資源描述：
《基于多特征融合的遙感圖像分類研究》由會員上傳分享，免費在線閱讀，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MASTER’SDISSERTATION論文題目基于多特征融合的遙感圖像分類研究作者姓名朱夢亞學(xué)位類別工程碩士指導(dǎo)教師裴歡2016年5月中圖分類號：TP751學(xué)校代碼：10216UDC：528密級：公開工程碩士學(xué)位論文（應(yīng)用研究型）基于多特征融合的遙感圖像分類研究碩士研究生：朱夢亞導(dǎo)師：裴歡副導(dǎo)師：房世峰申請學(xué)位：工程碩士學(xué)科專業(yè)：電子與通信工程所在單位：信息科學(xué)與工程學(xué)院答辯日期：2016年5月授予學(xué)位單位：燕山大學(xué)ClassifiedIndex:TP751Schoolcode:10216U.D.C:528SecretLevel:
2、openADissertationinElectronicandCommunicationEngineeringREMOTESENSINGIMAGECLASSIFICATIONBASEDONMULTI-FEATURASFUSIONbyZhuMengyaSupervisor:AssociateProfessorPeiHuanYanshanUniversityMay,2016燕山大學(xué)碩士學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：此處所提交的碩士學(xué)位論文《基于多特征融合的遙感影像分類研究》，是本人在導(dǎo)師指導(dǎo)下，在燕山大學(xué)攻讀碩士學(xué)位期間獨立進行研究工作所取得的
3、成果。論文中除已注明部分外不包含他人已發(fā)表或撰寫過的研究成果。對本文的研究工作做出重要貢獻的個人和集體，均已在文中以明確方式注明。本聲明的法律結(jié)果將完全由本人承擔。作者簽字：日期：年月日燕山大學(xué)碩士學(xué)位論文使用授權(quán)書《基于多特征融合的遙感影像分類研究》系本人在燕山大學(xué)攻讀碩士學(xué)位期間在導(dǎo)師指導(dǎo)下完成的碩士學(xué)位論文。本論文的研究成果歸燕山大學(xué)所有，本論文的研究內(nèi)容不得以其它單位的名義發(fā)表。本人完全了解燕山大學(xué)關(guān)于保存、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向有關(guān)部門送交論文的復(fù)印件和電子版本，允許論文被查閱和借閱。本人授權(quán)燕山大學(xué)，可以采用影印、縮印
4、或其它復(fù)制手段保存論文，可以公布論文的全部或部分內(nèi)容。保密□，在年解密后適用本授權(quán)書。本學(xué)位論文屬于不保密□。（請在以上相應(yīng)方框內(nèi)打“√”）作者簽名：日期：年月日導(dǎo)師簽名：日期：年月日摘要摘要遙感圖像分類一直是遙感研究領(lǐng)域的重要內(nèi)容，如何解決多類別遙感影像分類識別并滿足一定的精度，是遙感圖像研究中的一個關(guān)鍵問題。遙感圖像的計算機分類是通過計算機對遙感圖像像素進行數(shù)值處理，達到自動分類識別地物的目的。由于同物異譜及異物同譜現(xiàn)象的存在，計算機遙感影像分類精度受到了較大影響。改進現(xiàn)有分類方法，對地物進行精確提取對國土資源監(jiān)測及土地利用規(guī)劃具有十分重要
5、的意義。本文以石家莊市區(qū)的TM遙感數(shù)據(jù)為研究對象，基于紋理特征、光譜特征和空間特征構(gòu)建多特征影像集，應(yīng)用最大似然分類法、支持向量機法和決策樹分類法對研究區(qū)進行了基于多特征融合的分類實驗及精度分析。首先，對紋理特征提取方法進行對比和分析，選擇了灰度共生矩陣的方差法和Gabor濾波器的Gist特征為紋理特征，利用最佳指數(shù)法對二者進行對比，結(jié)果表明Gist特征比傳統(tǒng)的紋理特征性能更優(yōu)越；其次，基于遙感影像提取了反映光譜特征的植被指數(shù)（NDVI）、纓帽變換分量和主成分分量，并引入數(shù)字高程模型表達空間特征。按照特征性質(zhì)進行隨機組合，分析各特征組合下分類樣
6、本的J-M距離，構(gòu)建了最優(yōu)分類特征組合；最后，對多特征融合遙感圖像進行了最大似然和支持向量機分類并基于分類特征構(gòu)建決策樹模型，對地物進行了分層提取。精度分析結(jié)果表明，分類特征對遙感分類精度的提高具有積極作用，基于多特征的影像分類精度較之原始影像均有所提高，三種分類方法所得實驗結(jié)果顯示，決策樹分類法最優(yōu)，精度為87.33%，kappa系數(shù)為0.8454；其次是支持向量機法，精度為85.33%，kappa系數(shù)為0.8047；最后是最大似然法，精度為80.33%，kappa系數(shù)為0.7340。關(guān)鍵詞：遙感分類；多特征融合；Gist特征；支持向量機；決
7、策樹分類-I-AbstractAbstractTheclassificationofremotesensingimagehasalwaysbeenanimportantcontentofremotesensingresearch.Oneofthekeyquestionsofremotesensingimageresearchistodealwithmulti-classremotesensingimageclassificationandsatisfyacertainprecision.Throughcomputernumericalproce
8、ssingofremotesensingimage,thecomputeclassificationofremotesensingimageachie
