國產高分辨率衛(wèi)星影像已經被廣泛應用到了農業(yè)、測繪、城鄉(xiāng)建設、調查統(tǒng)計等各個生產生活領域。道路作為連接地區(qū)與地區(qū)的紐帶,道路的發(fā)展狀況決定著一個國家的經濟發(fā)展建設水平,同時道路對國家安全、軍事戰(zhàn)略布局也至關重要。高分影像的普及,為提取更多類型的道路目標提供了有力的數(shù)據(jù)支持。本文以GF-1遙感影像為數(shù)據(jù)源,針對目前道路提取的研究現(xiàn)狀,從不同環(huán)境、不同類型道路角度出發(fā),對道路提取進行了探討,并基于提取結果對雅江道路的時空特征進行了分析,主要內容和結果如下:（1）對研究區(qū)影像進行了必要的預處理和特征波段分析,預處理主要包括輻射定標、大氣校正、正射校正和圖像融合等,特征波段分析根據(jù)OIF計算結果得出GF-1影像的最佳波段組合為431;（2）對道路的類型和特征特別是成都市和雅江縣的道路類型的特征進行了分析,根據(jù)分析結果確定了成都市和雅江縣的提取道路類型;（3）對成都市、雅江縣道路的分割進行了探討,得到最佳分割尺度,對成都市、雅江縣道路的光譜特征、紋理特征、幾何特征進行了分析,揭示出其特征知識,并根據(jù)特征知識建立識別提取模型,利用模型識別提取了瀝青路、平原水泥路、山區(qū)水泥路、橋梁、隧道口和收費站,其... 

【文章來源】：四川師范大學四川省

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1.緒論
    1.1 背景與意義
    1.2 研究現(xiàn)狀
    1.3 研究內容與技術路線
        1.3.1 研究內容
        1.3.2 技術路線
        1.3.3 論文組織架構及安排
2研究區(qū)與數(shù)據(jù)
    2.1 研究區(qū)
        2.1.1 研究區(qū)位置
        2.1.2 研究區(qū)概況
    2.2 數(shù)據(jù)來源與獲取
        2.2.1 遙感影像數(shù)據(jù)
        2.2.2 DEM數(shù)據(jù)
        2.2.3 其他數(shù)據(jù)
    2.3 數(shù)據(jù)預處理
        2.3.1 輻射定標
        2.3.2 大氣校正
        2.3.3 正射校正
        2.3.4 影像融合
        2.3.5 最佳波段選擇研究
3.道路分級與特征
    3.1 道路分級
    3.2 道路特征分析
    3.3 研究區(qū)道路特征
    3.4 本章小結
4 基于面向對象的GF-1 道路提取研究
    4.1 遙感影像解譯特征
    4.2 特征分析
        4.2.1 光譜特征分析
        4.2.2 紋理特征分析
        4.2.3 幾何特征分析
        4.2.4 派生數(shù)據(jù)特征分析
    4.3 道路信息提取
        4.3.1 多尺度分割
        4.3.2 道路信息提取
        4.3.3 精度驗證
    4.4 小結
5.雅江縣道路時空分布特征與通達度
    5.1 雅江縣道路時空分布特征
        5.1.1 雅江縣道路分布特征
        5.1.2 雅江縣橋梁分布特征
        5.1.3 雅江縣隧道分布特征
        5.1.4 道路分布與地形的關系
        5.1.5 雅江縣13-18 年道路動態(tài)變化特征
    5.2 雅江縣道路通達度
        5.2.1 道路密度
        5.2.2 路網連通度
        5.2.3 道路服務指數(shù)
        5.2.4 道路通達度
6 結論與展望
    6.1 結論
    6.2 展望
參考文獻
致謝
碩士研究生期間科研實踐情況


【參考文獻】：
期刊論文
[1]Landsat based distribution mapping of high-altitude peatlands in Hindu Kush Himalayas–a case study of Broghil Valley, Pakistan[J]. Ahmad KHAN,Ahmad SAID,Imran ULLAH.  Journal of Mountain Science. 2020(01)
[2]顧及閾值設置的高分辨率影像道路提取方法研究[J]. 陶思然.  測繪通報. 2019(S2)
[3]基于格式塔形狀分析的高分辨率遙感影像道路提取[J]. 叢銘,段晨曦,許妙忠,陶翊婷.  遙感技術與應用. 2019(03)
[4]結合路徑形態(tài)學的高分遙感影像道路提取方法[J]. 戴激光,苗志鵬,葛連茂,王曉桐,朱婷婷.  遙感信息. 2019(01)
[5]一種多特征融合的高分辨率遙感圖像道路提取算法[J]. 王鈺,何紅艷,譚偉,齊文雯.  遙感信息. 2019(01)
[6]Detecting and attributing vegetation changes in Taihang Mountain, China[J]. HU Shi,WANG Fei-yu,ZHAN Che-sheng,ZHAO Ru-xin,MO Xiong-guo,LIU Liang-mei-zi.  Journal of Mountain Science. 2019(02)
[7]A new approach of extracting vegetation points from urban airborne LiDAR data[J]. CUI Shaochen,YANG Yuanxin,YANG Guodong,ZHANG Xuqing.  Global Geology. 2018(03)
[8]基于OIF和最優(yōu)尺度分割的GF-2影像分類適用性研究[J]. 任金銅,楊武年,鄧曉宇,王蕾,王芳.  現(xiàn)代電子技術. 2018(08)
[9]基于NDWI分割與面向對象的水體信息提取[J]. 童李霞,燕琴,駱成鳳,杜英坤.  地理空間信息. 2017(05)
[10]基于GIS的寧波市道路網絡綜合通達性研究[J]. 史瀅宜,劉艷芳,銀超慧.  地理信息世界. 2017(01)

博士論文
[1]農村居民點遙感信息提取與時空演變規(guī)律研究[D]. 鄭辛煜.浙江大學 2017

碩士論文
[1]高山峽谷區(qū)農村居民點信息提取與布局優(yōu)化研究[D]. 張英.四川師范大學 2019
[2]川中丘陵區(qū)鄉(xiāng)村聚落信息提取及空間格局分析[D]. 張鑫.四川師范大學 2019
[3]融合非監(jiān)督分類和幾何—紋理—光譜特征的高分辨率遙感影像道路提取[D]. 韓潔.中國科學院大學(中國科學院遙感與數(shù)字地球研究所) 2018
[4]基于高分辨率遙感影像的道路提取研究[D]. 周婷婷.吉林大學 2018
[5]高分辨率遙感影像道路提取研究[D]. 汪鎮(zhèn)東.重慶大學 2018
[6]高分辨率遙感影像道路目標智能識別方法研究[D]. 王志盼.西南交通大學 2017
[7]高分辨率遙感影像中典型道路提取方法研究[D]. 張瑩瑩.哈爾濱工業(yè)大學 2016
[8]基于GF-1遙感影像的道路提取研究[D]. 李美玲.北京林業(yè)大學 2016
[9]基于國產高分一號影像的新疆山區(qū)河流及橋梁信息提取技術研究[D]. 李艷華.新疆大學 2015
[10]基于知識的道路信息提取方法研究[D]. 周昀罡.四川師范大學 2013



本文編號：3044036