中分辨率遙感數(shù)據(jù)面向?qū)ο蠓诸惖挠绊懸匮芯?/H1>
發(fā)布時(shí)間：2020-06-10 12:37
【摘要】：隨著各種傳感器以及遙感平臺(tái)的發(fā)展,可獲得的遙感數(shù)據(jù)日益增多,其應(yīng)用范圍也越來越廣。作為遙感圖像應(yīng)用的基礎(chǔ),遙感圖像分類具有十分重要的意義。目前,面向?qū)ο蟮姆椒ㄊ沁b感圖像分類的一種重要研究方向,很多研究發(fā)現(xiàn)該方法優(yōu)于傳統(tǒng)的基于像元的方法。針對(duì)該方法大部分研究基于高分辨率影像以及缺乏對(duì)影響面向?qū)ο蠓诸惖囊剡M(jìn)行全面分析的現(xiàn)狀。本文在選擇合適的分類系統(tǒng)前提下,對(duì)多種中分辨率遙感數(shù)據(jù)在面向?qū)ο蠓诸愔械挠绊懸剡M(jìn)行了全面分析。主要工作和成果如下:1、在易康軟件的基礎(chǔ)上,建立了在不同要素設(shè)置下分類結(jié)果及精度評(píng)價(jià)同時(shí)完成的規(guī)則集。并在此基礎(chǔ)上對(duì)Landsat8-OLI數(shù)據(jù)、Landsat5-TM數(shù)據(jù)以及高分一號(hào)數(shù)據(jù)面向?qū)ο蠓诸愡M(jìn)行了分析。2、針對(duì)Landsat8-OLI數(shù)據(jù)的分析結(jié)果表明:(1)光譜特征、幾何特征和紋理特征對(duì)分類的貢獻(xiàn)率依次為71.4%、11.8%和16.8%。(2)樣本數(shù)量為特征數(shù)量的2-3倍時(shí)即可達(dá)到穩(wěn)定的分類精度。(3)從分割參數(shù)來看,最優(yōu)尺度因子介于20-40;隨著尺度增加,形狀因子有減小的趨勢(shì),而緊致度沒有明顯的變化規(guī)律;另外,隨著尺度的增加,分割出來的對(duì)象數(shù)量的最大值與最小值的比值介于7-11。(4)分類器中參數(shù)設(shè)置分析表明,決策樹中最大樹深的最優(yōu)參數(shù)介于5-8之間;支持向量機(jī)中最優(yōu)參數(shù)Gamma小于10~(-2),C大于10~2;隨機(jī)森林中最優(yōu)參數(shù)Av介于1-4,Mtn介于30-100。此外,四種分類器分類精度順序依次為支持向量機(jī)、隨機(jī)森林、貝葉斯和決策樹。3、針對(duì)Landsat5-TM數(shù)據(jù),其面向?qū)ο蠓诸愌芯拷Y(jié)果表明:(1)光譜特征、幾何特征和紋理特征對(duì)分類的貢獻(xiàn)率依次為67.2%、11.5%和21.3%。(2)樣本數(shù)量為特征數(shù)量的2-4倍時(shí),分類結(jié)果即可達(dá)到穩(wěn)定狀態(tài)。(3)從分割參數(shù)來看,最優(yōu)尺度因子介于4-6;形狀和緊致度因子大部分小于0.5;此外,隨著尺度的增加,分割出來的對(duì)象數(shù)量的最大值與最小值的比值存在明顯的下降趨勢(shì)。(4)分類器中參數(shù)設(shè)置分析表明,決策樹中最大樹深的最優(yōu)參數(shù)介于3-8之間;支持向量機(jī)中最優(yōu)參數(shù)Gamma小于10~(-2),C大于10;隨機(jī)森林中最優(yōu)參數(shù)Av介于2-7,Mtn介于30-100。另外,四種分類器分類精度順序依次為支持向量機(jī)、隨機(jī)森林、貝葉斯和決策樹。4、針對(duì)高分一號(hào)數(shù)據(jù),其面向?qū)ο蠓诸愌芯拷Y(jié)果表明:(1)光譜特征、幾何特征和紋理特征對(duì)分類的貢獻(xiàn)率分別為65.5%、12.1%和22.4%。(2)當(dāng)樣本數(shù)量為特征數(shù)量的2-4倍時(shí),分類結(jié)果趨于穩(wěn)定。(3)從分割參數(shù)來看,最優(yōu)尺度因子介于15-25;對(duì)于形狀和緊致度因子,支持向量機(jī)、隨機(jī)森林和貝葉斯的形狀因子大部分低于0.5,支持向量機(jī)和隨機(jī)森林的緊致度因子大部分也都低于0.5,而貝葉斯的緊致度因子大部分高于0.5。決策樹的形狀因子均高于0.6,緊致度因子沒有明顯的規(guī)律。另外,不同尺度下,隨著形狀和緊致度因子的變化分割出來的對(duì)象數(shù)量的最大值是最小值4-6倍。