基于視覺詞袋模型的高分辨率遙感圖像分類研究.pdf_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著遙感技術飛速發(fā)展,遙感圖像的特征趨向于大數據量、高維度、高分辨率,其所包含的地物信息也越來越豐富,那么如何在大量的數據中高效的提取所需信息并分類,成為目前遙感圖像領域的研究熱點。相比傳統(tǒng)基于像素的遙感圖像分類方法,面向對象的視覺詞袋模型算法有效解決了特征描述單一、高低層特征間的“語義鴻溝”等問題,因此得到了廣泛的研究與應用。
  針對經典視覺詞袋模型在高分辨率遙感圖像分類中的關鍵技術和難點,本文展開了深入研究。提出了一套完整有

2、效的遙感圖像分類方案,首先將圖像分割為同質對象,提取對象的多特征進而生成視覺單詞;然后,對視覺單詞進行篩選,選擇單詞與類別間相關性大,單詞與單詞間冗余性小的詞典子集;最后選擇SVM多分類器實現圖像的分類。本文主要內容與創(chuàng)新點如下:
  (1)針對傳統(tǒng)圖像分割算法易受噪聲干擾且過分割現象嚴重的問題,提出了一種結合標記分水嶺和區(qū)域生長的圖像分割方法,實驗表明,該算法在濾除噪聲的同時能較好的保留邊界信息,且能夠有效抑制過分割現象。

3、>  (2)針對高低層特征間存在的“語義鴻溝”問題,將視覺詞袋模型引入到遙感圖像分類中并結合空間金字塔匹配模型提取融合多特征,增強了算法的特征描述能力,突破了傳統(tǒng)算法特征描述單一,邊緣細節(jié)模糊的局限性。
  (3)針對視覺詞典中存在冗余信息的問題,導致計算復雜度的增加和分類精度的下降,因此要進行單詞選擇。mRMR算法充分利用了單詞的相關性和冗余性,卻無法表示不同單詞對分類的貢獻度,本文結合ReliefF算法賦予單詞權重參數從而建立

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論