World-View2高分辨影像面向?qū)ο蠓诸惙椒▽Ρ妊芯?/H1>
發(fā)布時間：2017-04-15 00:07
本文關(guān)鍵詞：World-View2高分辨影像面向?qū)ο蠓诸惙椒▽Ρ妊芯?/strong>，由筆耕文化傳播整理發(fā)布。
【摘要】：隨著遙感技術(shù)的發(fā)展,尤其是傳感器的發(fā)展,遙感影像的空間分辨率大大提高,由原來的Landsat7 30米空間分辨率發(fā)展到現(xiàn)在亞米級高分辨率影像,遙感影像的在土地利用覆蓋中的應(yīng)用也越來越廣。高空間分辨率影像不僅具有詳細(xì)的空間細(xì)節(jié)信息,同時也具有豐富的波段信息。然而,傳統(tǒng)的基于像元的分類方法不僅不能有效地利用高分辨率影像的空間紋理信息、形狀信息以及空間拓?fù)潢P(guān)系,還會使解譯結(jié)果出現(xiàn)椒鹽現(xiàn)象,產(chǎn)生大量無效破碎的圖斑。因此,在使用高空間分辨率影像獲取土地利用覆蓋信息時,常使用人工目視解譯。這種方法不僅成本較高,而且需要大量的人力物力才能完成。由上可知,傳統(tǒng)的影像解譯方法已不能滿足高空間分辨率影像信息提取工作的需要。World-View2作為目前分辨率較高商用衛(wèi)星,不僅分辨率很高,波段信息也豐富,在實際生產(chǎn)生活中應(yīng)用尤為廣泛。然而在實際應(yīng)用中,為保證分類精度,多采用人工目視解譯。針對上述問題,為了更加高效、準(zhǔn)確地提取World-View2高分辨率影像信息,本文通過對常用面向?qū)ο笥跋穹诸惙椒ㄑ芯?結(jié)合World-View2本身波段信息,利用多尺度分割方法,采用最鄰近分類法、隸屬度函數(shù)分類法、決策樹分類法對研究區(qū)影像進(jìn)行分類,通過與人工目視解譯結(jié)果相比較,對上述面向?qū)ο蠓诸惙椒ㄟM(jìn)行評價分析。首先,本文以魯?shù)榭h境內(nèi)World-View2影像為研究對象,對World-View2影像進(jìn)行了數(shù)據(jù)預(yù)處理和波段融合,獲取研究區(qū)分辨率為0.46米的多光譜影像。其次,本文在對World-View2影像波段研究的基礎(chǔ)上,對研究區(qū)影像進(jìn)行了多尺度分割參數(shù)研究,獲取了各分類類別的最優(yōu)分割參數(shù)。最后,本文結(jié)合World-View2影像波段信息,使用最鄰近分類法、隸屬度函數(shù)分類法、決策樹分類法對研究區(qū)影像進(jìn)行分類研究,并使用人工目視解譯結(jié)合野外驗證,對各分類結(jié)果進(jìn)行精度評價。分類結(jié)果表明這三種分類方法均能在一定程度上快速提取影像信息,但各有特點:最鄰近分類法操作簡單,需要樣本少,計算速度快,但分類精度最低,其分類結(jié)果受到樣本分布影響,要求樣本采集時能在圖像內(nèi)均勻分布;隸屬度函數(shù)分類法無需訓(xùn)練樣本,但需對影像對象的值域范圍進(jìn)行研究,同時能靈活運用個隸屬度函數(shù)來表達(dá)每個分類類別,屬于對各個地類特征進(jìn)行定量研究,分類精度較高;決策樹分類過程中對于樣本依耐性較強,需要選取非常具有代表性的樣本進(jìn)行訓(xùn)練,雖然對樣本空間分布要求不高,但是對樣本代表性要求很高,分類精度受樣本質(zhì)量影響嚴(yán)重,但其分類精度較高,不需要對各地類進(jìn)行定量分析。
【關(guān)鍵詞】：面向?qū)ο蠓诸?/strong> World-View2 高分辨率影像 最鄰近分類 決策樹分類 隸屬度函數(shù)分類
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：P237
【目錄】： - 摘要4-6
- Abstract6-10
- 第1章緒論10-14
- 1.1 研究背景與意義10-11
- 1.2 國內(nèi)外研究現(xiàn)狀分析11-12
- 1.3 研究內(nèi)容及技術(shù)路線12-14
- 第2章面向?qū)ο筮b感影像分類方法介紹14-29
- 2.1 影像分割15-17
- 2.2 多尺度分割17-20
- 2.2.1 影像圖層權(quán)重的選取17
- 2.2.2 均質(zhì)性標(biāo)準(zhǔn)的選取17-18
- 2.2.3 分割尺度的選取18
