文档介绍：复旦大学
硕士学位论文
改进的多层判别回归树算法及其在遥感图像分析中的应用
姓名:王增进
申请学位级别:硕士
专业:计算机软件与理论
指导教师:危辉
20040427
摘要遥感技术是高新技术领域中的一个重要分支。遥感图像分析也是图像分析的重要内容。遥感图像分析技术应用领域非常广泛,包括地质,森林,国土资源,海洋,气象,军事目标等遥感图像的分析。这些领域中的应用都有重要的意义。统计模式识别方法在图像识别中占据了重要地位。但是使用这些统计模式识别方法都是基于人工特征抽取和建模的。基于表象的非建模的统计识别方法,使用较少。本文针对高维数据的快速聚类与回归问题,及其在遥感图像分析中的应用等问题进行研究。对多层判别回归树算法进行了剖析,分析了该算法的优点和缺点。而且分析了改进的多层判别回归树的输入空间和和输出空间的联系,对输入空闻的中心点选择提出了新的方法,做了藏的改进,由此设计了改进的多层判别回归树的构造算法。在树的检索过程中,引入了检索敏感度,改进了多层判别回归树的检索算法,使之无需检索整棵树。文中分析了改进的多层判别回归树算法的算法复杂度。本文还给出了系统实现,比对实验的测试结果以及实验结果分析。最后在巡航导弹的地形匹配制导或弹道校正、遥感图像的城市绿化面积的估算以及遥感纹理图像分析等应用领域进行了实践。实验结果表明改进的多层判别回归,魉惴ㄔ谝8型枷分析和处理中有着广泛应用前景。关键词:图像理解,遥感,统计模式识别改进的多展判别回归树算法及其在遥感图像分析中的应用
敢避的多层判别回归树算法及其在遥感圈像分析中的应用琭琧琽琲,甌瓵猙.’...,’.瑀,:琑琒瓸,.
第一章引言遥感图像分析和处理的难点改进的多层判别回归,魉惴ㄌ岢龅囊庖墼堂塑墅墨型墨毓槭魉惴ḿ捌湓谝8型枷穹治鲋械挠τ算子算子【’方法【等检测算法都很难对遥感图像进行有效的分图像理解是模式识别中最富有挑战性的研究方向之一。遥感图像是航空或卫星的可见光、红外、合成孔径雷达等主动与被动成像工具所获得的图像。。传统的图像边缘提取、图像分割技术就很难用于遥感图像的分析和处理。其一,遥感图像本身很复杂,蕴含的地理信息极其丰富,边界往往模糊,地理形状变化万千,如割和边缘提取;其二,即使能提取边缘和分割图片,对地理信息的理解和表示又将是一个难题。对空间遥感图像信息智能理解与分析时,其难点首先是对目标和背景特征的合理描述。由于目标和背景容易在简单特征上出现相似性,因此在没有先验知识的条件下,需要采用特征融合癑的思想进行描述。特征融合是指利用不在掌握目标整体结构的同时要了解局部的细节信息往往是很难兼顾的。近年来发展了很多新的技术,比如多分辨率分析技术。多分辨率分析是把图像按不同频段加以研究的方法。另外,基于内容的统计模式识别技术也被引入。因此本文采用统计模式识别的方法来处理彩色遥感图像的识别和理解问题。的:一是,基于表象猙模谀P偷姆椒ㄐ枰J孪热斯ざㄒ逡些特征和参数,并用它们来表示图像中的物体。这种方法的优点是,在一个确定的领域内能够有效的表示和区分图像中物体。然而,它的缺点是特征的选择有强烈的问题针对性,很难推广,即受模型对象的局限。例如,处理人脸识别所定义的特注意,也得到很大的发展。与基于模型的方法相反,它不预先人工定义特征,而是同类特征的合作⒕赫鵩、互补玫蕉待检对象更为确切的相关描述。对空间遥感图像进行目标检测时的另一个难点是分解成不同分辨率层次的逼近图像和细节图像,然后在此基础上对这些图像分别基于内容的图像识别技术主要有两大类型:一是,基于模型—征模型就难以用到文字识别中去。基于表象的方法近来在机器视觉里引起人们的让机器自动从图像样本中推导出特征。这种方法基于统计与数学逼近,能够一般
论文目标论文组织夔进的萋器判别回归树算法及其在遥感图像分析中的应用化,有很强的外推性能。例如,最邻近距离分类饕3煞址治,,都是基于表象的方法。由于遥感图像往往表征大尺度的信息,对它们的全局性分析要多于点状分析,概述性分析要多于个别性分析,所以较适合采用基于表象的分析方法。在兄っ鳎褂煤鲜实氖鳎掷嘟ū涞酶煤透臁S捎贖在输出空间进行聚类的过程中随机地选择中心点,从而导致多层判别回归树,纳疃缺浯螅胶庑员洳睿佣蟠蠼档了构造和检索速度,特别是当样本空间很大的时候。因此,我们有必要迸一步改进,来降低树的深度,提高树的平衡性。为此,本文提出改进的多层判别回归,魉惴āU庵炙惴能有效控制树的深度和节点数目,能加速检索速崖玉它的强大外推性使之能很好地应用到遥感图像的分析中去。中输入空间的中心点的选择问题,树的深度和节点数目都大大降低。并且弓肓检索敏感系数,加快检索速度。而且,把改进多层判别回归树算法引入遥感图像的分析中,能对