遙感圖像監(jiān)督分類與面向?qū)ο蠓诸惙▽Ρ妊芯?/H1>
發(fā)布時間：2018-01-06 23:14
本文關(guān)鍵詞：遙感圖像監(jiān)督分類與面向?qū)ο蠓诸惙▽Ρ妊芯?/strong> 出處：《農(nóng)村經(jīng)濟與科技》2016年23期
論文類型：期刊論文
更多相關(guān)文章： 遙感影像 監(jiān)督分類 面向?qū)ο蠓诸?/b> 信息提取
【摘要】：最近幾年,隨著空間遙感技術(shù)的發(fā)展,高分辨率遙感影像在土地資源調(diào)查、環(huán)境監(jiān)測等領(lǐng)域中的應(yīng)用日益廣泛。利用傳統(tǒng)的遙感影像分類方法,如監(jiān)督分類,容易導(dǎo)致分類精度降低,空間數(shù)據(jù)大量冗余和資源的浪費。面向?qū)ο蟮姆诸惙椒ㄕ菫榱私鉀Q這些問題而出現(xiàn),面向?qū)ο蟮姆椒ɡ眠b感影像結(jié)構(gòu)、光譜信息,并在建立這些特征之間的層次關(guān)系的基礎(chǔ)上,對遙感影像進行分類。利用杭州市西湖區(qū)域2014年10月份的數(shù)據(jù),基于ENVI5.0對高分辨率影像進行地物特征的信息提取,利用監(jiān)督分類和面向?qū)ο蠹夹g(shù)首先對該區(qū)域信息進行分類,然后再對分類結(jié)果進行對比分析研究。結(jié)果表明,面向?qū)ο蠓诸惙椒ㄔ诖藬?shù)據(jù)城市綠地信息提取中精度優(yōu)于監(jiān)督分類。
[Abstract]:In recent years, with the development of space remote sensing technology, high-resolution remote sensing images in land resources survey, environmental monitoring and other fields are increasingly widely used, using traditional remote sensing image classification methods, such as supervised classification. It is easy to reduce classification accuracy, redundancy of spatial data and waste of resources. Object-Oriented classification method is to solve these problems. Object-Oriented method uses remote sensing image structure and spectral information. On the basis of establishing the hierarchical relationship between these features, the remote sensing images are classified. The data of October 2014 in the West Lake region of Hangzhou City are used. Based on ENVI5.0, the feature information of high resolution image is extracted, and the region information is classified by supervised classification and object oriented technology. Then the classification results are compared and analyzed. The results show that the accuracy of the object-oriented classification method is better than that of supervised classification in the data extraction of urban green space information.
【作者單位】： 貴州大學(xué)資源與環(huán)境工程學(xué)院;貴州大學(xué)礦業(yè)學(xué)院;
【分類號】：P237
【正文快照】： 監(jiān)督分類是以像元為基本單元進行遙感信息提取的分類方法,常用的監(jiān)督分類有最大似然法、最短距離法、馬式距離法等常用的方法。它主要根據(jù)像元的光譜信息進行分類,然而,高分辨率遙感數(shù)據(jù)通常包含較少波段,光譜信息不如空間特征豐富,分類時不能僅靠光譜特征,更多的是要利用其幾 【相似文獻】
相關(guān)期刊論文 前10條
1 黃立賢;沈志學(xué);;高光譜遙感圖像的監(jiān)督分類[J];地理空間信息;2011年05期
2 饒雄;高振宇;;多分類器聯(lián)合監(jiān)督分類方法研究[J];四川測繪;2006年01期
3 薛廉;周春蘭;;基于監(jiān)督分類分區(qū)域的特征因子提取[J];地理空間信息;2009年02期
4 陳超;江濤;岳遠平;;監(jiān)督分類和目視修改相結(jié)合在高分辨率遙感影像中的應(yīng)用[J];國土資源信息化;2009年05期
5 海敏;朱俊琦;韋金麗;;遙感影像監(jiān)督分類的城市發(fā)展分析中的應(yīng)用——以廣西南寧市為例[J];科技信息;2012年02期
6 趙冬泉;黨安榮;陳吉寧;;監(jiān)督分類方法在圖片資料專題信息提取中的應(yīng)用研究[J];測繪通報;2006年11期
7 劉桂生;葛根旺;;基于遙感影像的土地利用監(jiān)督分類探討[J];城市勘測;2008年03期
8 閆琰;董秀蘭;李燕;;基于ENVI的遙感圖像監(jiān)督分類方法比較研究[J];北京測繪;2011年03期
9 葛詠;白鶴翔;李三平;李德玉;;粗糙集理論進行遙感圖像監(jiān)督分類的樣本質(zhì)量評價的研究(英文)[J];Geo-Spatial Information Science;2008年02期
10 熊彪;江萬壽;李樂林;;基于高斯混合模型的遙感影像半監(jiān)督分類[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2011年01期
相關(guān)會議論文 前5條
