近些年來隨著高分辨率遙感影像變得更加普及且數(shù)據(jù)獲取更加方便,其清晰的形狀、豐富的紋理等特征優(yōu)勢,使其在地質(zhì)、環(huán)保、農(nóng)業(yè)、林業(yè)、水文、氣象等領(lǐng)域被廣泛地應(yīng)用。傳統(tǒng)的基于像素的分類技術(shù)在高分辨率遙感信息提取中精度不高,無法更加準(zhǔn)確的提取高分辨率遙感影像上的地物信息,而面向?qū)ο蟮挠跋穹诸惣夹g(shù)在高分辨率遙感影像中具有更高的分類精度而被普遍應(yīng)用。本文以天津市薊縣水土流失監(jiān)測中土地利用信息提取為例,基于國產(chǎn)GF-1高分辨率影像數(shù)據(jù)及其它輔助數(shù)據(jù),重點研究兩點來提高研究區(qū)地物信息提取的自動化程度和分類精度。首先是影像的分割,針對高分辨率遙感影像具備地物多種尺度分布的統(tǒng)一性與復(fù)雜性,無法簡單的用單一的尺度來高精度的提取所有的地物類型~([1]),本文通過最大面積法和影像特征分析法分別從定量和定性兩個角度確定最優(yōu)分割尺度并構(gòu)建多尺度分割等級網(wǎng),最終確定三個尺度層Level 60、Level 85、Level 120分別作為相應(yīng)地物類型的適宜提取尺度;其次是影像的分類,為了建立與現(xiàn)實匹配的分類規(guī)則,本研究在專家知識的支持下,通過數(shù)字高程模型(DEM)、坡度、多元多時相數(shù)據(jù)的輔助,首先開展主要類型的劃分,再使用SEaTH算法選擇最佳特征及閾值分別對對各個綜合類下的地類進(jìn)行細(xì)分;最終實現(xiàn)整個研究區(qū)土地覆被信息的提取。實驗精度評定表明:總分類精度為90.17%,Kappa系數(shù)是0.89,表明基于專家知識和SEaTH算法構(gòu)建的土地覆蓋分類方法的可靠性。分類結(jié)果為薊縣水土保持監(jiān)測提供了精準(zhǔn)的數(shù)據(jù)支持。
【學(xué)位單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：P237
【部分圖文】：

2 面向?qū)ο蟮母叻直媛视跋裥畔⑻崛〖夹g(shù)當(dāng) (|)(|)12P xc Pxc時，兩種類別之間的混分最少，此時的 x 即為特征閾值T，那么T介于1m 和2m 之間，其計算公式如下所示（2.8），1n 和2n 表示類別1c 和2c的樣本數(shù)目，閾值T的計算公式如下所示：()()2()2221222121212212221 mmmmAT（2.8）log()1221nnA (2.9)

西安科技大學(xué)全日制工程碩士學(xué)位論文3 研究區(qū)概況及數(shù)據(jù)預(yù)處理況津市最北部, 是天津市僅有的山丘區(qū)縣，也是天津市水土流北靠承德，西依北京，南聯(lián)天津,地理位置特殊、生態(tài)區(qū)位十供安全飲用水源的作用，是天津市的“后花園”。其氣候?qū)倥�，整體地勢呈現(xiàn)北高南低，山區(qū)以海拔 200m 至 800m 的中以水力侵蝕為主要侵蝕類型，是水土流失易發(fā)區(qū)。薊縣的地、丘陵、平原、洼地。薊縣土地利用類型多樣，主要有耕地[38]。

3 研究區(qū)概況及數(shù)據(jù)預(yù)處理19圖 3.2 薊縣解譯標(biāo)志點空間分布圖3.2.3 地形和多時相數(shù)據(jù)（1）DEM 柵格數(shù)據(jù)DEM 柵格數(shù)據(jù)刻畫了研究區(qū)地形地貌的特點，每個柵格的屬性值都反映了地面的真實高度。眾多研究表明高程是制約土壤、植被、樹種、生物多樣性的重要因素，因此山區(qū)地物類型垂直分布差異明顯，本試驗選用高程指標(biāo)作為薊縣山區(qū)地物分類的輔助因子，以期提高分類精度。原始的 DEM 數(shù)據(jù)空間分辨率為 5 米，為了保證與融合后的 GF-1影像具有相同的空間分辨率，在 ARCGIS 中利用 Resample 工具采用最近鄰法將柵格數(shù)據(jù)重采樣成空間分辨率 2m。高程數(shù)據(jù)見圖 3.3。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 白曉燕;陳曉宏;王兆禮;;基于面向?qū)ο蠓诸惖耐恋乩眯畔⑻崛〖捌鋾r空變化研究[J];遙感技術(shù)與應(yīng)用;2015年04期

