發(fā)布時間：2017-10-06 05:33

  本文關(guān)鍵詞：改進支持向量機的高分遙感影像道路提取

  更多相關(guān)文章： 道路提取 高分辨率遙感影像 支持向量機 模糊C均值 馬爾科夫隨機場

【摘要】：針對支持向量機受分類數(shù)的限制在高分辨率遙感影像中無法直接獲取高精度道路網(wǎng)信息的問題,該文提出一種新的混合的基于支持向量機的方法:首先,利用模糊C均值聚類方法將輸入的遙感影像分為3類,以減少支持向量機的錯分現(xiàn)象;其次,運用支持向量機將不同類別的像素分為道路類和非道路類;最后,應用馬爾科夫隨機場對分類結(jié)果進行噪聲去除,并采用形態(tài)學進行后處理,進而得到精確道路網(wǎng)信息。實驗結(jié)果表明:該算法不僅能夠從高分辨率遙感影像中提取出道路網(wǎng),而且精度優(yōu)于直接使用支持向量機算法以及對比算法。
【作者單位】： 遼寧工程技術(shù)大學;
【關(guān)鍵詞】： 道路提取 高分辨率遙感影像 支持向量機 模糊C均值 馬爾科夫隨機場
【分類號】：P237
【正文快照】： 0引言道路是高空間分辨率遙感影像中一種重要的目標地物,其提取問題一直是研究熱點。雖然在高空間分辨率遙感影像中可以清晰地呈現(xiàn)道路的紋理細節(jié)特征和幾何信息,但是也呈現(xiàn)出一些不利于其道路提取信息的問題:1光譜混淆現(xiàn)象嚴重,其他地物(如車輛、建筑物,樹木及陰影)對道路產(chǎn)

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 羅亦泳;張豪;張立亭;;基于遺傳支持向量機的多維灰色變形預測模型研究[J];浙江工業(yè)大學學報;2010年01期

2 尚坤;李培軍;程濤;;基于合成核支持向量機的高光譜土地覆蓋分類[J];北京大學學報(自然科學版);2011年01期

3 林樂科;張業(yè)榮;趙振維;李建儒;;基于支持向量機的地基單站GPS反演大氣剖面[J];南京郵電大學學報(自然科學版);2009年04期

4 王志軍;顧沖時;劉紅彩;;基于GIS與支持向量機的潰壩損失評估[J];長江科學院院報;2008年04期

5 洪曉鴻;洪璐;;回歸支持向量機在區(qū)域高程異常擬合中的應用[J];浙江國土資源;2014年05期

6 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 李歡;羅紅霞;朱子義;;基于Bayes決策規(guī)則完善支持向量機的最大邊緣算法[A];中國地理學會2007年學術(shù)年會論文摘要集[C];2007年

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 舒振宇;基于局部支持向量機的高分辨率遙感圖像分類[D];中國地質(zhì)大學;2015年

2 徐芳;航空影像分割的支持向量機方法[D];武漢大學;2004年

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 范良;基于EEMD去噪和果蠅支持向量機的變形預測方法研究[D];遼寧工程技術(shù)大學;2013年

2 孫曉霞;基于混合樣本和支持向量機的城市地物信息提取[D];河南大學;2014年

3 梁懷翔;支持向量機遙感圖像分類的研究[D];長安大學;2011年

，

本文編號：981010