近年來(lái),遙感科學(xué)技術(shù)在硬件與軟件方面都得到顯著提高,如何從影像中獲得更精確、更高質(zhì)量的地物信息一直都是國(guó)內(nèi)外科研人員的關(guān)注熱點(diǎn)。地物信息一直以來(lái)都是遙感影像中極為重要的信息,而對(duì)于早先的衛(wèi)星影像,因?yàn)橛跋穹直媛瘦^低,地物本身細(xì)節(jié)比較模糊,地物之間的關(guān)系不夠明顯,地物信息的獲取也因此受限。目前,遙感影像在分辨率方面有很大提升,更多的高分遙感影像被人們獲取。在高分遙感影像中,地物的細(xì)節(jié)和地物之間的關(guān)系變得更加清晰,為遙感影像中地物信息的提取提供了良好的研究基礎(chǔ),也體現(xiàn)出高分遙感影像的研究?jī)r(jià)值。高分遙感影像中擁有豐富且精細(xì)的地物信息,但同時(shí)也導(dǎo)致地物的結(jié)構(gòu)比較復(fù)雜,干擾信息較難處理。針對(duì)中低分辨率影像的傳統(tǒng)地物分類方法已不再適用于高分影像。因此,本文研究了基于分層次多尺度分割的面向?qū)ο蠹夹g(shù),并運(yùn)用該技術(shù)對(duì)高分影像中的地物信息進(jìn)行分類,研究過(guò)程中,使用高分一號(hào)影像作為實(shí)驗(yàn)影像,充分結(jié)合高分遙感影像高空間分辨率的優(yōu)勢(shì),提高地物信息的獲取精度。最終在地物信息分類上取得了比較理想的成果。本文研究的主要內(nèi)容如下:1)為了提高高分遙感影像的圖像質(zhì)量,研究了遙感影像的融合技術(shù),對(duì)幾種常見的影像融合方法進(jìn)行... 

【文章來(lái)源】：東華理工大學(xué)江西省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容與方法
    1.4 論文結(jié)構(gòu)與技術(shù)路線
2 數(shù)據(jù)預(yù)處理與影像融合
    2.1 研究區(qū)域介紹
    2.2 高分辨率遙感影像的預(yù)處理
        2.2.1 正射校正
        2.2.2 幾何校正
        2.2.3 圖像增強(qiáng)
        2.2.4 圖像裁剪與鑲嵌
    2.3 遙感影像融合方法
        2.3.1 HSV變換融合
        2.3.2 Brovey變換融合
        2.3.3 PCA變換融合
        2.3.4 GS（Gram-schmidt）融合
    2.4 高分遙感影像融合結(jié)果與評(píng)價(jià)
        2.4.1 影像融合主觀評(píng)價(jià)
        2.4.2 影像融合客觀評(píng)價(jià)
        2.4.3 影像融合結(jié)果與質(zhì)量評(píng)價(jià)
    2.5 本章小結(jié)
3 結(jié)合邊緣檢測(cè)的多尺度分割
    3.1 基于多尺度分割的面向?qū)ο蠹夹g(shù)
        3.1.1 面向?qū)ο笮畔⑻幚砑夹g(shù)
        3.1.2 多尺度分割技術(shù)
    3.2 邊緣檢測(cè)實(shí)驗(yàn)分析
    3.3 邊緣信息與多尺度分割結(jié)合
    3.4 本章小結(jié)
4 基于分層次多尺度分割的高分影像信息分類
    4.1 結(jié)合邊緣信息的多尺度分割
    4.2 基于分層次多尺度分割的面向?qū)ο蟮匚锓诸?br>        4.2.1 多尺度分割的分類層次構(gòu)建
        4.2.2 隸屬度分類
        4.2.3 地物分類規(guī)則建立
        4.2.4 主要地物信息提取
        4.2.5 主要地物分類結(jié)果
    4.3 基于面向?qū)ο蟮臉?biāo)準(zhǔn)最鄰近分類
    4.4 分類結(jié)果精度評(píng)價(jià)
        4.4.1 精度評(píng)價(jià)
        4.4.2 基于多尺度分割與規(guī)則集的分類結(jié)果精度評(píng)價(jià)
        4.4.3 基于面向?qū)ο蟮臉?biāo)準(zhǔn)最鄰近分類結(jié)果精度評(píng)價(jià)
    4.5 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于SPOT6數(shù)據(jù)的建筑物提取規(guī)則研究[J]. 付盈,國(guó)巧真,潘應(yīng)陽(yáng),汪東川.  國(guó)土資源遙感. 2017(03)
[2]面向?qū)ο蟮男螒B(tài)學(xué)建筑物指數(shù)及其高分辨率遙感影像建筑物提取應(yīng)用[J]. 林祥國(guó),張繼賢.  測(cè)繪學(xué)報(bào). 2017(06)
[3]基于GF影像的不同融合方法對(duì)城市水體光譜保真度影響[J]. 陳繼偉,申茜,朱利,王雙亭.  北京工業(yè)大學(xué)學(xué)報(bào). 2017(05)
[4]高分二號(hào)衛(wèi)星濱海濕地影像質(zhì)量評(píng)價(jià)[J]. 陳曉英,張杰,馬毅,任廣波.  海洋測(cè)繪. 2017(02)
[5]基于光譜范圍的IHS改進(jìn)融合方法研究[J]. 張苗輝,陳恒,臧文乾,劉曉楠.  河南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[6]基于Canny算子的高壓輸電鐵塔圖像邊緣檢測(cè)研究[J]. 李斌,宋人杰,趙立權(quán).  無(wú)線互聯(lián)科技. 2016(18)
[7]城市水體信息提取方法對(duì)比分析研究[J]. 王棟,李開淵,王鵬.  經(jīng)緯天地. 2016(02)
[8]基于高分辨率遙感影像的車輛信息提取方法研究[J]. 齊俊.  城市勘測(cè). 2016(01)
[9]地圖比例尺與遙感影像分辨率的關(guān)系探討[J]. 駱繼花,王鴻燕,謝志英.  測(cè)繪與空間地理信息. 2015(12)
[10]諧波分析光譜角制圖高光譜影像分類[J]. 楊可明,劉飛,孫陽(yáng)陽(yáng),魏華鋒,史鋼強(qiáng).  中國(guó)圖象圖形學(xué)報(bào). 2015(06)

