论文部分内容阅读
遥感技术的发展，使我们能够获得极其丰富的对地观测信息，尤其是近年来QuickBird和IKONOS等高分辨遥感图像的出现更拓宽了遥感应用领域。但是面临的挑战是如何处理这些数据，使之能转换为急需被应用的信息。因此，研究高分辨率遥感图像的分类等信息处理方法具有十分重要的意义。论文以QuickBird高分辨率遥感图像作为试验数据，针对高分辨率遥感图像的特点，开展基于区域分割对象的高分辨率遥感图像分类方法研究，围绕高分辨率遥感图像分类过程中的图像分割、特征标记与提取以及图像分类等关键技术开展探索试验。论文的主要贡献和结论如下：
1、根据高分辨率遥感图像特点，建立了面向分割对象的分类技术流程。认为图像滤波预处理是高分辨率遥感图像分类的重要环节。通过大量的实验和比较研究，选择中值滤波对图像进行预处理。中值滤波是图像预处理的有效方法，在去除噪声的同时很好地保持地物的轮廓和细节，便于后续处理。
2、提出了一种基于标记分水岭的高分辨率遥感图像分割改进算法。把分水岭算法引入高分辨率遥感图像分割，并针对高分辨率遥感图像的特点，对算法进行改进，解决传统分水岭的过分割问题，从而实现了对高分辨率遥感图像快速准确的分割。论文在图像的形态学梯度提取、图像极小值标记等方面进行深入研究，并通过大量实验，给出相关经验值。不同地物特征的Quickbird图像的分割实验表明，对于纹理比较均一的高分辨率遥感图像，该方法避免了过分割现象，且效率较高。
3、采用Gabor小波变换对分割后的区域进行纹理特征提取。针对不同方向和不同尺寸滤波器所提取的纹理特征向量的差异性，研究并确定了适合高分辨率遥感图像纹理特征提取的Gabor小波滤波器参数的设置原则，从而使图像纹理特征的尺度选择更为合理。
4、把Gabor小波变换和支持向量机相结合，利用支持向量机在解决小样本、非线性、高维数、局部极小点等方面的优越性，实现基于区域对象的高分辨率遥感图像分类。