

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、本文依托于國家科技基礎性工作專項重點項目“中國湖泊水質、水量和生物資源調查”(2006FY110600)子課題“中國湖泊衛(wèi)星遙感調查”,采用小樣本學習、抗噪聲性能好、學習效率高的支持向量機(SVM,Support Vector Machine)方法來提取多光譜遙感影像冰凍湖泊水體。支持向量機最大特點是根據(jù)結構風險最小化原則,盡量提高學習機的泛化能力,即由有限的訓練集樣本得到小的誤差能夠保證對獨立的測試集仍保持小的誤差,SVM在遙感信息提
2、取方面,特別是在缺少先驗知識的情況下,具有較高的推廣能力。 本文分析了冰凍湖泊水體的光譜特征,說明了傳統(tǒng)遙感影像分類方法不能達到較高精度的原因,在此基礎上利用MATLAB支持向量機工具箱建立了SVM提取模型,并選擇了東北地區(qū)的查干湖和長白山天池CBERS多光譜遙感影像進行了提取試驗。試驗表明,兩湖提取精度支持向量機較最大似然法提高了3.93%。但僅應用SVM方法提取冰凍湖泊水體,提取結果小圖斑多、分類不完整,因此本文在原來模型的
3、基礎上加入了鄰近同化濾波方法,有效剔除了小圖斑。 綜合SVM鄰近同化濾波模型提取冰凍湖泊水體的研究過程,本文得出的結論如下: (1)查干湖湖面整體冰凍;據(jù)實地考察和相關文獻,長白山天池西部由于湖底受溫泉影響,湖水冬季不封凍,從影像上看天池西部呈深藍色的部分就是未冰凍的湖泊水體。應用SVM鄰近同化濾波提取模型,不僅實現(xiàn)了對全部冰凍湖泊水體的精確提取,對冰水混合的湖泊水體也同樣適用,所以本文的提取模型對冰凍情況復雜的湖泊水體
4、精確提取有著廣闊的應用前景。 (2)與長白山天池相比,查干湖結冰湖面破碎度較高,由于處在破碎部分的像元光譜復雜,最大似然法難以達到較高的提取精度。在同樣訓練區(qū)樣本下,與最大似然法相比,SVM提取精度提高了5.36%,由此可以看出SVM具有較強的小樣本學習能力,提取精度高。 (3)為剔除湖邊淺水沼澤和冰凍期湖面雪等干擾地物的影響,本文提出鄰近同化濾波方法,這也是本文的創(chuàng)新之處。經(jīng)鄰近同化濾波模型處理后,提取結果小圖斑較少,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SVM的ASAR波模式海浪波高與周期提取研究.pdf
- 基于局部濾波模型的圖像內插算法的研究.pdf
- 23408.基于卡爾漫濾波模型的滑坡變形預測研究
- 基于集合Kalman濾波的同化策略研究.pdf
- 基于參數(shù)化雜波模型的空時自適應匹配濾波技術研究.pdf
- 基于時空Kalman濾波模型的高速公路交通預測方法研究.pdf
- 方向偏微分方程濾波模型的研究及其應用.pdf
- 基于粒子濾波的太湖水質同化模擬研究.pdf
- 基于源—濾波模型的廣義似然比語音激活檢測.pdf
- 基于SVM的海岸線提取方法研究.pdf
- 超窄帶接收機濾波模型與優(yōu)化設計.pdf
- ∑-△ADC數(shù)字抽取濾波模塊的設計研究.pdf
- 基于機器學習的遙感圖像水體提取研究.pdf
- 基于亞像元分解重構的MODIS水體提取模型及方法研究.pdf
- 基于小波多尺度卡爾曼濾波模型的建筑物變形分析預測研究.pdf
- 基于粒子濾波的輪廓提取方法研究.pdf
- 人工濕地凈化城市湖泊水體實驗研究.pdf
- 有源電力濾波模塊組合系統(tǒng)的研究.pdf
- 基于背景差分和粒子濾波模型的錢塘江涌潮的檢測與跟蹤.pdf
- 基于海洋內波模型的解析研究與參數(shù)反演.pdf
評論
0/150
提交評論