基于多特征融合的遥感图像分类研究

《基于多特征融合的遥感图像分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文MASTER’SDISSERTATION论文题目基于多特征融合的遥感图像分类研究作者姓名朱梦亚学位类别工程硕士指导教师裴欢2016年5月中图分类号：TP751学校代码：10216UDC：528密级：公开工程硕士学位论文（应用研究型）基于多特征融合的遥感图像分类研究硕士研究生：朱梦亚导师：裴欢副导师：房世峰申请学位：工程硕士学科专业：电子与通信工程所在单位：信息科学与工程学院答辩日期：2016年5月授予学位单位：燕山大学ClassifiedIndex:TP751Schoolcode:10216U.D.C:528SecretLevel:

2、openADissertationinElectronicandCommunicationEngineeringREMOTESENSINGIMAGECLASSIFICATIONBASEDONMULTI-FEATURASFUSIONbyZhuMengyaSupervisor:AssociateProfessorPeiHuanYanshanUniversityMay,2016燕山大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于多特征融合的遥感影像分类研究》，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究工作所取得的

3、成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字：日期：年月日燕山大学硕士学位论文使用授权书《基于多特征融合的遥感影像分类研究》系本人在燕山大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解燕山大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅。本人授权燕山大学，可以采用影印、缩印

4、或其它复制手段保存论文，可以公布论文的全部或部分内容。保密□，在年解密后适用本授权书。本学位论文属于不保密□。（请在以上相应方框内打“√”）作者签名：日期：年月日导师签名：日期：年月日摘要摘要遥感图像分类一直是遥感研究领域的重要内容，如何解决多类别遥感影像分类识别并满足一定的精度，是遥感图像研究中的一个关键问题。遥感图像的计算机分类是通过计算机对遥感图像像素进行数值处理，达到自动分类识别地物的目的。由于同物异谱及异物同谱现象的存在，计算机遥感影像分类精度受到了较大影响。改进现有分类方法，对地物进行精确提取对国土资源监测及土地利用规划具有十分重要

5、的意义。本文以石家庄市区的TM遥感数据为研究对象，基于纹理特征、光谱特征和空间特征构建多特征影像集，应用最大似然分类法、支持向量机法和决策树分类法对研究区进行了基于多特征融合的分类实验及精度分析。首先，对纹理特征提取方法进行对比和分析，选择了灰度共生矩阵的方差法和Gabor滤波器的Gist特征为纹理特征，利用最佳指数法对二者进行对比，结果表明Gist特征比传统的纹理特征性能更优越；其次，基于遥感影像提取了反映光谱特征的植被指数（NDVI）、缨帽变换分量和主成分分量，并引入数字高程模型表达空间特征。按照特征性质进行随机组合，分析各特征组合下分类样

6、本的J-M距离，构建了最优分类特征组合；最后，对多特征融合遥感图像进行了最大似然和支持向量机分类并基于分类特征构建决策树模型，对地物进行了分层提取。精度分析结果表明，分类特征对遥感分类精度的提高具有积极作用，基于多特征的影像分类精度较之原始影像均有所提高，三种分类方法所得实验结果显示，决策树分类法最优，精度为87.33%，kappa系数为0.8454；其次是支持向量机法，精度为85.33%，kappa系数为0.8047；最后是最大似然法，精度为80.33%，kappa系数为0.7340。关键词：遥感分类；多特征融合；Gist特征；支持向量机；决

7、策树分类-I-AbstractAbstractTheclassificationofremotesensingimagehasalwaysbeenanimportantcontentofremotesensingresearch.Oneofthekeyquestionsofremotesensingimageresearchistodealwithmulti-classremotesensingimageclassificationandsatisfyacertainprecision.Throughcomputernumericalproce

8、ssingofremotesensingimage,thecomputeclassificationofremotesensingimageachie