- 2.2.4 構(gòu)建多尺度影像分割等級網(wǎng)絡(luò)18-20
- 2.3 特征選擇20-24
- 2.3.1 光譜特征20-21
- 2.3.2 形狀特征21-22
- 2.3.3 紋理特征22-24
- 2.4 面向?qū)ο蠓诸惙椒?/span>24-28
- 2.4.1 最近鄰分類24-25
- 2.4.2 隸屬度函數(shù)分類25-27
- 2.4.3 決策樹分類27-28
- 2.5 精度評價方法28-29
- 第3章研究區(qū)數(shù)據(jù)處理29-34
- 3.1 研究區(qū)概況29-30
- 3.2 遙感影像預(yù)處理30-34
- 3.2.1 研究區(qū)數(shù)據(jù)源說明30-31
- 3.2.2 研究區(qū)圖像預(yù)處理31-34
- 第4章面向?qū)ο蟮牡乇砀采w信息提取34-49
- 4.1 研究平臺介紹34
- 4.2 分類系統(tǒng)34-36
- 4.3 影像多尺度分割36-45
- 4.3.1 波段選擇37-40
- 4.3.2 尺度選擇40-42
- 4.3.3 形狀和顏色因子選取42-44
- 4.3.4 緊致度和光滑度因子選取44-45
- 4.4 野外驗證45-49
- 第5章各分類方法分析比較49-60
- 5.1 最鄰近分類方法及其精度評價50-53
- 5.2 隸屬度函數(shù)分類方法及其精度評價53-56
- 5.3 決策樹分類方法及其精度評價56-60
- 結(jié)論與討論60-62
- 致謝62-63
- 參考文獻(xiàn)63-66
- 攻讀碩士期間取得的研究成果66
【參考文獻(xiàn)】
中國期刊全文數(shù)據(jù)庫 前1條
1 章文龍;林賢彪;仝川;曾從盛;;基于光譜與紋理信息的Worldview-2影像地物分類[J];福建師范大學(xué)學(xué)報(自然科學(xué)版);2013年04期
本文關(guān)鍵詞：World-View2高分辨影像面向?qū)ο蠓诸惙椒▽Ρ妊芯?/strong>，，由筆耕文化傳播整理發(fā)布。
本文編號：307154
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/307154.html
本文關(guān)鍵詞：World-View2高分辨影像面向?qū)ο蠓诸惙椒▽Ρ妊芯?/strong>，由筆耕文化傳播整理發(fā)布。
【摘要】：隨著遙感技術(shù)的發(fā)展,尤其是傳感器的發(fā)展,遙感影像的空間分辨率大大提高,由原來的Landsat7 30米空間分辨率發(fā)展到現(xiàn)在亞米級高分辨率影像,遙感影像的在土地利用覆蓋中的應(yīng)用也越來越廣。高空間分辨率影像不僅具有詳細(xì)的空間細(xì)節(jié)信息,同時也具有豐富的波段信息。然而,傳統(tǒng)的基于像元的分類方法不僅不能有效地利用高分辨率影像的空間紋理信息、形狀信息以及空間拓?fù)潢P(guān)系,還會使解譯結(jié)果出現(xiàn)椒鹽現(xiàn)象,產(chǎn)生大量無效破碎的圖斑。因此,在使用高空間分辨率影像獲取土地利用覆蓋信息時,常使用人工目視解譯。這種方法不僅成本較高,而且需要大量的人力物力才能完成。由上可知,傳統(tǒng)的影像解譯方法已不能滿足高空間分辨率影像信息提取工作的需要。World-View2作為目前分辨率較高商用衛(wèi)星,不僅分辨率很高,波段信息也豐富,在實際生產(chǎn)生活中應(yīng)用尤為廣泛。然而在實際應(yīng)用中,為保證分類精度,多采用人工目視解譯。針對上述問題,為了更加高效、準(zhǔn)確地提取World-View2高分辨率影像信息,本文通過對常用面向?qū)ο笥跋穹诸惙椒ㄑ芯?結(jié)合World-View2本身波段信息,利用多尺度分割方法,采用最鄰近分類法、隸屬度函數(shù)分類法、決策樹分類法對研究區(qū)影像進(jìn)行分類,通過與人工目視解譯結(jié)果相比較,對上述面向?qū)ο蠓诸惙椒ㄟM(jìn)行評價分析。首先,本文以魯?shù)榭h境內(nèi)World-View2影像為研究對象,對World-View2影像進(jìn)行了數(shù)據(jù)預(yù)處理和波段融合,獲取研究區(qū)分辨率為0.46米的多光譜影像。其次,本文在對World-View2影像波段研究的基礎(chǔ)上,對研究區(qū)影像進(jìn)行了多尺度分割參數(shù)研究,獲取了各分類類別的最優(yōu)分割參數(shù)。