資源描述：
《面向?qū)ο蟮亩鄷r相衛(wèi)星影像地物分類技術(shù)》由會員上傳分享，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。
1、碩士學(xué)位論文面向?qū)ο蟮亩鄷r相衛(wèi)星影像地物分類技術(shù)OBJECT-ORIENTEDLANDCOVERCLASSIFICATIONTECHINIQUESFORMULTITEMPORALSATELLITEIMAGES王玉亭哈爾濱工業(yè)大學(xué)2015年7月國內(nèi)圖書分類號：TN911.73學(xué)校代碼：10213國際圖書分類號：621.3密級：公開工學(xué)碩士學(xué)位論文面向?qū)ο蟮亩鄷r相衛(wèi)星影像地物分類技術(shù)碩士研究生：王玉亭導(dǎo)師：谷延鋒教授申請學(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)用范圍也越來越廣泛。單純的對單時相的衛(wèi)星遙感技術(shù)研究已經(jīng)達(dá)不到人們的需求。因此，對于地物分類來說，由于單時相衛(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，分類結(jié)果一般
4、會出現(xiàn)椒鹽現(xiàn)象，不能很好的滿足應(yīng)用需求。本文從多時相衛(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；并深入研究了多時相衛(wèi)星影像的時間序列指數(shù)特征；針對多時相衛(wèi)星影像提出了基于增量學(xué)習(xí)的集成學(xué)習(xí)分類算法，并且與傳統(tǒng)的多時相分類算法對比，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、時序指數(shù)特征提取以及面向?qū)ο蟮亩鄷r相衛(wèi)星影像地物分類，包括以下三個方面：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)的基于像素的分類方法不僅運(yùn)算效率低，而且分類結(jié)果會出現(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蟮姆诸惖牡於嘶A(chǔ)。然后，從多時相多光譜衛(wèi)星影像數(shù)據(jù)的時序特性出發(fā)。研究了有利于地物分類的指數(shù)特征提取、時序指數(shù)特征提取。為了有效的揭示不同地物隨時間的變化對不同指數(shù)特征的敏感度，對時序指數(shù)特征提取了一階和二階差分時序指數(shù)特征，并在此基礎(chǔ)上進(jìn)行了研究了面向?qū)ο蟮姆诸惙椒?，且與傳統(tǒng)的基于像素的分
6、類結(jié)果進(jìn)行對比，取得了較好的分類效果。最后，針對于多時相衛(wèi)星影像數(shù)據(jù)的時序特性，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)建多時相分類器。增量學(xué)習(xí)可以在保留歷史學(xué)習(xí)信息的基礎(chǔ)上，對新增的樣本不斷學(xué)習(xí)，進(jìn)而不斷地更新分類器，集成的新分類器對新樣本具有更好的預(yù)測效果。為驗證多時相分類器的有效性，利用多時相衛(wèi)星影像進(jìn)行了實(shí)驗。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)算法對多時相衛(wèi)星影像分類表現(xiàn)出較好的分類性能。關(guān)鍵詞：多時相；分割；時序特征；增量學(xué)習(xí)；集成學(xué)習(xí)；分類-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