2 王敏;高新華;陳思宇;馮琦勝;梁天剛;;基于Landsat 8遙感影像的土地利用分類研究——以四川省紅原縣安曲示范區(qū)為例[J];草業(yè)科學(xué);2015年05期

3 費(fèi)鮮蕓;王婷;魏雪麗;;基于多尺度分割的遙感影像濱海濕地分類[J];遙感技術(shù)與應(yīng)用;2015年02期

4 東方星;;我國高分衛(wèi)星與應(yīng)用簡析[J];衛(wèi)星應(yīng)用;2015年03期

5 熊華偉;俞春生;李小玉;李琳;;基于高分辨率遙感影像的不透水面信息快速提取[J];國土與自然資源研究;2015年01期

6 劉引迪;;我國高分衛(wèi)星發(fā)展背景及在礦產(chǎn)勘查開發(fā)中的應(yīng)用[J];科教文匯(上旬刊);2015年01期

7 劉純;洪亮;楚森森;;高分辨率遙感影像分割方法研究[J];測繪與空間地理信息;2014年10期

8 賈坤;李強(qiáng)子;;農(nóng)作物遙感分類特征變量選擇研究現(xiàn)狀與展望[J];資源科學(xué);2013年12期

9 侯群群;王飛;嚴(yán)麗;;基于灰度共生矩陣的彩色遙感圖像紋理特征提取[J];國土資源遙感;2013年04期

10 李德仁;童慶禧;李榮興;龔健雅;張良培;;高分辨率對地觀測的若干前沿科學(xué)問題[J];中國科學(xué):地球科學(xué);2012年06期

相關(guān)博士學(xué)位論文 前4條

1 余曉敏;面向生態(tài)系統(tǒng)碳收支服務(wù)的HJ-1A/B影像分類關(guān)鍵技術(shù)[D];武漢大學(xué);2012年

2 陳丹;基于優(yōu)化決策樹的高分辨率遙感影像分類技術(shù)研究[D];武漢大學(xué);2010年

3 周爽;蟻群算法在高光譜圖像降維和分類中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2010年

4 黃慧萍;面向?qū)ο笥跋穹治鲋械某叨葐栴}研究[D];中國科學(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10條

1 買爾哈巴·買買提汗;博斯騰湖蘆葦濕地的動態(tài)監(jiān)測及驅(qū)動因素分析[D];新疆師范大學(xué);2017年

2 江春梅;基于TM影像面向?qū)ο蟮膹?fù)雜地形區(qū)水稻提取規(guī)則研究[D];福建師范大學(xué);2016年

3 白金婷;結(jié)合高分辨率遙感影像多維特征的森林分類[D];北京林業(yè)大學(xué);2016年

4 王娜;面向?qū)ο蟮母叻直媛蔬b感影像土地覆蓋信息提取技術(shù)研究[D];昆明理工大學(xué);2016年

5 閆會敏;基于SVM與子空間結(jié)合的高光譜圖像分類算法研究[D];西安科技大學(xué);2014年

6 殷瑞娟;高分辨率遙感影像的最優(yōu)圖像分割與迭代優(yōu)化算法研究[D];華東師范大學(xué);2014年

7 馬浩然;基于多層次分割的遙感影像面向?qū)ο笊址诸怺D];北京林業(yè)大學(xué);2014年

8 朱瑤;基于馬爾科夫隨機(jī)場模型的圖像分割算法研究[D];哈爾濱工程大學(xué);2014年

9 周國瓊;面向?qū)ο蟮腡M影像分類[D];昆明理工大學(xué);2012年

10 陸超;基于WorldView-2影像的面向?qū)ο笮畔⑻崛〖夹g(shù)研究[D];浙江大學(xué);2012年

本文編號：2856640