本文選題：高分影像 + eCognition��； 參考：《安徽理工大學》2016年碩士論文

【摘要】：隨著信息技術的發(fā)展,地理信息獲取也變的越來越重要。地理國情普查作為我國一項重要的地理信息統(tǒng)計工作,要求必須掌握我國自然地理要素的基本情況。遙感技術是目前獲取地理信息的一種最重要技術手段之一,在測繪、城市規(guī)劃、國土資源、地質礦產(chǎn)勘查、農林業(yè)、軍事等行業(yè)和領域中都有廣泛的應用。隨著遙感平臺的不斷更新,高分辨率可用衛(wèi)星、WordlView、QuickBird、IKONOS、 GeoEye以及國產(chǎn)的高分系列衛(wèi)星最高空間分辨率可達到亞米級,高分影像的出現(xiàn)使得遙感影像能夠展現(xiàn)出更加豐富的地理信息。較常用的遙感影像分類方法主要包括監(jiān)督分類、非監(jiān)督分類以及決策樹分類等。它們依據(jù)地物的光譜特征進行分類,比較適合中低分辨率的遙感影像。但是對于高分影像,常用的基于像元的分類方法不僅不能有效地利用其豐富的空間結構,還會由于其地物光譜異質性小而引起較多“椒鹽”噪聲,最終導致分類結果精度降低。因此,對于高分辨率遙感影像傳統(tǒng)的分類方法已經(jīng)越來越難于滿足其信息提取的要求。為了更好的提取高分影像信息,研究人員提出了能夠充分利用高分影像紋理、空間等信息的面向對象影像信息提取技術。目前面向對象的信息提取方法主要包括：基于最大面積和目標函數(shù)的最優(yōu)分割尺度選擇；基于Gram-Schmidt等不同融合方法的面向對象的遙感影像分類；基于總體精度或Kappa系數(shù)的面向對象分割分類評價指標等。本文在eCognition軟件的基礎上以淮南地區(qū)的WorldView-III影像為例,對其進行了預處理,多尺度分割,邊緣信息增強以及邊緣信息增強后的影像信息提取,最后對于不同分類方法做出了精度評價,具體研究如下：(1)以淮南地區(qū)高分辨率遙感影像為例,將原始影像進行Pansharping融合,并對其分別做監(jiān)督分類、非監(jiān)督分類,生成不同方法下遙感影像分類圖。(2)重點研究了基于eCognition軟件的面向對象分類方法。首先借助ESP(Estimation of Scale Parameter)尺度評價工具,通過不同實驗,結合目視判別效果確定了最優(yōu)分割參數(shù)：其中尺度因子為110,形狀因子為0.5,緊湊度因子為0.5。影像分割完成后對其進行最鄰近分類,多次循環(huán)選取最優(yōu)分類樣本及樣本特征(NDⅥ、Shap-index、Length/Width、mean-Brightness、mean-max.difff等),最終生成基于面向對象的影像分類圖。(3)對高分影像進行基于Canny算法的邊緣檢測,將檢測后的影像層參與地物多尺度分割,并設置其分割權重,得到基于邊緣檢測的多尺度分割影像圖。對高分影像做基于Getis-Ord的局部空間自相關性統(tǒng)計分析,在此基礎上再將其進行基于Canny算法的邊緣檢測,將檢測后的影像層參與地物多尺度分割,并設置其分割權重,得到基于信息增強組合變換的多尺度分割影像圖。(4)對不同影像信息提取方法分類精度進行對比分析,發(fā)現(xiàn)基于像元的分類方法中最大似然分類器在本次實驗中精度最高,其中總體分類精度為84.9382%,Kappa系數(shù)為0.8152,而面向對象分類的總體分類精度達到了92.3076%,Kappa系數(shù)達到了0.9018,基于Getis-Ord和Canny邊緣信息增強后的面向對象分類在本次實驗中精度最高,其總體分類精度為94.6667%,Kappa系數(shù)為0.9354。
[Abstract]:With the development of information technology, the acquisition of geographic information is becoming more and more important. As an important geographical information statistics work in China, the geographical situation census requires that the basic situation of the natural geographical elements of our country must be mastered. Remote sensing technology is one of the most important technical means for obtaining geographic information at present, in surveying and mapping, in urban planning, Land and resources, geological and mineral exploration, agroforestry, military and other industries and other fields are widely used. With the continuous updating of remote sensing platform, high resolution can be used by satellite, WordlView, QuickBird, IKONOS, GeoEye, and homemade high grade series satellites can reach the highest spatial resolution, and the appearance of high image makes remote sensing image More abundant geographic information is displayed. The commonly used remote sensing image classification methods mainly include supervised classification, unsupervised classification and decision tree classification. They are classified according to the spectral characteristics of the ground objects, and are suitable for middle and low resolution remote sensing images. But for high resolution images, the commonly used classification methods based on pixels are not only used. It is not effective to make use of its rich spatial structure, and also cause more "salt and pepper" noise because of its small spectral heterogeneity, which eventually leads to the reduction of classification accuracy. Therefore, the traditional classification method for high resolution remote sensing images has become more and more difficult to meet