本文關(guān)鍵詞： 高分辨率遙感影像 直方圖 典型地物 知識(shí)庫(kù)　出處：《江西理工大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：利用高分辨率遙感影像能夠快速、實(shí)時(shí)以及動(dòng)態(tài)地對(duì)稀土礦區(qū)進(jìn)行對(duì)地觀測(cè),對(duì)稀土礦區(qū)可持續(xù)發(fā)展和生態(tài)保護(hù)提供了技術(shù)支撐。已有的研究大多關(guān)注的是利用遙感影像來(lái)提取城市的建筑物、道路以及植被等地物,針對(duì)稀土礦區(qū)復(fù)雜的典型地物,本文提出了一種高分辨率影像在稀土礦區(qū)典型地物識(shí)別中的方法,結(jié)合構(gòu)建的礦區(qū)典型地物特征知識(shí)庫(kù),實(shí)現(xiàn)了礦區(qū)典型地物的識(shí)別。論文主要研究工作和成果如下;⑴構(gòu)建典型地物特征知識(shí)庫(kù)。通過(guò)分析礦區(qū)典型地物的多元化特征,建立稀土礦區(qū)地物的解譯標(biāo)志;根據(jù)已經(jīng)建立的解譯標(biāo)志結(jié)合Opencv圖形處理庫(kù),獲取各個(gè)典型地物的直方圖特征;選擇AdaBoost方法對(duì)地物樣本進(jìn)行訓(xùn)練,實(shí)現(xiàn)了稀土礦區(qū)典型地物特征知識(shí)庫(kù)的構(gòu)建。⑵選擇最佳分割尺度。在區(qū)域合并多尺度算法分割的基礎(chǔ)上,提出了一種基于知識(shí)庫(kù)的最佳分割尺度方法,對(duì)分割后的目標(biāo)地物計(jì)算直方圖特征,然后,結(jié)合已經(jīng)建立的典型地物特征知識(shí)庫(kù)選擇最適合各自地物的分割尺度;最佳分割尺度的典型地物同時(shí)對(duì)特征知識(shí)庫(kù)進(jìn)行擴(kuò)充。⑶稀土礦區(qū)典型地物的識(shí)別。選擇多幅非同源高分辨率影像作為數(shù)據(jù)源,以贛南稀土礦區(qū)為研究區(qū)。通過(guò)野外調(diào)查和輔助數(shù)據(jù)確定研究區(qū)地物特征;對(duì)兩幅高分辨率影像分別進(jìn)行影像預(yù)處理;建立典型地物的影像解譯標(biāo)志和特征知識(shí)庫(kù),利用區(qū)域合并的多尺度分割算法對(duì)影像進(jìn)行分割,并通過(guò)基于知識(shí)庫(kù)的最佳分割尺度方法選擇各個(gè)地物的最佳分割尺度;將最佳分割尺度的典型地物結(jié)合特征知識(shí)庫(kù)進(jìn)行識(shí)別。⑷精度評(píng)定。選擇用戶精度、生產(chǎn)精度、總體精度以及Kappa系數(shù)對(duì)識(shí)別結(jié)果進(jìn)行分析,其中兩幅影像的Kappa系數(shù)分別達(dá)到了78.75%和79.81%,識(shí)別的效果優(yōu)良,因此,實(shí)驗(yàn)表明了該方法對(duì)稀土礦區(qū)典型地物識(shí)別的可行性和普適性。
[Abstract]:This paper presents a method for the identification of typical ground objects in rare - earth mining areas by using remote sensing images .

【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TD17;X87

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 明冬萍;邱玉芳;周文;;遙感模式分類(lèi)中的空間統(tǒng)計(jì)學(xué)應(yīng)用——以面向?qū)ο蟮倪b感影像農(nóng)田提取為例[J];測(cè)繪學(xué)報(bào);2016年07期

2 李亮;舒寧;王凱;龔煈;;融合多特征的遙感影像變化檢測(cè)方法[J];測(cè)繪學(xué)報(bào);2014年09期

3 羅開(kāi)盛;李仁東;;基于HJ影像的面向?qū)ο笸恋馗脖环诸?lèi)方法[J];華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

4 楊唐文;王敏杰;秦勇;;融合圖像邊緣和區(qū)域特征的道路檢測(cè)算法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S1期

5 李斌兵;黃磊;;基于面向?qū)ο蠹夹g(shù)的黃土丘陵溝壑區(qū)切溝遙感提取方法研究[J];水土保持研究;2013年03期

6 歲秀珍;阮仁宗;馬榮華;夏雙;;面向?qū)ο蟮亩喑叨人w信息提取[J];地理空間信息;2012年06期

7 周軍其;李志娟;;空間關(guān)系輔助的面向?qū)ο蠼ㄖ锾崛J];應(yīng)用科學(xué)學(xué)報(bào);2012年05期

8 陳杰;鄧敏;肖鵬峰;楊敏華;梅小明;劉慧敏;;結(jié)合支持向量機(jī)與粒度計(jì)算的高分辨率遙感影像面向?qū)ο蠓诸?lèi)[J];測(cè)繪學(xué)報(bào);2011年02期

9 龔健雅;姚璜;沈欣;;利用AdaBoost算法進(jìn)行高分辨率影像的面向?qū)ο蠓诸?lèi)[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2010年12期

10 余柏蒗;劉紅星;吳健平;;一種應(yīng)用機(jī)載LiDAR數(shù)據(jù)和高分辨率遙感影像提取城市綠地信息的方法[J];中國(guó)圖象圖形學(xué)報(bào);2010年05期

相關(guān)博士學(xué)位論文 前1條

1 黃慧萍;面向?qū)ο笥跋穹治鲋械某叨葐?wèn)題研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年

相關(guān)碩士學(xué)位論文 前7條

1 魏文杰;面向分類(lèi)的遙感影像樣本庫(kù)與知識(shí)庫(kù)構(gòu)建方法[D];遼寧工程技術(shù)大學(xué);2015年

2 宋萬(wàn)軍;基于OpenCV視覺(jué)庫(kù)的人臉檢測(cè)[D];吉林大學(xué);2014年

3 袁秀華;高分辨率遙感影像分割研究[D];江西理工大學(xué);2014年

4 李東亮;高分辨率影像最佳分割尺度研究[D];遼寧工程技術(shù)大學(xué);2011年

5 汪求來(lái);面向?qū)ο筮b感影像分類(lèi)方法及其應(yīng)用研究[D];南京林業(yè)大學(xué);2008年

6 王惠林;基于知識(shí)的遙感圖像分類(lèi)方法研究[D];蘭州大學(xué);2007年

7 馬靜;遙感圖像分類(lèi)方法的研究[D];山東科技大學(xué);2003年

，

本文編號(hào)：1501836