類結(jié)果而言,無論是單獨(dú)利用影像波段光譜值進(jìn)行分類還是融合影像光譜特征和紋理特征進(jìn)行分類,基于SVM取得的分類效果都是最優(yōu)的。另外,最大似然分類法和SVM分類法在綜合考慮影像光譜信息NDVI和紋理信息(方差、熵、差異性、二階矩并經(jīng)過PCA選取主分量)時(shí)取得的分類精度優(yōu)于單獨(dú)使用研究區(qū)遙感影像的四波段信息進(jìn)行分類取得的精度;而神經(jīng)網(wǎng)絡(luò)法在融入多特征后其精度值則有所下降。
【圖文】：

論文技術(shù)路線圖

圖 2-1 最優(yōu)分類超平面可分樣本數(shù)據(jù)集( , ), = 1,2, … , , ∈ , ∈ {1, 1},屬類別。則分類超平面可表示為：f(x) = w x + b。對(duì)于超1，，表示的是y = 1類的樣本點(diǎn)；對(duì)于超平面 H2，w x
【學(xué)位授予單位】：中國(guó)地質(zhì)大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：P237

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王芳;楊武年;鄧曉宇;任金銅;;高分二號(hào)數(shù)據(jù)的城市生態(tài)用地分類方法探討[J];測(cè)繪科學(xué);2018年03期

2 陳嘉博;;機(jī)器學(xué)習(xí)算法研究及前景展望[J];信息通信;2017年06期

3 李鵬;虞虎;王鵬;李開淵;;基于GF2號(hào)衛(wèi)星影像的農(nóng)業(yè)信息提取方法對(duì)比分析[J];測(cè)繪通報(bào);2017年01期

4 王振武;孫佳駿;尹成峰;;改進(jìn)粒子群算法優(yōu)化的支持向量機(jī)及其應(yīng)用[J];哈爾濱工程大學(xué)學(xué)報(bào);2016年12期

5 王振武;孫佳駿;于忠義;卜異亞;;基于支持向量機(jī)的遙感圖像分類研究綜述[J];計(jì)算機(jī)科學(xué);2016年09期

6 張靜;張翔;田龍;張青峰;;西北旱區(qū)遙感影像分類的支持向量機(jī)法[J];測(cè)繪科學(xué);2017年01期

7 鄧曾;李丹;柯櫻海;吳燕晨;李小娟;宮輝力;;基于改進(jìn)SVM算法的高分辨率遙感影像分類[J];國(guó)土資源遙感;2016年03期

8 紀(jì)凱;韓棟;;SVM支持向量機(jī)在遙感圖像中的應(yīng)用研究[J];湖南城市學(xué)院學(xué)報(bào)(自然科學(xué)版);2016年03期

9 賈坤;李強(qiáng)子;田亦陳;吳炳方;;遙感影像分類方法研究進(jìn)展[J];光譜學(xué)與光譜分析;2011年10期

10 張過;李揚(yáng);祝小勇;唐新明;;有理函數(shù)模型在光學(xué)衛(wèi)星影像幾何糾正中的應(yīng)用[J];航天返回與遙感;2010年04期

相關(guān)博士學(xué)位論文 前1條

1 員永生;基于支持向量機(jī)分類的面向?qū)ο笸恋馗脖粓D像分類方法研究[D];西北農(nóng)林科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前8條

1 和曉風(fēng);基于GF-1遙感濕地類型提取研究[D];中南林業(yè)科技大學(xué);2017年

2 朱莎;基于機(jī)器學(xué)習(xí)的遙感圖像分類研究[D];江西理工大學(xué);2017年

3 胡天宇;基于數(shù)據(jù)降維的機(jī)器學(xué)習(xí)分類應(yīng)用研究[D];吉林大學(xué);2017年

4 王愛蕓;山地GF-2衛(wèi)星遙感圖像融合方法優(yōu)選研究[D];云南大學(xué);2016年

5 翟莉;基于加權(quán)多特征融合和SVM的圖像分類研究[D];華中師范大學(xué);2016年

6 元晨;高空間分辨率遙感影像分類研究[D];長(zhǎng)安大學(xué);2016年

7 蔣芳;基于MATLAB的遙感圖像SVM分類系統(tǒng)實(shí)現(xiàn)[D];湖北大學(xué);2012年

8 姚磊;基于支持向量機(jī)的遙感影像分類研究[D];山東師范大學(xué);2012年

本文編號(hào)：2607172