the requirements of its information extraction. Information, researchers have proposed an object oriented image information extraction technology that can make full use of high image texture, space and other information. At present, the object oriented information extraction methods mainly include the optimal segmentation scale selection based on the maximum area and the target function, and the object oriented teleconnection based on different fusion methods such as Gram-Schmidt. Sense image classification; based on the overall accuracy or Kappa coefficient of object oriented segmentation and classification evaluation index. Based on the eCognition software, this paper takes the WorldView-III image in Huainan as an example to carry out preprocessing, multi-scale segmentation, edge information enhancement and image information extraction after the enhancement of edge information. The precision evaluation of the same classification method is made as follows: (1) taking the high resolution remote sensing image of Huainan as an example, the original image is fused by Pansharping, and the classification is supervised and classified, and the different methods of remote sensing image classification are generated. (2) focus on the object-oriented classification based on the eCognition software. Method. First, with the aid of ESP (Estimation of Scale Parameter) scale evaluation tool, the optimal segmentation parameters are determined through different experiments and visual discrimination effect: the scale factor is 110, the shape factor is 0.5, and the compact factor is the nearest neighbor classification after the completion of the 0.5. image segmentation, and the optimal classification sample is selected repeatedly. Sample features (ND VI, Shap-index, Length/Width, mean-Brightness, mean-max.difff, etc.), and finally generate object based image classification. (3) edge detection based on Canny algorithm for high score images, and the detected image layer is involved in multi-scale segmentation, and the segmentation weight is set up, and multiscale based on edge detection is obtained. On the basis of the Getis-Ord based local spatial autocorrelation statistics analysis, the high score image is analyzed based on the local spatial autocorrelation, and then the edge detection based on the Canny algorithm is carried out. The detected image layer is involved in multi scale segmentation, and the segmentation weight is set up, and the multiscale segmentation image based on the information enhancement combination transformation is obtained. (4) The classification accuracy of different image information extraction methods is compared and analyzed. It is found that the maximum likelihood classifier based on the pixel based classification method has the highest accuracy in this experiment, of which the overall classification precision is 84.9382%, the Kappa coefficient is 0.8152, while the overall classification precision of the object oriented classification is 92.3076%, the Kappa coefficient reaches 0.9018, based on this method, the maximum likelihood classifier is based on the object classification method. The object oriented classification with enhanced edge information of Getis-Ord and Canny has the highest accuracy in this experiment. The overall classification accuracy is 94.6667%, and the Kappa coefficient is 0.9354.

