基于纹理基元的遥感影像分类方法研究

《基于纹理基元的遥感影像分类方法研究》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、分类号学号M201272347学校代码10487密级硕士学位论文基于纹理基元的遥感影像分类方法研究学位申请人：刘婧婷学科专业：模式识别与智能系统指导教师：杨卫东副教授答辩日期：2015.5.26AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringResearchonRemoteSensingImageClassificationBasedonTextonCandidate：LiuJingti

2、ngMajor：PatternRecognitionandIntelligentSystemsSupervisor：Assoc.Prof.YangWeidongHuazhongUniversityofScienceandTechnologyWuhan430074,P.R.ChinaMay,2015独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，

3、均已在文中以明确方式标明。本人完全意识到，本声明的法律结果由本人承担。学位论文作者签名：日期：年月学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在_____年解密后适用本授权书。本论文属于不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：

4、日期：年月日日期：年月日华中科技大学硕士学位论文摘要遥感影像分类是实现三维场景建模的重要步骤，进而可为飞行器导航提供信息保障。然而，对于遥感影像分类，由于地物类型的不确定性、同类地物的形态多样性以及地物空间分布的复杂性等原因，致使准确实现自然场景遥感影像的地物分类仍然非常困难。本文将遥感影像分类方法分解为图像分割和纹理识别两个阶段，从纹理特征提取、纹理建模与表达的角度，开展遥感影像典型地物分类方法的研究。在图像分割阶段，针对SLIC超像素算法中单个像素的颜色特征对图像表达不充分的问题，本文使用像素的局部邻域信

5、息并引入随机投影（RP）对其降维，进而提出了一种基于随机投影的超像素分割算法(RP-SLIC)。该方法既保留了SLIC超像素算法具有的结构紧凑、同质性强的优点，又能真实地反映出物体的边缘轮廓信息，有效提高了分割的准确率，为之后的图像片元识别提供了更精准的输入。在纹理识别阶段，考虑到光照等变化条件对场景成像的影响，本文提出了一种具有一定灰度变化适应性的邻域差分特征（ND），在此基础上发展了基于词袋的邻域差分纹理识别方法（ND-BoW）和基于马尔可夫随机场的邻域差分纹理识别方法（ND-MRF），并在CUReT数据

6、集上验证了方法的准确性。最后，使用自然场景遥感影像对提出的典型地物分类方法进行性能评估对比实验，结果表明，本文提出的分类方法可有效提高分类的准确率。关键词：纹理基元超像素分割BoWMRF纹理识别影像分类I华中科技大学硕士学位论文AbstractRemotesensingimageclassificationisanimportantpartin3Dscenemodeling,andprovidesaguaranteeforaccuratenavigationofaircraftnavigation.Howev

7、er,fornaturalsceneremotesensingimage,duetotheuncertaintyofthesurfacefeaturestypes,themorphologicaldiversityofthesametypesurfacefeature,aswellasthecomplexityofspatialdistribution,itisstilladifficultandhardproblemtoaccuratelyimplementsurfacefeaturesclassifica

8、tioninremotesensingimage.Inthispaper,wedividetheremotesensingimageclassificationmethodintotwostagesofimagesegmentationandtexturerecognitiontocarryoutresearchonclassificationmethodsofcomplexnaturescenef