資源描述：
《結(jié)合多特征描述和svm的遙感影像分類研究》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、學(xué)校代碼10459學(xué)號(hào)或申請(qǐng)?zhí)?01212222554密級(jí)鄭州大學(xué)碩士學(xué)位論文結(jié)合多特征描述和SVM的遙感影像分類研究作者姓名：李奇峰導(dǎo)師姓名：郭同德學(xué)科門類：工學(xué)專業(yè)名稱：水利信息技術(shù)培養(yǎng)院系：水利與環(huán)境學(xué)院完成時(shí)間：2015年5月原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究所取得的成果。除文中己經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的科研成果。對(duì)本文的研宄作出重要貢獻(xiàn)的個(gè)人和集體，均己在文中以明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。學(xué)位論文使用授權(quán)聲明本人在導(dǎo)師指導(dǎo)下完成的論文
2、及相關(guān)的職務(wù)作品，知識(shí)產(chǎn)權(quán)歸屬鄭州大學(xué)。根據(jù)鄭州大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留或向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱；本人授權(quán)鄭州大學(xué)可以將本學(xué)位論文的全部或部分編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或者其他復(fù)制手段保存論文和匯編本學(xué)位論文。本人離校后發(fā)表、使用學(xué)位論文或與該學(xué)位論文直接相關(guān)的學(xué)術(shù)論文或成果時(shí)，第一署名單位仍然為鄭州大學(xué)。保密論文在解密后應(yīng)遵守此規(guī)定。AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterClassif
3、icationofRemoteSensingImageBasedonSVMwithMulti-featureDescribedBy：QifengLiSupervisor:TongdeGuoWaterConservancyInformationTechnologySchoolofWaterConservancyandEnvironmentMay,2015摘要摘要遙感影像是水利信息中的重要信息源，從遙感影像中提取所需信息是利用遙感影像的關(guān)鍵步驟。隨著遙感數(shù)據(jù)獲取手段的增多，遙感影像數(shù)據(jù)量飛速增長(zhǎng)，如何高質(zhì)、高效地進(jìn)行遙感影像的分類顯得至關(guān)重要。本
4、文主要探討遙感影像的自動(dòng)分類問(wèn)題，在對(duì)國(guó)內(nèi)外相關(guān)文獻(xiàn)進(jìn)行閱讀、歸納的基礎(chǔ)上，做了以下研究。分析了目前該類研究中存在的考慮因素單一、研究方法綜合性不足等問(wèn)題。提出了遙感影像分類研究應(yīng)結(jié)合智能算法和多特征描述來(lái)展開的觀點(diǎn)。同時(shí)，根據(jù)支持向量機(jī)（SVM）在遙感影像分類領(lǐng)域的研究現(xiàn)狀，提出了將多種方法描述的紋理特征和影像的光譜特征相結(jié)合，并利用SVM分類器進(jìn)行分類的方法。介紹了SVM的基本理論、基本算法，詳細(xì)討論了SVM參數(shù)選擇算法。根據(jù)SVM的泛化誤差界，分析了SVM的小樣本特性及其對(duì)模型復(fù)雜程度的控制能力。同時(shí)對(duì)極大似然估計(jì)、最近距離（NN）、K
5、近鄰（K-NN）、樸素貝葉斯等分類算法，就精度、效率、適用條件做了分析對(duì)比。在對(duì)灰度直方圖、Gabor小波、離散傅里葉環(huán)狀采樣和離散小波分解四種紋理描述方法進(jìn)行介紹和比較的基礎(chǔ)上，根據(jù)Gabor小波濾波器的導(dǎo)出過(guò)程，提出了尺度參數(shù)選擇的基本指導(dǎo)原則，對(duì)離散傅里葉環(huán)狀采樣方法進(jìn)行了改進(jìn)，進(jìn)一步提出了DFT平均環(huán)狀采樣直方圖方法。結(jié)合多特征描述以及SVM遙感影像分類算法，基于LibSVM、OpenCV、FreeImage、SQLite、QT等開源工具和C++語(yǔ)言開發(fā)了一套實(shí)驗(yàn)系統(tǒng)，并以鄭州市西北方向某一區(qū)域的Landsat8OLI影像為例進(jìn)行了一
6、系列實(shí)驗(yàn)。實(shí)驗(yàn)表明，本研究所提出的SVM分類算法，其分類精度遠(yuǎn)高于最大似然估計(jì)、K近鄰、樸素貝葉斯等分類算法的精度；所選用的四種紋理描述算法均具有一定區(qū)分能力，其中Gabor小波和DFT平均環(huán)狀采樣直方圖方法區(qū)分能力最強(qiáng)；結(jié)合紋理特征和光譜特征進(jìn)行SVM影像分類，可以將分類精度提高10%，總體分類精度最高可達(dá)96.2%；結(jié)合多種紋理描述算法可進(jìn)一步提高SVM的影像分類精度。實(shí)驗(yàn)中還發(fā)現(xiàn)，若將區(qū)分度高的紋理描述算法和區(qū)分度低的紋理描述算法進(jìn)行組合，其分類精度反而高于多種區(qū)分度均較高的紋理描述算法的組合，I摘要本文從模型復(fù)雜度控制的角度對(duì)這一現(xiàn)象
7、進(jìn)行了分析和解釋。關(guān)鍵詞：遙感影像，分類，多特征，紋理描述，SVMIIAbstractAbstractRemotesensingimageisanimportantdatasourceofwaterconservancyinformation.Extractingtherequiredinformationfromtheremotesensingimageisakeystep.Withthediversificationofthemeanstoacquireimagedata,thenumberofremotesensingimagedata
8、isincreasing.Howtomaketheclassificationofremotesensingimagewithmoreefficiencyiscri
