基于多尺度特征融合和支持向量机的高分辨率遥感影像分类

基于多尺度特征融合和支持向量机的高分辨率遥感影像分类

ID:3922009

大小:932.20 KB

页数:7页

时间:2017-11-25

基于多尺度特征融合和支持向量机的高分辨率遥感影像分类_第1页
基于多尺度特征融合和支持向量机的高分辨率遥感影像分类_第2页
基于多尺度特征融合和支持向量机的高分辨率遥感影像分类_第3页
基于多尺度特征融合和支持向量机的高分辨率遥感影像分类_第4页
基于多尺度特征融合和支持向量机的高分辨率遥感影像分类_第5页
资源描述:

《基于多尺度特征融合和支持向量机的高分辨率遥感影像分类》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、第11卷第1期遥感学报Vol.11,No.12007年1月JOURNALOFREMOTESENSINGJan.,2007文章编号:100724619(2007)0120048207基于多尺度特征融合和支持向量机的高分辨率遥感影像分类黄昕,张良培,李平湘(武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430079)摘要:相对传统的中低分辨率遥感数据而言,高空间分辨率遥感影像同一地物内部丰富的细节得到表征,空间信息更加丰富,地物的尺寸、形状以及相邻地物的关系得到更好的反映,但其光谱统计特性不如中低分辨率影像稳定,类内光谱差异较大,而传

2、统分类方法仅依据像元的光谱值,因此在高分辨率影像分类中,传统方法往往不能获得好的结果。在此背景下,提出了一种多尺度空间特征融合的分类方法,旨在利用不同尺度的空间邻域特征弥补传统方法的不足。其基本过程是:首先针对不同尺度特点,用小波变换压缩空间邻域特征,并结合支持向量机得到不同尺度下的分类结果,然后根据尺度选择因子为每个像元选择最佳的类别。文中QuickBird和IKONOS影像实验证明该算法能有效提高高分辨率影像解译的精度。关键词:多尺度;融合;支持向量机;高分辨率中图分类号:TP751.1文献标识码:AClassification

3、ofHighSpatialResolutionRemotelySensedImageryBasedUponFusionofMultiscaleFeaturesandSVMHUANGXin,ZHANGLiang2pei,LIPing2xiang(NationalKeyLaboratoryforInformationEngineeringinSurveying,MappingandRemoteSensing,WuhanUniversity,HubeiWuhan430079,China)Abstract:Anewclassificatio

4、nalgorithmforhighspatialresolutionremotelysensedimageryisproposed,whichintegratesneighborhoodinformationofmultiscalesuchas2×2,4×4,8×8and16×16windowsizesaroundthecentralpixel.Inordertocompresstheinformationofthemultiscalespatialfeatures,awaveletcoefficientsfusionalgorit

5、hmisemployedtoreducethedimensionbutretainthespatialinformationatthesametime.Afterthestageofmultiscaleneighborhoodfeatureextraction,agoodtoolofpatternrecognition:SVMisemployedtoprocessthemultiscalefeatures,inthisalgorithm,fourgroupsofspatialfeaturesbasedonfourscalesprod

6、ucefourclassificationmaps.Andthen,thesemaps,whichrepresentmultiscaleclassificationresults,arefusedbyascaleselectionparameter.Thefinalfusionmapistheresultofmultiscalefeaturesclassificationandshowsanobviousadaptabilitytoobjectsofdifferentscales.ExperimentsofQuickBirdandI

7、konosshowthattheproposedclassificationalgorithmofmultiscalefeaturesfusioncanachievebetterresultsandbetteraccuraciesthantheconventionalper2pixelmultispectralmethod.Keywords:multiscale;featurefusion;SVM;highspatialresolution收稿日期:2005211229;修订日期:2006201206基金项目:国家自然科学基金(编号

8、:40471088,40523005),国家973计划资助项目(编号:2006CB701302)。作者简介:黄昕(1982—),男,博士研究生,主要从事高分辨率遥感影像模式识别、神经网络原理、遥感应用等方面的研究。E2mail:hua

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。