1 馬平燕;;基于ERDAS的土地利用監(jiān)督分類探討[A];江蘇省測繪學(xué)會2007年學(xué)術(shù)年會論文集[C];2008年
2 馬平燕;;基于ERDAS的土地利用監(jiān)督分類探討[A];江蘇省測繪學(xué)會2007'學(xué)術(shù)年會論文集[C];2008年
3 趙偉穎;;極化SAR監(jiān)督分類方法對植被分類效果比較分析[A];第九屆長三角科技論壇（測繪分論壇）論文集[C];2012年
4 袁金國;;遙感影像監(jiān)督分類方法的應(yīng)用研究[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會論文集[C];2004年
5 王強;孫洪;;基于支持向量機的多極化SAR圖像監(jiān)督分類[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年
相關(guān)博士學(xué)位論文 前3條
1 王春陽;基于信息熵的自訓(xùn)練半監(jiān)督高光譜遙感影像分類研究[D];河南理工大學(xué);2015年
2 可婷;部分監(jiān)督分類問題的研究[D];中國農(nóng)業(yè)大學(xué);2014年
3 黃東山;特征選擇及半監(jiān)督分類方法研究[D];華中科技大學(xué);2011年
相關(guān)碩士學(xué)位論文 前7條
1 蔣霞;極化SAR圖像無監(jiān)督分類方法研究[D];電子科技大學(xué);2015年
2 賈敏;腦機接口中半監(jiān)督分類方法研究[D];燕山大學(xué);2012年
3 張興娟;石家莊市綠地調(diào)查研究與分析[D];遼寧工程技術(shù)大學(xué);2009年
4 韓花;基于監(jiān)督分類的土地利用動態(tài)變化監(jiān)測及其信息自動提取[D];長安大學(xué);2012年
5 呂浩然;基于樹分解的大規(guī)模半監(jiān)督分類算法[D];華南理工大學(xué);2012年
6 陸廣泉;半監(jiān)督分類技術(shù)及其算法研究[D];廣西師范大學(xué);2011年
7 石瑞超;關(guān)系網(wǎng)絡(luò)數(shù)據(jù)的半監(jiān)督分類方法研究[D];哈爾濱工業(yè)大學(xué);2013年
，
本文編號：1389948
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/1389948.html
本文關(guān)鍵詞：遙感圖像監(jiān)督分類與面向?qū)ο蠓诸惙▽Ρ妊芯?/strong> 出處：《農(nóng)村經(jīng)濟與科技》2016年23期 論文類型：期刊論文
更多相關(guān)文章： 遙感影像 監(jiān)督分類 面向?qū)ο蠓诸?/b> 信息提取
【摘要】：最近幾年,隨著空間遙感技術(shù)的發(fā)展,高分辨率遙感影像在土地資源調(diào)查、環(huán)境監(jiān)測等領(lǐng)域中的應(yīng)用日益廣泛。利用傳統(tǒng)的遙感影像分類方法,如監(jiān)督分類,容易導(dǎo)致分類精度降低,空間數(shù)據(jù)大量冗余和資源的浪費。面向?qū)ο蟮姆诸惙椒ㄕ菫榱私鉀Q這些問題而出現(xiàn),面向?qū)ο蟮姆椒ɡ眠b感影像結(jié)構(gòu)、光譜信息,并在建立這些特征之間的層次關(guān)系的基礎(chǔ)上,對遙感影像進行分類。利用杭州市西湖區(qū)域2014年10月份的數(shù)據(jù),基于ENVI5.0對高分辨率影像進行地物特征的信息提取,利用監(jiān)督分類和面向?qū)ο蠹夹g(shù)首先對該區(qū)域信息進行分類,然后再對分類結(jié)果進行對比分析研究。結(jié)果表明,面向?qū)ο蠓诸惙椒ㄔ诖藬?shù)據(jù)城市綠地信息提取中精度優(yōu)于監(jiān)督分類。
[Abstract]:In recent years, with the development of space remote sensing technology, high-resolution remote sensing images in land resources survey, environmental monitoring and other fields are increasingly widely used, using traditional remote sensing image classification methods, such as supervised classification. It is easy to reduce classification accuracy, redundancy of spatial data and waste of resources. Object-Oriented classification method is to solve these problems. Object-Oriented method uses remote sensing image structure and spectral information. On the basis of establishing the hierarchical relationship between these features, the remote sensing images are classified. The data of October 2014 in the West Lake region of Hangzhou City are used. Based on ENVI5.0, the feature information of high resolution image is extracted, and the region information is classified by supervised classification and object oriented technology. Then the classification results are compared and analyzed. The results show that the accuracy of the object-oriented classification method is better than that of supervised classification in the data extraction of urban green space information.