【學位授予單位】：安徽理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P237

【相似文獻】

相關期刊論文 前10條

1 王春青;;青海省國產(chǎn)影像公共服務平臺建設方案[J];測繪與空間地理信息;2012年05期

2 李天順;;雪被覆蓋影像的應用[J];遙感信息;1987年03期

3 賀壽矢野;文雄山崎;李成龍;;使用快鳥影像對2003年伊朗巴姆地震建筑物毀壞檢測[J];地殼構造與地殼應力;2012年01期

4 陳彩芬,舒寧;SAR影像與TM影像的幾種融合處理方法[J];國土資源遙感;1999年04期

5 陳靜,龔健雅,朱欣焰,李清泉;海量影像數(shù)據(jù)的Web發(fā)布與實現(xiàn)[J];測繪通報;2004年01期

6 喻貴銀;影像的魔力[J];中國測繪;2005年01期

7 王超,張波,張紅,吳樊;地理信息庫支持下的SAR影像信息提取[J];遙感技術與應用;2005年01期

8 于新洋;張安定;侯西勇;;膠東半島果園TM影像信息的提取決策樹方法[J];測繪科學;2012年04期

9 田茂義;盧秀山;王冬;張燕;;基于Oracle的DOM影像庫的建立研究[J];測繪通報;2006年06期

10 王樹根,鄭精靈;基于紋理匹配的影像缺損信息填充方法[J];測繪通報;2004年12期

相關會議論文 前10條

1 朱大榮;鈕羅涌;陳文輝;何必仕;徐哲;;放射科關鍵影像標注技術臨床應用研究[A];2013年浙江省放射學學術年會論文集[C];2013年

2 汪軍峰;何海青;樊樹峰;滕皋軍;;關鍵影像標注和影像膠片電子版的臨床價值[A];中華醫(yī)學會第16次全國放射學學術大會論文匯編[C];2009年

3 王樹根;;影像信息科學中的認知問題[A];地理空間信息技術與應用——中國科協(xié)2002年學術年會測繪論文集[C];2002年

4 劉義軍;;影響PACS系統(tǒng)效率的因素及解決方案[A];2009中華醫(yī)學會影像技術分會第十七次全國學術大會論文集[C];2009年

5 李利偉;李祖?zhèn)?馬建文;;基于形態(tài)分割的災后單時相影像倒塌房屋提取[A];第八屆成像光譜技術與應用研討會暨交叉學科論壇文集[C];2010年

6 郭啟振;呂恩民;劉光震;于曉琳;;DR影像的質量控制與保證[A];2009中華醫(yī)學會影像技術分會第十七次全國學術大會論文集[C];2009年

7 游俊;駱清銘;曾紹群;;神經(jīng)影像信息數(shù)據(jù)庫構建與數(shù)據(jù)處理策略探討[A];首屆全國功能神經(jīng)影像學和神經(jīng)信息學研討會論文匯編[C];2003年

8 李黎軍;林運政;朱海軍;張新忠;宋宏羽;;CR影像技術在放療臨床的應用及應注意的問題[A];中華醫(yī)學會放射腫瘤治療學分會六屆二次暨中國抗癌協(xié)會腫瘤放療專業(yè)委員會二屆二次學術會議論文集[C];2009年

9 林海濤;徐勝;;CR影像噪聲的來源及分析[A];2005年浙江省放射學學術年會論文匯編[C];2005年

10 馮桂;林其偉;;不同分辨率影像的自動匹配方法[A];1999年中國地球物理學會年刊——中國地球物理學會第十五屆年會論文集[C];1999年

相關重要報紙文章 前7條

1 特約記者 邢云鵬;地理影像資料助力汾河治理[N];中國礦業(yè)報;2013年

2 劉張鉑瀧;藝術家如何處理影像信息[N];中國攝影報;2014年

3 筱平;信息影像管理技術[N];金融時報;2002年

4 ;諾基亞探尋新業(yè)務動力之源[N];通信產(chǎn)業(yè)報;2002年

5 李夏;“打假”：群眾眼睛考驗權威水平[N];中國攝影報;2008年

6 中國人壽保險公司廈門市分公司 郭志紅;電子保單：走出“大海撈針”的困境[N];計算機世界;2002年

7 楊早;中國幻影顯形[N];中華讀書報;2011年

相關碩士學位論文 前9條

1 張佳濤;基于TM影像的山區(qū)林地變化檢測方法對比研究[D];貴州大學;2015年

2 秦禮明;基于邊緣信息增強的面向對象高分影像信息提取研究[D];安徽理工大學;2016年

3 蔣理;我國影像新聞中的倫理問題研究[D];湖南師范大學;2008年

4 費文杰;新媒體影像投射方法的現(xiàn)狀與發(fā)展研究[D];南京藝術學院;2012年

5 黃明亮;人類學視野下的廣西社區(qū)影像研究[D];廣西大學;2014年

6 侯曉真;基于多時相TM影像的波段運算分類方法研究[D];中國礦業(yè)大學;2014年

7 湯霖;引擎影像的構成特征與敘事研究[D];南京航空航天大學;2012年

8 陳涵;紅外與微波遙感影像信息融合研究[D];華中科技大學;2005年

9 許晶;乳腺X線影像信息平臺的研究與實現(xiàn)[D];西安電子科技大學;2007年

，

本文編號：1807064