本文選題：航攝影像 + 土地利用變化檢測��； 參考：《東南大學》2017年碩士論文

【摘要】：土地利用變更調查是我國每年需進行的重要調查之一,城市土地利用變化信息對于分析城市的經濟發(fā)展狀況、監(jiān)測城市土地利用變化動態(tài)以及城市自然生態(tài)環(huán)境變化分析具有重大的意義。航攝影像數(shù)據(jù)具有空間分辨率高,數(shù)據(jù)獲取實時性強、成本低等特點,是城市土地利用變化檢測的良好數(shù)據(jù)源。目前,在采用航攝影像數(shù)據(jù)進行土地利用變化檢測時主要存在的問題包括:數(shù)據(jù)預處理質量不穩(wěn)定、影像光譜分辨率低、"同物異譜"現(xiàn)象明顯以及變化檢測方法自動化程度低等。針對以上問題,本文將數(shù)據(jù)挖掘C4.5算法應用于決策樹分類規(guī)則的生成中,對基于數(shù)據(jù)挖掘技術的分類后土地利用變化檢測方法進行了實驗研究,并將實驗結果與基于面向對象分類法的土地利用變化檢測結果進行了對比,得到以下主要結論:(1)在航攝影像數(shù)據(jù)預處理過程中,采用基于灰度信息的自動配準結合人工篩選的方法進行影像配準,并確保同名匹配點選在同一高程基準面,可達到亞像元級配準精度;采用平均值-標準差的相對輻射歸一化方法對航攝遙感影像進行輻射校正,校正結果與前時相影像的均方根誤差波段平均值為16.346,前后時相影像輻射值達到了較高的相似性,且信息熵差值小于0.1,信息量損失較少。(2)高分辨率航攝影像分類過程中,由"同物異譜"現(xiàn)象造成的分類誤差可通過控制樣本采集與訓練的質量來進行有效削弱。在采集樣本時,對部分存在"同物異譜"現(xiàn)象的地物進行類別細化,采用J-M可分離度指數(shù)樣本訓練質量評價,樣本間分離度均大于 1.8。(3)構建了包含影像光譜信息和紋理信息的特征空間,驗證了紋理信息在土地利用變化檢測中的有效性,彌補了航攝影像數(shù)據(jù)光譜分辨率的不足,使數(shù)據(jù)得到了更加充分的利用。(4)采用基于數(shù)據(jù)挖掘C4.5算法的決策樹分類法進行土地利用變化檢測,得到的分類精度和變化檢測精度與基于面向對象的方法精度相當,總體分類精度大于85%,變化檢測誤檢率均小于10%。結果表明,基于數(shù)據(jù)挖掘C4.5算法的決策樹土地利用分類在人工依賴性方面優(yōu)于面向對象方法,并且在提高工作效率的同時也能保障分類的精度,具有較高的實用價值。
[Abstract]:The investigation of land use change is one of the important surveys that need to be carried out every year in our country. The information of urban land use change is of great importance to the analysis of the economic development of cities. It is of great significance to monitor the dynamic of urban land use change and the analysis of urban natural ecological environment change. Aerial photography data is a good data source for urban land use change detection because of its high spatial resolution, real-time data acquisition and low cost. At present, the main problems in land use change detection using aerial photography data include: the quality of data preprocessing is unstable, The spectral resolution of image is low, the phenomenon of "isomorphism" is obvious, and the automation of change detection method is low. Aiming at the above problems, this paper applies the C4.5 algorithm of data mining to the generation of decision tree classification rules, and makes an experimental study on the detection method of land use change after classification based on data mining technology. The experimental results are compared with the results of land use change detection based on object-oriented classification. The main conclusions are as follows: (1) in the process of aerial photography data preprocessing, The method of automatic registration based on gray level information combined with manual selection is used to carry out image registration and ensure that the matching points of the same name are selected in the same elevation datum level, which can achieve sub-pixel registration accuracy. The radiometric correction of aerial remote sensing image is carried out by using the method of relative radiometric normalization of mean value and standard deviation. The correction result is 16.346 with the mean square error band of the pretemporal image, and the radiative value of the front and rear phase image reaches a high similarity. And the difference of information entropy is less than 0.1, and the loss of information is less. (2) in the process of classification of high-resolution aerial photography, the classification error caused by the phenomenon of "same object heterospectral" can be effectively weakened by controlling the quality of sample collection and training. When collecting samples, some of the objects with "isomorphism" phenomenon are classified and evaluated by J-M separability index. The separation degree between samples is greater than 1.8. (3) the feature space including image spectral information and texture information is constructed, which verifies the validity of texture information in land use change detection, and makes up for the lack of spectral resolution of aerial photography data. (4) the decision tree classification method based on data mining C4.5 algorithm is used to detect land use change. The accuracy of classification and change detection is similar to that of object-oriented method. The overall classification accuracy is more than 85%, and the error detection rate is less than 10%. The results show that the decision tree land use classification based on data mining C4.5 algorithm is superior to the object-oriented method in terms of artificial dependence, and it can improve the working efficiency and ensure the accuracy of the classification. It is of high practical value.
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P237