(4)分類器中參數(shù)設(shè)置分析表明,對(duì)于決策樹其最大樹深的最優(yōu)參數(shù)介于3-6之間;對(duì)于支持向量機(jī),最優(yōu)參數(shù)Gamma小于10~(-1),C大于10;對(duì)于隨機(jī)森林,最優(yōu)參數(shù)Av大部分介于1-7,Mtn大部分介于30-100。此外,四種分類器分類精度順序依次為支持向量機(jī)、隨機(jī)森林、貝葉斯和決策樹。5、驗(yàn)證區(qū)域的分析說明,三種中分辨率遙感數(shù)據(jù)面向?qū)ο蠓诸悤r(shí)影響要素研究的結(jié)果適用于不同地域和不同季節(jié)。
【圖文】：
第一章 引言子和形狀因子的取值依據(jù) eCognition 軟件中二者的取值范圍確定；分類的試驗(yàn)取值主要依據(jù)前人研究工作以及軟件中默認(rèn)值而確定。）3）對(duì)中分辨率遙感數(shù)據(jù)（Landsat-TM、Landsat-8、高分一號(hào)）進(jìn)行實(shí)息提取，探討不同遙感數(shù)據(jù)在面向?qū)ο蠓诸悤r(shí)各要素對(duì)其的影響，并選對(duì)所得結(jié)論進(jìn)行驗(yàn)證。2 技術(shù)路線技術(shù)路線圖見圖 1.1。
圖 2.1 波段合成Figure 2.1 Layer stacking2.1.2 Landsat5 數(shù)據(jù)1984 年 3 月 1 日，Landsat5 衛(wèi)星在加利福尼亞范登堡空軍基地發(fā)射成功。該衛(wèi)星為太陽同步軌道，軌道高度 705km，軌道傾角 98.2°，運(yùn)行周期 98.9 分鐘，，覆蓋全球周期 16 天，圖幅大小 170km×185km。衛(wèi)星上搭載兩個(gè)傳感器：Thematic Mapper（TM，專題制圖儀）和 Multispectral Scanner（MSS，多光譜成像儀）。其中TM包含了7個(gè)波段（熱紅外分辨率為120m，其余波段分辨率30m），該傳感器于 2011 年 11 月結(jié)束工作；MSS 包含了 4 個(gè) 78m 分辨率的波段，該傳感器于 2013 年 1 月停止接收數(shù)據(jù)。Landsat5 衛(wèi)星于 2013 年 6 月 5 日退役，搭載傳感器各波段具體信息見表 2.2。本文所用數(shù)據(jù)為 TM 中除熱紅外波段的其余 6個(gè)波段數(shù)據(jù)。同樣地，也對(duì)所用波段數(shù)據(jù)進(jìn)行了波段合成。
【學(xué)位授予單位】：中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：P237
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 張輝;;基于多分類器組合的遙感土地利用分類研究[J];安徽農(nóng)業(yè)科學(xué);2015年32期
2 李朝奎;方文;董小姣;;面向?qū)ο蠛鸵?guī)則的高分辨率影像分類研究[J];測(cè)繪通報(bào);2015年09期
3 王知音;禹龍;田生偉;錢育蓉;丁建麗;楊柳;;基于棧式自編碼的水體提取方法[J];計(jì)算機(jī)應(yīng)用;2015年09期
4 孔令婷;楊英寶;章勇;;基于不同分辨率遙感影像的分類方法對(duì)比研究[J];測(cè)繪與空間地理信息;2015年03期
5 張磊;吳炳方;李曉松;邢強(qiáng);;基于碳收支的中國土地覆被分類系統(tǒng)[J];生態(tài)學(xué)報(bào);2014年24期
6 賈建峰;;ENVI遙感圖像監(jiān)督分類方法比較[J];西部資源;2014年06期
7 呂啟;竇勇;牛新;徐佳慶;夏飛;;基于DBN模型的遙感圖像分類[J];計(jì)算機(jī)研究與發(fā)展;2014年09期
8 岳江;張毅;徐杭威;柏連發(fā);;一種基于空間一致性降元的高光譜圖像非監(jiān)督分類[J];光譜學(xué)與光譜分析;2012年07期
9 胡榮明;魏曼;楊成斌;賀俊斌;;以SPOT5遙感數(shù)據(jù)為例比較基于像素與面向?qū)ο蟮姆诸惙椒╗J];遙感技術(shù)與應(yīng)用;2012年03期
