鄰域分析與鄰近分析在建筑分類中的應用
發(fā)布時間:2021-01-24 10:17
城鎮(zhèn)建筑的分類信息是人口統(tǒng)計和經(jīng)濟學等建模的主要輸入?yún)⒆兞俊倪b感數(shù)據(jù)自動提取建筑物信息,對地圖更新、城市建模、城鎮(zhèn)增長分析和變遷監(jiān)測等應用領域具有重要意義,是遙感與攝影測量領域的研究熱點與難點。雖然隨著航空領域技術的成熟和各種高分辨率衛(wèi)星傳感器的推出,拍攝的地面影像質(zhì)量越來越高,但研究表明,建筑分類的難度并未隨著影像分辨率的增高而減小。這是因為建筑所用材料有限,在遙感圖像呈現(xiàn)的波譜特征相似,難以區(qū)分,再加上建筑結(jié)構(gòu)不以類別而設計,因而在圖像上也不能以圖斑形狀識別不同類型的建筑。目前,大多數(shù)研究只是將所有建筑類別歸為不透水表面的一部分從城市下墊面中分割,或是分為建筑類與非建筑類(如道路、水泥地等),或是在某個特定場景中,提取具有典型特征的一類建筑(如坍塌建筑區(qū)、金融區(qū))。為解決上述難題,實現(xiàn)多建筑類別自動提取,本文提出在城鎮(zhèn)遙感圖像的建筑分類中加入波譜-位置聯(lián)合分析(Spectral Location Combined Analysis,SLCA)和對象-場景關聯(lián)分析(Object Scene Correlation Analysis,OSCA),以改善分類精度。SLCA屬于基于像素和...
【文章來源】:華東師范大學上海市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:58 頁
【學位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究進展
1.2.1 建筑識別分類數(shù)據(jù)源
1.2.2 建筑識別分類方法
1.2.3 與本文方法相關的研究
1.3 研究內(nèi)容
1.3.1 本文研究的內(nèi)容
1.3.2 本文的技術路線
1.4 擬解決的關鍵問題和創(chuàng)新點
1.4.1 關鍵問題
1.4.2 創(chuàng)新點
2 方法
2.1 試驗區(qū)域與數(shù)據(jù)
2.2 下墊面分類常規(guī)描述符
2.3 鄰域分析(波譜-位置聯(lián)合分析)
2.4 鄰近分析(對象-場景關聯(lián)分析)
2.5 構(gòu)建分類特征空間
2.6 BP軟分類
2.6.1 BP神經(jīng)網(wǎng)絡概論
2.6.2 BP網(wǎng)絡適用性
2.6.3 BP網(wǎng)絡結(jié)構(gòu)的設計
2.6.4 解模糊
2.7 分類后處理
3 討論
3.1 鄰域分析的有效性和意義
3.2 鄰近分析的有效性和意義
3.3 分類精度評估
3.3.1 評估指標
3.3.2 樣本選取
3.3.3 分類精度
3.4 運算復雜度評估
4 結(jié)論
4.1 本文的主要進展與不足
4.2 展望
參考文獻
后記
【參考文獻】:
期刊論文
[1]結(jié)合PolSAR影像紋理特征分析提取倒塌建筑物[J]. 翟瑋,沈煥鋒,黃春林. 遙感技術與應用. 2016(05)
[2]基于MMBI的高分辨率影像建筑物提取研究[J]. 陳行,卓莉,陶海燕. 遙感技術與應用. 2016(05)
[3]Building Damage Extraction from Post-earthquake Airborne LiDAR Data[J]. DOU Aixia,MA Zongjin,HUANG Shusong,WANG Xiaoqing. Acta Geologica Sinica(English Edition). 2016(04)
[4]基于植被指數(shù)限制分水嶺算法的機載激光點云建筑物提取[J]. 趙宗澤,張永軍. 光學學報. 2016(10)