【相似文獻】

相關期刊論文 前10條

1 劉直芳,張繼平;變化檢測方法及其在城市中的應用[J];測繪通報;2002年09期

2 李德仁;利用遙感影像進行變化檢測[J];武漢大學學報(信息科學版);2003年S1期

3 胡巖峰,劉波,李峰,李立鋼,丘江;一種基于統(tǒng)計分析的圖像變化檢測方法[J];光子學報;2005年01期

4 宋翠玉;李培軍;楊鋒杰;;運用多尺度圖像紋理進行城市擴展變化檢測[J];國土資源遙感;2006年03期

5 李雪;舒寧;王琰;李亮;;利用土地利用狀態(tài)轉移分析的變化檢測[J];武漢大學學報(信息科學版);2011年08期

6 方針,張劍清,張祖勛;基于城區(qū)航空影像的變化檢測[J];武漢測繪科技大學學報;1997年03期

7 徐宏根;宋妍;;顧及陰影信息的高分辨率遙感圖像變化檢測方法[J];國土資源遙感;2013年04期

8 馬云飛;李宏;;遙感變化檢測技術方法綜述[J];測繪與空間地理信息;2014年01期

9 劉直芳,張劍清;城區(qū)變化檢測的一種方法[J];測繪通報;2001年02期

10 倪林,冷洪超;機場區(qū)域變化檢測研究[J];遙感技術與應用;2002年04期

相關會議論文 前10條

1 尤紅建;詹芊芊;;尺度優(yōu)化的星載SAR圖像變化檢測[A];中國測繪學會第九次全國會員代表大會暨學會成立50周年紀念大會論文集[C];2009年

2 劉元波;;環(huán)境遙感變化探測研究中的若干問題：輻射校正方法與變化檢測算法及其理論關系[A];中國地理學會2007年學術年會論文摘要集[C];2007年

3 邢帥;徐青;;高分辨率衛(wèi)星遙感影像變化檢測技術的研究[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

4 霍春雷;程健;周志鑫;盧漢清;;基于尺度傳播的多尺度變化檢測新方法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

5 張蔚然;韓萍;;基于去取向理論的極化SAR變化檢測[A];第二十五屆中國（天津）2011’IT、網絡、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[C];2011年

6 胡艷;李勝;何宗;羅靈軍;李靜;;水體變化檢測在重慶市干旱遙感監(jiān)測中的應用[A];重慶市測繪學會第三屆優(yōu)秀論文評選獲獎論文暨2005-2006年度學術交流會論文選編[C];2008年

7 張鐵軍;;年度土地利用變更調查中遙感監(jiān)測圖斑提取方法淺析[A];福建省土地學會2012年年會論文集[C];2012年

8 柳思聰;杜培軍;;基于形態(tài)學濾波的多時相遙感影像變化檢測方法研究[A];第十七屆中國遙感大會摘要集[C];2010年

9 劉志剛;李夕海;錢昌松;;遙感圖像變化檢測問題淺析[A];陜西地球物理文集（五）國家安全與軍事地球物理研究[C];2005年

10 劉翔;李萬茂;高連如;陶發(fā)達;倪金生;;基于遙感圖像變化檢測的投資項目搜索技術研究[A];中國遙感應用協(xié)會2010年會暨區(qū)域遙感發(fā)展與產業(yè)高層論壇論文集[C];2010年

相關博士學位論文 前10條

1 郝明;基于空間信息準確性增強的遙感影像變化檢測方法研究[D];中國礦業(yè)大學;2015年

2 王凌霞;基于多尺度分析和自然進化優(yōu)化的遙感圖像配準與變化檢測[D];西安電子科技大學;2015年

3 劉趕超;基于雙噪聲相似性模型的SAR圖像變化檢測[D];西安電子科技大學;2016年

4 呂志勇;顧及影像空間特征的地表覆蓋變化檢測方法研究[D];武漢大學;2014年

5 陸苗;面向地表覆蓋數(shù)據(jù)更新的變化檢測方法研究[D];武漢大學;2014年

6 徐金燕;全極化星載SAR影像輻射校正與城區(qū)變化檢測[D];武漢大學;2014年

7 武辰;遙感影像多層次信息變化檢測研究[D];武漢大學;2015年

8 蘇昂;無人機圖像中的典型目標檢測與變化檢測方法研究[D];國防科學技術大學;2016年

9 李向軍;遙感土地利用變化檢測方法探討[D];中國科學院研究生院（遙感應用研究所）;2006年

10 鄧小煉;基于變化矢量分析的土地利用變化檢測方法研究[D];中國科學院研究生院（遙感應用研究所）;2006年

相關碩士學位論文 前10條

1 張家琦;遙感影像變化檢測方法及應用研究[D];中國地質大學(北京);2015年

2 李玲玲;基于NSCT和NSST的圖像變化檢測算法研究及應用[D];新疆大學;2015年

3 胡雪梅;基于MST的遙感圖像變化檢測研究[D];新疆大學;2015年

4 楊國棟;基于分布式并行聚類的SAR圖像變化檢測算法研究[D];西安電子科技大學;2014年

5 王橋;基于多目標模糊聚類的SAR圖像變化檢測[D];西安電子科技大學;2014年

6 張文婷;基于自適應權值差異圖融合和聚類的SAR圖像變化檢測方法研究[D];西安電子科技大學;2014年

7 任新營;基于OpenCL的并行SAR圖像變化檢測[D];西安電子科技大學;2014年

8 宮金杞;面向地理國情監(jiān)測的地表覆蓋變化檢測方法研究及系統(tǒng)實現(xiàn)[D];山東農業(yè)大學;2015年

9 趙姣姣;基于無監(jiān)督方法的SAR圖像變化檢測[D];西安電子科技大學;2014年

10 李曉婷;基于信息融合與勻質區(qū)域提取的SAR圖像變化檢測[D];西安電子科技大學;2014年

，

本文編號：2087785