資源描述：
《面向?qū)ο蟮亩鄷r(shí)相衛(wèi)星影像地物分類(lèi)技術(shù)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、碩士學(xué)位論文面向?qū)ο蟮亩鄷r(shí)相衛(wèi)星影像地物分類(lèi)技術(shù)OBJECT-ORIENTEDLANDCOVERCLASSIFICATIONTECHINIQUESFORMULTITEMPORALSATELLITEIMAGES王玉亭哈爾濱工業(yè)大學(xué)2015年7月國(guó)內(nèi)圖書(shū)分類(lèi)號(hào)：TN911.73學(xué)校代碼：10213國(guó)際圖書(shū)分類(lèi)號(hào)：621.3密級(jí)：公開(kāi)工學(xué)碩士學(xué)位論文面向?qū)ο蟮亩鄷r(shí)相衛(wèi)星影像地物分類(lèi)技術(shù)碩士研究生：王玉亭導(dǎo)師：谷延鋒教授申請(qǐng)學(xué)位：工學(xué)碩士學(xué)科：信息與通信工程所在單位：電子與信息工程學(xué)院答辯日期：2015年7月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)Classifie
2、dIndex:TN911.73U.D.C:621.3DissertationfortheMasterDegreeinEngineeringOBJECT-ORIENTEDLANDCOVERCLASSIFICATIONTECHINIQUESFORMULTITEMPORALSATELLITEIMAGESCandidate：WangYutingSupervisor：Prof.GuYanfengAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：InformationandCommunication
3、EngineeringAffiliation：SchoolofElectronicsandInformationEngineeringDateofDefence：July,2015Degree-Conferring-Institution：HarbinInstituteofTechnology哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文摘要隨著衛(wèi)星遙感技術(shù)的不斷發(fā)展，應(yīng)用需求的增加，應(yīng)用范圍也越來(lái)越廣泛。單純的對(duì)單時(shí)相的衛(wèi)星遙感技術(shù)研究已經(jīng)達(dá)不到人們的需求。因此，對(duì)于地物分類(lèi)來(lái)說(shuō)，由于單時(shí)相衛(wèi)星影像空間分辨率比較低，而且所含的光譜信息一般也比較少，分類(lèi)結(jié)果一般
4、會(huì)出現(xiàn)椒鹽現(xiàn)象，不能很好的滿(mǎn)足應(yīng)用需求。本文從多時(shí)相衛(wèi)星影像數(shù)據(jù)的特點(diǎn)出發(fā)，旨在深入挖掘多時(shí)相衛(wèi)星影像信息，提高衛(wèi)星影像數(shù)據(jù)應(yīng)用能力。首先對(duì)衛(wèi)星影像進(jìn)行了預(yù)處理，接著研究了基于圖論的歸一化分割；并深入研究了多時(shí)相衛(wèi)星影像的時(shí)間序列指數(shù)特征；針對(duì)多時(shí)相衛(wèi)星影像提出了基于增量學(xué)習(xí)的集成學(xué)習(xí)分類(lèi)算法，并且與傳統(tǒng)的多時(shí)相分類(lèi)算法對(duì)比，增量集成學(xué)習(xí)算法取得了較好的效果。本文工作主要是研究了衛(wèi)星影像數(shù)據(jù)預(yù)處理、時(shí)序指數(shù)特征提取以及面向?qū)ο蟮亩鄷r(shí)相衛(wèi)星影像地物分類(lèi)，包括以下三個(gè)方面：首先，本文從多光譜衛(wèi)星影像數(shù)據(jù)的獲取原理出發(fā)。由于目前多時(shí)相衛(wèi)星影像數(shù)據(jù)的空間
5、分辨率與光譜分辨率都比較低，而且數(shù)據(jù)量比較大。采用傳統(tǒng)的基于像素的分類(lèi)方法不僅運(yùn)算效率低，而且分類(lèi)結(jié)果會(huì)出現(xiàn)椒鹽現(xiàn)象。因此在預(yù)處理的基礎(chǔ)上，研究了基于圖論分割算法。針對(duì)最小割算法的缺陷，將圖論分割算法進(jìn)行了歸一化，且取得了較好的分割效果。影像分割也為面向?qū)ο蟮姆诸?lèi)的奠定了基礎(chǔ)。然后，從多時(shí)相多光譜衛(wèi)星影像數(shù)據(jù)的時(shí)序特性出發(fā)。研究了有利于地物分類(lèi)的指數(shù)特征提取、時(shí)序指數(shù)特征提取。為了有效的揭示不同地物隨時(shí)間的變化對(duì)不同指數(shù)特征的敏感度，對(duì)時(shí)序指數(shù)特征提取了一階和二階差分時(shí)序指數(shù)特征，并在此基礎(chǔ)上進(jìn)行了研究了面向?qū)ο蟮姆诸?lèi)方法，且與傳統(tǒng)的基于像素的分
6、類(lèi)結(jié)果進(jìn)行對(duì)比，取得了較好的分類(lèi)效果。最后，針對(duì)于多時(shí)相衛(wèi)星影像數(shù)據(jù)的時(shí)序特性，在多核Boosting集成學(xué)習(xí)算法的基礎(chǔ)上，引入增量學(xué)習(xí)，構(gòu)建多時(shí)相分類(lèi)器。增量學(xué)習(xí)可以在保留歷史學(xué)習(xí)信息的基礎(chǔ)上，對(duì)新增的樣本不斷學(xué)習(xí)，進(jìn)而不斷地更新分類(lèi)器，集成的新分類(lèi)器對(duì)新樣本具有更好的預(yù)測(cè)效果。為驗(yàn)證多時(shí)相分類(lèi)器的有效性，利用多時(shí)相衛(wèi)星影像進(jìn)行了實(shí)驗(yàn)。結(jié)果表明并與傳統(tǒng)的合成核算法和集成學(xué)習(xí)算法相比，增量集成學(xué)習(xí)算法對(duì)多時(shí)相衛(wèi)星影像分類(lèi)表現(xiàn)出較好的分類(lèi)性能。關(guān)鍵詞：多時(shí)相；分割；時(shí)序特征；增量學(xué)習(xí)；集成學(xué)習(xí)；分類(lèi)-I-哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文Abstrac
7、tWiththecontinuousdevelopmentofsatelliteremotesensingtechnologyandtheincreaseofapplicationrequirements,thistechnologyisappliedmoreandmoreextensively.Pureresearchonmono-temporalsatelliteremotesensingcan’tsatisfypeople'sneeds.Therefore,forlandcoverclassificationofmono-temporals
8、atelliteimages,notonlythespatialresolutionisrelativelylow,butalsospe
