資源描述：
《基于紋理基元的遙感影像分類(lèi)方法研究》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、分類(lèi)號(hào)學(xué)號(hào)M201272347學(xué)校代碼10487密級(jí)碩士學(xué)位論文基于紋理基元的遙感影像分類(lèi)方法研究學(xué)位申請(qǐng)人：劉婧婷學(xué)科專(zhuān)業(yè)：模式識(shí)別與智能系統(tǒng)指導(dǎo)教師：楊衛(wèi)東副教授答辯日期：2015.5.26AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringResearchonRemoteSensingImageClassificationBasedonTextonCandidate：LiuJingti
2、ngMajor：PatternRecognitionandIntelligentSystemsSupervisor：Assoc.Prof.YangWeidongHuazhongUniversityofScienceandTechnologyWuhan430074,P.R.ChinaMay,2015獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除文中已經(jīng)標(biāo)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(xiě)過(guò)的研究成果。對(duì)本文的研究做出貢獻(xiàn)的個(gè)人和集體，
3、均已在文中以明確方式標(biāo)明。本人完全意識(shí)到，本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：日期：年月學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留并向國(guó)家有關(guān)部門(mén)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)華中科技大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密□，在_____年解密后適用本授權(quán)書(shū)。本論文屬于不保密□。（請(qǐng)?jiān)谝陨戏娇騼?nèi)打“√”）學(xué)位論文作者簽名：指導(dǎo)教師簽名：
4、日期：年月日日期：年月日華中科技大學(xué)碩士學(xué)位論文摘要遙感影像分類(lèi)是實(shí)現(xiàn)三維場(chǎng)景建模的重要步驟，進(jìn)而可為飛行器導(dǎo)航提供信息保障。然而，對(duì)于遙感影像分類(lèi)，由于地物類(lèi)型的不確定性、同類(lèi)地物的形態(tài)多樣性以及地物空間分布的復(fù)雜性等原因，致使準(zhǔn)確實(shí)現(xiàn)自然場(chǎng)景遙感影像的地物分類(lèi)仍然非常困難。本文將遙感影像分類(lèi)方法分解為圖像分割和紋理識(shí)別兩個(gè)階段，從紋理特征提取、紋理建模與表達(dá)的角度，開(kāi)展遙感影像典型地物分類(lèi)方法的研究。在圖像分割階段，針對(duì)SLIC超像素算法中單個(gè)像素的顏色特征對(duì)圖像表達(dá)不充分的問(wèn)題，本文使用像素的局部鄰域信
5、息并引入隨機(jī)投影（RP）對(duì)其降維，進(jìn)而提出了一種基于隨機(jī)投影的超像素分割算法(RP-SLIC)。該方法既保留了SLIC超像素算法具有的結(jié)構(gòu)緊湊、同質(zhì)性強(qiáng)的優(yōu)點(diǎn)，又能真實(shí)地反映出物體的邊緣輪廓信息，有效提高了分割的準(zhǔn)確率，為之后的圖像片元識(shí)別提供了更精準(zhǔn)的輸入。在紋理識(shí)別階段，考慮到光照等變化條件對(duì)場(chǎng)景成像的影響，本文提出了一種具有一定灰度變化適應(yīng)性的鄰域差分特征（ND），在此基礎(chǔ)上發(fā)展了基于詞袋的鄰域差分紋理識(shí)別方法（ND-BoW）和基于馬爾可夫隨機(jī)場(chǎng)的鄰域差分紋理識(shí)別方法（ND-MRF），并在CUReT數(shù)據(jù)
6、集上驗(yàn)證了方法的準(zhǔn)確性。最后，使用自然場(chǎng)景遙感影像對(duì)提出的典型地物分類(lèi)方法進(jìn)行性能評(píng)估對(duì)比實(shí)驗(yàn)，結(jié)果表明，本文提出的分類(lèi)方法可有效提高分類(lèi)的準(zhǔn)確率。關(guān)鍵詞：紋理基元超像素分割BoWMRF紋理識(shí)別影像分類(lèi)I華中科技大學(xué)碩士學(xué)位論文AbstractRemotesensingimageclassificationisanimportantpartin3Dscenemodeling,andprovidesaguaranteeforaccuratenavigationofaircraftnavigation.Howev
7、er,fornaturalsceneremotesensingimage,duetotheuncertaintyofthesurfacefeaturestypes,themorphologicaldiversityofthesametypesurfacefeature,aswellasthecomplexityofspatialdistribution,itisstilladifficultandhardproblemtoaccuratelyimplementsurfacefeaturesclassifica
8、tioninremotesensingimage.Inthispaper,wedividetheremotesensingimageclassificationmethodintotwostagesofimagesegmentationandtexturerecognitiontocarryoutresearchonclassificationmethodsofcomplexnaturescenef