[5]基于GlobeLand30的全球城鄉(xiāng)建設用地空間分布與變化統(tǒng)計分析[J]. 陳軍,陳利軍,李然,廖安平,彭舒,魯楠,張宇碩. 測繪學報. 2015(11)
[6]一種光學遙感影像建筑區(qū)域自動提取方法[J]. 蔡利平,苗則朗,史文中,柳思聰,張華. 地理與地理信息科學. 2015(04)
[7]高分辨率影像中基于紋理的建筑區(qū)信息提取[J]. 陳超祥,陳華鋒,葉時平. 計算機工程. 2011(21)
[8]城鎮(zhèn)綠地樹種識別的數(shù)學描述符[J]. 周堅華,周一凡,穆望舒. 遙感學報. 2011(03)
本文編號:2997074
【文章來源】:華東師范大學上海市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:58 頁
【學位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究進展
1.2.1 建筑識別分類數(shù)據(jù)源
1.2.2 建筑識別分類方法
1.2.3 與本文方法相關的研究
1.3 研究內(nèi)容
1.3.1 本文研究的內(nèi)容
1.3.2 本文的技術路線
1.4 擬解決的關鍵問題和創(chuàng)新點
1.4.1 關鍵問題
1.4.2 創(chuàng)新點
2 方法
2.1 試驗區(qū)域與數(shù)據(jù)
2.2 下墊面分類常規(guī)描述符
2.3 鄰域分析(波譜-位置聯(lián)合分析)
2.4 鄰近分析(對象-場景關聯(lián)分析)
2.5 構(gòu)建分類特征空間
2.6 BP軟分類
2.6.1 BP神經(jīng)網(wǎng)絡概論
2.6.2 BP網(wǎng)絡適用性
2.6.3 BP網(wǎng)絡結(jié)構(gòu)的設計
2.6.4 解模糊
2.7 分類后處理
3 討論
3.1 鄰域分析的有效性和意義
3.2 鄰近分析的有效性和意義
3.3 分類精度評估
3.3.1 評估指標
3.3.2 樣本選取
3.3.3 分類精度
3.4 運算復雜度評估
4 結(jié)論
4.1 本文的主要進展與不足
4.2 展望
參考文獻
后記
【參考文獻】:
期刊論文
[1]結(jié)合PolSAR影像紋理特征分析提取倒塌建筑物[J]. 翟瑋,沈煥鋒,黃春林. 遙感技術與應用. 2016(05)
[2]基于MMBI的高分辨率影像建筑物提取研究[J]. 陳行,卓莉,陶海燕. 遙感技術與應用. 2016(05)
[3]Building Damage Extraction from Post-earthquake Airborne LiDAR Data[J]. DOU Aixia,MA Zongjin,HUANG Shusong,WANG Xiaoqing. Acta Geologica Sinica(English Edition). 2016(04)
[4]基于植被指數(shù)限制分水嶺算法的機載激光點云建筑物提取[J]. 趙宗澤,張永軍. 光學學報. 2016(10)
[5]基于GlobeLand30的全球城鄉(xiāng)建設用地空間分布與變化統(tǒng)計分析[J]. 陳軍,陳利軍,李然,廖安平,彭舒,魯楠,張宇碩. 測繪學報. 2015(11)
[6]一種光學遙感影像建筑區(qū)域自動提取方法[J]. 蔡利平,苗則朗,史文中,柳思聰,張華. 地理與地理信息科學. 2015(04)
[7]高分辨率影像中基于紋理的建筑區(qū)信息提取[J]. 陳超祥,陳華鋒,葉時平. 計算機工程. 2011(21)
[8]城鎮(zhèn)綠地樹種識別的數(shù)學描述符[J]. 周堅華,周一凡,穆望舒. 遙感學報. 2011(03)
本文編號:2997074
本文鏈接:http://sikaile.net/kejilunwen/dizhicehuilunwen/2997074.html
最近更新
教材專著