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，尤其是近幾年來高分辨率遙感影像的出現(xiàn)更擴大了對自然界觀察的視野。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)有了長遠的發(fā)展，但是對于高分辨率遙感影像來說，利用單一傳統(tǒng)的分類方法不僅會導(dǎo)致分類精度降低，而且也會造成空間數(shù)據(jù)大量冗余、資源浪費。
　　 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)，以美國加利福利亞南部一塊土地為例，重點從影響分類精度的因素和提高分類精度的方法這兩個方面加以論述。對以前的面向?qū)ο筮b感影像分類方法進行創(chuàng)新，在分割之前對遙感影像進行預(yù)處理，改變圖像的灰度等級，提高圖像對比度；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)。然后運用均值漂移圖像分割算法進行遙感影像分割，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(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，最后詳細分析了SVM算法實現(xiàn)。重點介紹了空間金字塔匹配核(SPM)的基本原理，以及運用SPM進行特征提取的具體算法實現(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)進行特征提取，該算法