遙感影像面狀地物半自動(dòng)提取方法的研究.pdf

1、近年來，隨著空間技術(shù)和信息技術(shù)的飛速發(fā)展，高分辨率遙感衛(wèi)星已可以為人類提供高清晰、大容量的遙感衛(wèi)星影像。根據(jù)高分辨率的遙感圖像細(xì)節(jié)信息豐富、地物幾何結(jié)構(gòu)明顯的特點(diǎn)，從遙感影像中獲取目標(biāo)信息已成為空間信息更新的重要手段，并且已廣泛的應(yīng)用于國民經(jīng)濟(jì)生產(chǎn)和軍事目標(biāo)偵察等領(lǐng)域。本文從目標(biāo)地物提取和目前生產(chǎn)作業(yè)的實(shí)際出發(fā)，以不規(guī)則面狀地物的半自動(dòng)提取與精確定位為研究?jī)?nèi)容，重點(diǎn)解決了遙感影像中一些典型面狀地物（如大面積的建筑物、水域、植被等）高精度

2、地半自動(dòng)目標(biāo)分割與邊界精確定位的問題，其關(guān)鍵點(diǎn)是機(jī)器學(xué)習(xí)、圖像分割、目標(biāo)模式提取等一系列相關(guān)技術(shù)。 本文提出了一種新的半自動(dòng)提取面狀地物的方法，它能夠用隨意給定的前景和背景曲線準(zhǔn)確地提取出感興趣的區(qū)域。算法首先提取前景和背景曲線上的像素作為分類樣本，并使用SVM得到最初的分類效果。并在此基礎(chǔ)上，綜合利用分類對(duì)象的光譜特征和形狀特征信息，進(jìn)行區(qū)域合并。最后，采用一種自動(dòng)停止區(qū)域合并的準(zhǔn)則確定最終合并結(jié)果。 支持向量機(jī)（Su

3、pport Vector Machine，SVM）作為一種最新的也是最有效的統(tǒng)計(jì)學(xué)習(xí)方法，近年來成為模式識(shí)別與機(jī)器學(xué)習(xí)領(lǐng)域一個(gè)新的研究熱點(diǎn)。遙感圖像分析與處理是SVM應(yīng)用一個(gè)熱門的研究方向[1]。支持向量機(jī)基于研究小樣本情況下機(jī)器學(xué)習(xí)規(guī)律，以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為準(zhǔn)則，對(duì)實(shí)際應(yīng)用中有限訓(xùn)練樣本的問題，表現(xiàn)出很多優(yōu)于已有學(xué)習(xí)方法的性能。在遙感圖像的分類研究中，應(yīng)用SVM分類的優(yōu)點(diǎn)是數(shù)據(jù)無需降維，并且在算法的分類精度和速度方面都有較好的性能。本文

4、研究了支持向量機(jī)在高光譜遙感圖像的局部分類中的應(yīng)用。實(shí)驗(yàn)表明，在一般情況下用SVM實(shí)現(xiàn)的初步分類效果已經(jīng)能夠基本將前景和背景區(qū)域區(qū)分出來，精度高，分類速度快。 圖像分割形成的區(qū)域是圖像對(duì)象的形狀表述，分割的好壞將直接影響到對(duì)圖像分析、識(shí)別和解譯等的精度。本文提出了一種基于區(qū)域合并的分割方法，此方法綜合利用遙感圖像的光譜特征和形狀特征信息來描述區(qū)域?qū)ο蟮奶匦?，并在此基礎(chǔ)上給出兩個(gè)相鄰區(qū)域的合并代價(jià)，通過對(duì)合并代價(jià)進(jìn)行限制。在由SV

5、M進(jìn)行初步圖像處理后，對(duì)圖像中的區(qū)域進(jìn)行進(jìn)一步合并，提高圖像提取的精度。為提高遙感圖像分割的效率，使用分塊策略對(duì)區(qū)域鄰接圖進(jìn)行劃分。實(shí)驗(yàn)證明，這種方法精度較高，同時(shí)效率有了較大的提高。 上海交通大學(xué)遙感科學(xué)實(shí)驗(yàn)室依托上海市科委重點(diǎn)項(xiàng)目“基于影像內(nèi)容的自動(dòng)搜索和特定目標(biāo)的變化檢測(cè)與更新技術(shù)研究”（NO.055115018），設(shè)計(jì)實(shí)現(xiàn)了面向?qū)ο蟮倪b感圖像處理平臺(tái)ELU。本文結(jié)合該項(xiàng)目而進(jìn)行，對(duì)不規(guī)則目標(biāo)地物提取、圖像分割、機(jī)器學(xué)習(xí)等