最后,本文結(jié)合World-View2影像波段信息,使用最鄰近分類法、隸屬度函數(shù)分類法、決策樹分類法對研究區(qū)影像進(jìn)行分類研究,并使用人工目視解譯結(jié)合野外驗證,對各分類結(jié)果進(jìn)行精度評價。分類結(jié)果表明這三種分類方法均能在一定程度上快速提取影像信息,但各有特點:最鄰近分類法操作簡單,需要樣本少,計算速度快,但分類精度最低,其分類結(jié)果受到樣本分布影響,要求樣本采集時能在圖像內(nèi)均勻分布;隸屬度函數(shù)分類法無需訓(xùn)練樣本,但需對影像對象的值域范圍進(jìn)行研究,同時能靈活運用個隸屬度函數(shù)來表達(dá)每個分類類別,屬于對各個地類特征進(jìn)行定量研究,分類精度較高;決策樹分類過程中對于樣本依耐性較強,需要選取非常具有代表性的樣本進(jìn)行訓(xùn)練,雖然對樣本空間分布要求不高,但是對樣本代表性要求很高,分類精度受樣本質(zhì)量影響嚴(yán)重,但其分類精度較高,不需要對各地類進(jìn)行定量分析。
【關(guān)鍵詞】：面向?qū)ο蠓诸?/strong> World-View2 高分辨率影像 最鄰近分類 決策樹分類 隸屬度函數(shù)分類
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：P237
【目錄】：
- 摘要4-6
- Abstract6-10
- 第1章緒論10-14
- 1.1 研究背景與意義10-11
- 1.2 國內(nèi)外研究現(xiàn)狀分析11-12
- 1.3 研究內(nèi)容及技術(shù)路線12-14
- 第2章面向?qū)ο筮b感影像分類方法介紹14-29
- 2.1 影像分割15-17
- 2.2 多尺度分割17-20
- 2.2.1 影像圖層權(quán)重的選取17
- 2.2.2 均質(zhì)性標(biāo)準(zhǔn)的選取17-18
- 2.2.3 分割尺度的選取18
- 2.2.4 構(gòu)建多尺度影像分割等級網(wǎng)絡(luò)18-20
- 2.3 特征選擇20-24
- 2.3.1 光譜特征20-21
- 2.3.2 形狀特征21-22
- 2.3.3 紋理特征22-24
- 2.4 面向?qū)ο蠓诸惙椒?/span>24-28
- 2.4.1 最近鄰分類24-25
- 2.4.2 隸屬度函數(shù)分類25-27
- 2.4.3 決策樹分類27-28
- 2.5 精度評價方法28-29
- 第3章研究區(qū)數(shù)據(jù)處理29-34
- 3.1 研究區(qū)概況29-30
- 3.2 遙感影像預(yù)處理30-34
- 3.2.1 研究區(qū)數(shù)據(jù)源說明30-31
- 3.2.2 研究區(qū)圖像預(yù)處理31-34
- 第4章面向?qū)ο蟮牡乇砀采w信息提取34-49
- 4.1 研究平臺介紹34
- 4.2 分類系統(tǒng)34-36
- 4.3 影像多尺度分割36-45
- 4.3.1 波段選擇37-40
- 4.3.2 尺度選擇40-42
- 4.3.3 形狀和顏色因子選取42-44
- 4.3.4 緊致度和光滑度因子選取44-45
- 4.4 野外驗證45-49
- 第5章各分類方法分析比較49-60
- 5.1 最鄰近分類方法及其精度評價50-53
- 5.2 隸屬度函數(shù)分類方法及其精度評價53-56
- 5.3 決策樹分類方法及其精度評價56-60
- 結(jié)論與討論60-62
- 致謝62-63
- 參考文獻(xiàn)63-66
- 攻讀碩士期間取得的研究成果66
【參考文獻(xiàn)】
中國期刊全文數(shù)據(jù)庫 前1條
1 章文龍;林賢彪;仝川;曾從盛;;基于光譜與紋理信息的Worldview-2影像地物分類[J];福建師范大學(xué)學(xué)報(自然科學(xué)版);2013年04期
本文關(guān)鍵詞：World-View2高分辨影像面向?qū)ο蠓诸惙椒▽Ρ妊芯?/strong>，，由筆耕文化傳播整理發(fā)布。
本文編號：307154
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/307154.html
最近更新
教材專著
