本文關鍵詞：基于Worldview2影像的無錫新區(qū)地物信息提取，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著航空航天技術的飛速發(fā)展,遙感影像的空間分辨率越來越高。研究如何從高分辨率遙感影像中高效和精確的提取各類地物的信息,不僅對遙感技術本身的發(fā)展具有推動作用,而且對我國正在推進的城市化和現(xiàn)代化進程具有重要的現(xiàn)實意義。面向對象的技術是在利用影像光譜信息的基礎上,更多考慮影像對象的幾何信息和紋理信息以及上下文之間的語義關系所提出的。由于面向對象的分類方法能夠適應高分辨率遙感影像的特點,提高分類的精度和效率,并且能夠有效的克服基于像元方法中分類結果的“椒鹽效應”,因而現(xiàn)在已經(jīng)成為遙感影像處理研究中的一個熱點領域。如何深入挖掘和利用遙感數(shù)據(jù)中的各類語義關聯(lián)知識,有效的去除各種復雜的干擾因素,提高解譯的自動化和精細化程度,已經(jīng)成為高分辨率遙感影像技術發(fā)展和應用的主要挑戰(zhàn)。本文針對面向對象分類過程中的關鍵步驟,即影像最優(yōu)分割參數(shù)的選擇、影像對象的特征提取和最優(yōu)特征子集選擇以及面向對象分類方法等技術進行了討論,旨在為高分辨率遙感影像的自動化分類提供參考。本文以無錫新區(qū)的WorldView2影像為實驗數(shù)據(jù),利用在高分辨率遙感影像分類中應用最為廣泛的分形網(wǎng)絡演化算法對影像進行分割。針對高分辨率遙感影像最優(yōu)分割參數(shù)較難確定的問題,本文采用基于“影像對象內同質性和影像對象間異質性盡量大”原則的全局分割質量評價函數(shù)模型來對不同的分割參數(shù)下的分割結果進行客觀、定量的分析和評價,在此基礎上確定最佳分割參數(shù)。本文首先對原始波段進行相關性分析和協(xié)方差統(tǒng)計以確定各波段參與分割的權重,并針對63組不同分割尺度和光譜因子的參數(shù)組合進行了分割質量的評價,利用全局最優(yōu)分割質量評價模型找到了適合于研究區(qū)的合適分割尺度,經(jīng)過人工目視檢驗,利用本文方法選取的分割參數(shù)能夠較好的表達真實地物的尺度,效果較優(yōu)。針對面向對象分類過程特征“維數(shù)災難”的存在,研究如何從眾多影像特征中剔除與分類目標無關的特征顯得尤為重要。本文在對影像各地物進行光譜分析的基礎上確定將建筑物分為4個子類提取的類別劃分方式,并在此基礎上對各類地物的影像對象進行了光譜、形狀和紋理等影像增強特征的提取,旨在充分挖掘高分辨率遙感影像豐富的地物信息。然后本文利用參數(shù)最優(yōu)的隨機森林算法對影像對象的83個特征進行了特征重要性的評估,并利用基于逆向迭代特征消除的策略的隨機森林模型確定候選最優(yōu)特征子集的維度,在此基礎上利用相關性分析去除冗余光譜信息確定了由12個特征組成的最優(yōu)特征子集。通過對比各類地物在選取出的部分特征上和原始光譜上的可分性發(fā)現(xiàn),本文方法選取出的特征極大的提升了各類地物之間的區(qū)分度,從而驗證了本文特征選擇方法的有效性。本文在前文對影像進行最優(yōu)參數(shù)分割、特征提取和選擇的基礎上,通過面向對象的KNN方法,面向對象的SVM方法和面向對象的隨機森林方法對研究區(qū)的高分辨率影像進行分類,并利用混淆矩陣對三種方法的分類結果進行對比和分析。結果表明,面向對象的方法能夠較好的對研究區(qū)的地物信息進行提取,地物的形狀表達完整,且有效地避免基于像元分類的“椒鹽噪聲”現(xiàn)象。通過對三種分類方法的精度比較可以看出,面向對象的隨機森林分類方法的精度較高,其能夠較為有效的對建筑物信息和其他不透水層信息進行分離,同時由于其計算效率高、參數(shù)設置簡單等優(yōu)點,具有較強的應用推廣價值。
【關鍵詞】：WorldView2影像 面向對象分析技術 最優(yōu)分割參數(shù)選擇 特征選擇 隨機森林
【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：P237
【目錄】：

• 摘要4-6
• Abstract6-16
• 第一章 緒論16-26
• 1.1 選題背景與研究意義16-17
• 1.2 國內外研究進展17-22
• 1.2.1 遙感影像分割進展17-19
• 1.2.2 特征選擇的研究19-21
• 1.2.3 分類方法的研究21-22
• 1.3 研究內容與技術路線22-24
• 1.3.1 研究內容22-23
• 1.3.2 技術路線23-24
• 1.4 論文結構24-26
• 第二章 研究區(qū)概況與影像數(shù)據(jù)預處理26-31
• 2.1 研究區(qū)概況26-27
• 2.2 影像數(shù)據(jù)介紹27-29
• 2.3 遙感影像預處理29-31
• 2.3.1 輻射校正29-30
• 2.3.2 幾何精校正30
• 2.3.3 影像融合30-31
• 第三章 遙感影像的分割31-42
• 3.1 影像多尺度分割技術31-32
• 3.2 最優(yōu)分割參數(shù)確定32-42
• 3.2.1 最優(yōu)尺度及其計算模型33-34
• 3.2.2 最優(yōu)尺度計算結果與分析34-42
• 第四章 隨機森林及特征選擇42-65
• 4.1 地物光譜特征分析42-47
• 4.2 地物特征提取47-53
• 4.2.1 光譜特征提取47-50
• 4.2.2 形狀特征提取50-51
• 4.2.3 紋理特征提取51-53
• 4.3 基于隨機森林的特征選擇53-65
• 4.3.1 隨機森林基本原理54-55
• 4.3.2 基于隨機森林的特征選擇55-60
• 4.3.3 特征選擇結果與分析60-65
• 第五章 遙感影像的分類65-76
• 5.1 面向對象的KNN方法及精度評價65-68
• 5.1.1 面向對象KNN分類方法65
• 5.1.2 面向對象KNN分類過程65
• 5.1.3 面向對象KNN分類結果與分析65-68
• 5.2 面向對象的SVM分類68-70
• 5.2.1 面向對象SVM分類方法68
• 5.2.2 面向對象SVM分類過程68
• 5.2.3 面向對象SVM分類結果與分析68-70
• 5.3 面向對象的隨機森林分類70-73
• 5.3.1 面向對象RF分類方法70-71
• 5.3.2 面向對象RF分類過程71
• 5.3.3 面向對象RF分類結果與分析71-73
• 5.4 不同分類器分類結果與精度比較分析73-76
• 第六章 研究結論與展望76-78
• 6.1 研究結論76-77
• 6.2 研究展望77-78
• 參考文獻78-87
• 學術履歷87-88
• 致謝88-91

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 劉永學;李滿春;毛亮;;基于邊緣的多光譜遙感圖像分割方法[J];遙感學報;2006年03期

2 于歡;張樹清;孔博;李曉峰;;面向對象遙感影像分類的最優(yōu)分割尺度選擇研究[J];中國圖象圖形學報;2010年02期

  本文關鍵詞：基于Worldview2影像的無錫新區(qū)地物信息提取，，由筆耕文化傳播整理發(fā)布。

本文編號：322109