【作者單位】： 貴州大學(xué)資源與環(huán)境工程學(xué)院;貴州大學(xué)礦業(yè)學(xué)院;
【分類號】：P237
【正文快照】： 監(jiān)督分類是以像元為基本單元進行遙感信息提取的分類方法,常用的監(jiān)督分類有最大似然法、最短距離法、馬式距離法等常用的方法。它主要根據(jù)像元的光譜信息進行分類,然而,高分辨率遙感數(shù)據(jù)通常包含較少波段,光譜信息不如空間特征豐富,分類時不能僅靠光譜特征,更多的是要利用其幾
【相似文獻】
相關(guān)期刊論文 前10條
1 黃立賢;沈志學(xué);;高光譜遙感圖像的監(jiān)督分類[J];地理空間信息;2011年05期
2 饒雄;高振宇;;多分類器聯(lián)合監(jiān)督分類方法研究[J];四川測繪;2006年01期
3 薛廉;周春蘭;;基于監(jiān)督分類分區(qū)域的特征因子提取[J];地理空間信息;2009年02期
4 陳超;江濤;岳遠平;;監(jiān)督分類和目視修改相結(jié)合在高分辨率遙感影像中的應(yīng)用[J];國土資源信息化;2009年05期
5 海敏;朱俊琦;韋金麗;;遙感影像監(jiān)督分類的城市發(fā)展分析中的應(yīng)用——以廣西南寧市為例[J];科技信息;2012年02期
6 趙冬泉;黨安榮;陳吉寧;;監(jiān)督分類方法在圖片資料專題信息提取中的應(yīng)用研究[J];測繪通報;2006年11期
7 劉桂生;葛根旺;;基于遙感影像的土地利用監(jiān)督分類探討[J];城市勘測;2008年03期
8 閆琰;董秀蘭;李燕;;基于ENVI的遙感圖像監(jiān)督分類方法比較研究[J];北京測繪;2011年03期
9 葛詠;白鶴翔;李三平;李德玉;;粗糙集理論進行遙感圖像監(jiān)督分類的樣本質(zhì)量評價的研究(英文)[J];Geo-Spatial Information Science;2008年02期
10 熊彪;江萬壽;李樂林;;基于高斯混合模型的遙感影像半監(jiān)督分類[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2011年01期
相關(guān)會議論文 前5條
1 馬平燕;;基于ERDAS的土地利用監(jiān)督分類探討[A];江蘇省測繪學(xué)會2007年學(xué)術(shù)年會論文集[C];2008年
2 馬平燕;;基于ERDAS的土地利用監(jiān)督分類探討[A];江蘇省測繪學(xué)會2007'學(xué)術(shù)年會論文集[C];2008年
3 趙偉穎;;極化SAR監(jiān)督分類方法對植被分類效果比較分析[A];第九屆長三角科技論壇（測繪分論壇）論文集[C];2012年
4 袁金國;;遙感影像監(jiān)督分類方法的應(yīng)用研究[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會論文集[C];2004年
5 王強;孫洪;;基于支持向量機的多極化SAR圖像監(jiān)督分類[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年
相關(guān)博士學(xué)位論文 前3條
1 王春陽;基于信息熵的自訓(xùn)練半監(jiān)督高光譜遙感影像分類研究[D];河南理工大學(xué);2015年
2 可婷;部分監(jiān)督分類問題的研究[D];中國農(nóng)業(yè)大學(xué);2014年
3 黃東山;特征選擇及半監(jiān)督分類方法研究[D];華中科技大學(xué);2011年
相關(guān)碩士學(xué)位論文 前7條
1 蔣霞;極化SAR圖像無監(jiān)督分類方法研究[D];電子科技大學(xué);2015年
2 賈敏;腦機接口中半監(jiān)督分類方法研究[D];燕山大學(xué);2012年
3 張興娟;石家莊市綠地調(diào)查研究與分析[D];遼寧工程技術(shù)大學(xué);2009年
4 韓花;基于監(jiān)督分類的土地利用動態(tài)變化監(jiān)測及其信息自動提取[D];長安大學(xué);2012年
5 呂浩然;基于樹分解的大規(guī)模半監(jiān)督分類算法[D];華南理工大學(xué);2012年
6 陸廣泉;半監(jiān)督分類技術(shù)及其算法研究[D];廣西師范大學(xué);2011年
7 石瑞超;關(guān)系網(wǎng)絡(luò)數(shù)據(jù)的半監(jiān)督分類方法研究[D];哈爾濱工業(yè)大學(xué);2013年
，本文編號：1389948
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/1389948.html
