耦合“图—谱”特征的遥感影像自动分类方法研究

作     者：夏列钢 

作者单位：浙江工业大学 

学位级别：硕士

导师姓名：王卫红

授予年度：2011年

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

主      题：遥感影像自动分类 图谱耦合 自动样本选择 模糊SVM分类 多层次迭代模型 土地覆盖分类 

摘      要：遥感影像分类是遥感数据处理的核心内容之一,也是土地覆盖分类、资源环境调查等应用的重要基础。随着遥感观测技术的发展和行业应用的深入,分类的自动化程度和结果精度之间的矛盾越来越突出,如何合理解决这一矛盾已逐渐成为各种分类方法研究的主要目标之一。 目前的分类方法或多或少需要人工参与,难以适应大数据量、定量化等应用需求。本文提出了完全脱离人工操作的全自动分类的概念,通过结合图谱耦合认知理论与模式识别方法,将遥感分类过程细化为特征学习、模式学习两个过程,在保证分类精度的前提下,初步实现了遥感影像的全自动分类。本文的主要研究工作和成果如下: 1.在研究现有分类方法的基础上,建立了遥感影像自动分类体系,具体包括像素级自动分类与对象级自动分类,分别对应不同空间分辨率多光谱数据的自动化分类。 2.分别以改进的光谱匹配技术提高谱特征提取的精度,以形状匹配技术与非线性回归实现图特征的精确提取,从而实现了自动化分类中关键的样本自动选取过程。 3.通过模糊支撑向量机(Support Vector Machine,SVM)分类方法与带有隶属度的自动样本相结合,实现了模式学习过程的定量化控制,提高分类结果的精度。 4.建立了多层次迭代分类模型实现“图-谱特征的耦合,同时构建知识融入机制以不断优化最终分类结果。 5.根据上述自动化分类方法开发了原型系统,并在不同区域的土地覆盖分类中得到了应用,取得了较好的效果。 虽然从自动分类概念的提出到系统的开发应用已经取得了不少成果,但是当前的研究中还存在较多不足,如分类过程中没有考虑尺度因素对于影像特征、类型的影响,在深入研究过程中需要特别注意,同时还需要提高先验知识库的科学性与适用性,另外将多分类器结合迭代分类模型等方面也需要进一步研究。