10 徐斌;馬蘇;;岳陽縣土壤侵蝕監(jiān)測(cè)與評(píng)價(jià)[J];中國城市經(jīng)濟(jì);2011年03期
本文編號(hào)：2706302
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/2706302.html
【圖文】：
第一章 引言子和形狀因子的取值依據(jù) eCognition 軟件中二者的取值范圍確定；分類的試驗(yàn)取值主要依據(jù)前人研究工作以及軟件中默認(rèn)值而確定。）3）對(duì)中分辨率遙感數(shù)據(jù)（Landsat-TM、Landsat-8、高分一號(hào)）進(jìn)行實(shí)息提取，探討不同遙感數(shù)據(jù)在面向?qū)ο蠓诸悤r(shí)各要素對(duì)其的影響，并選對(duì)所得結(jié)論進(jìn)行驗(yàn)證。2 技術(shù)路線技術(shù)路線圖見圖 1.1。
圖 2.1 波段合成Figure 2.1 Layer stacking2.1.2 Landsat5 數(shù)據(jù)1984 年 3 月 1 日，Landsat5 衛(wèi)星在加利福尼亞范登堡空軍基地發(fā)射成功。該衛(wèi)星為太陽同步軌道，軌道高度 705km，軌道傾角 98.2°，運(yùn)行周期 98.9 分鐘，，覆蓋全球周期 16 天，圖幅大小 170km×185km。衛(wèi)星上搭載兩個(gè)傳感器：Thematic Mapper（TM，專題制圖儀）和 Multispectral Scanner（MSS，多光譜成像儀）。其中TM包含了7個(gè)波段（熱紅外分辨率為120m，其余波段分辨率30m），該傳感器于 2011 年 11 月結(jié)束工作；MSS 包含了 4 個(gè) 78m 分辨率的波段，該傳感器于 2013 年 1 月停止接收數(shù)據(jù)。Landsat5 衛(wèi)星于 2013 年 6 月 5 日退役，搭載傳感器各波段具體信息見表 2.2。本文所用數(shù)據(jù)為 TM 中除熱紅外波段的其余 6個(gè)波段數(shù)據(jù)。同樣地，也對(duì)所用波段數(shù)據(jù)進(jìn)行了波段合成。
【學(xué)位授予單位】：中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：P237
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 張輝;;基于多分類器組合的遙感土地利用分類研究[J];安徽農(nóng)業(yè)科學(xué);2015年32期
2 李朝奎;方文;董小姣;;面向?qū)ο蠛鸵?guī)則的高分辨率影像分類研究[J];測(cè)繪通報(bào);2015年09期
3 王知音;禹龍;田生偉;錢育蓉;丁建麗;楊柳;;基于棧式自編碼的水體提取方法[J];計(jì)算機(jī)應(yīng)用;2015年09期
4 孔令婷;楊英寶;章勇;;基于不同分辨率遙感影像的分類方法對(duì)比研究[J];測(cè)繪與空間地理信息;2015年03期
5 張磊;吳炳方;李曉松;邢強(qiáng);;基于碳收支的中國土地覆被分類系統(tǒng)[J];生態(tài)學(xué)報(bào);2014年24期
6 賈建峰;;ENVI遙感圖像監(jiān)督分類方法比較[J];西部資源;2014年06期
7 呂啟;竇勇;牛新;徐佳慶;夏飛;;基于DBN模型的遙感圖像分類[J];計(jì)算機(jī)研究與發(fā)展;2014年09期
8 岳江;張毅;徐杭威;柏連發(fā);;一種基于空間一致性降元的高光譜圖像非監(jiān)督分類[J];光譜學(xué)與光譜分析;2012年07期
9 胡榮明;魏曼;楊成斌;賀俊斌;;以SPOT5遙感數(shù)據(jù)為例比較基于像素與面向?qū)ο蟮姆诸惙椒╗J];遙感技術(shù)與應(yīng)用;2012年03期
10 徐斌;馬蘇;;岳陽縣土壤侵蝕監(jiān)測(cè)與評(píng)價(jià)[J];中國城市經(jīng)濟(jì);2011年03期
本文編號(hào)：2706302
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/2706302.html