博士論文
[1]遙感圖像幾何校正及目標(biāo)識(shí)別技術(shù)研究[D]. 王春媛.哈爾濱工業(yè)大學(xué) 2014
[2]面向?qū)ο笥跋穹治鲋械亩喑叨确椒ㄑ芯縖D]. 黃志堅(jiān).國(guó)防科學(xué)技術(shù)大學(xué) 2014
[3]面向?qū)ο笥跋穹治鲋械某叨葐?wèn)題研究[D]. 黃慧萍.中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所） 2003

碩士論文
[1]高分辨率遙感影像融合及面向?qū)ο笮畔⑻崛⊙芯縖D]. 徐鵬.北京交通大學(xué) 2017
[2]面向?qū)ο蠹夹g(shù)在建筑物提取中的應(yīng)用[D]. 樊舒迪.華南農(nóng)業(yè)大學(xué) 2016
[3]高分遙感影像建筑物半自動(dòng)提取算法研究[D]. 余毓杰.華中科技大學(xué) 2016
[4]資源三號(hào)衛(wèi)星遙感影像城市地表覆蓋分類方法研究[D]. 楊儼.西南大學(xué) 2016
[5]基于多源數(shù)據(jù)的山區(qū)巖溶石漠化植被特征研究[D]. 鄭惠茹.西南大學(xué) 2016
[6]城市中心區(qū)風(fēng)環(huán)境與空間形態(tài)耦合研究[D]. 張濤.東南大學(xué) 2015
[7]航空遙感影像的陰影處理方法研究[D]. 李婷.西安電子科技大學(xué) 2014
[8]高分辨率遙感影像建筑物提取方法研究[D]. 黃小兵.西安科技大學(xué) 2014
[9]基于Canny算子與形態(tài)學(xué)融合的邊緣檢測(cè)算法[D]. 王貴彬.哈爾濱理工大學(xué) 2014
[10]基于光譜/空間聯(lián)合特征的遙感影像地物提取技術(shù)研究[D]. 李益.解放軍信息工程大學(xué) 2012



本文編號(hào)：3026059