本文關鍵詞：西北旱區(qū)遙感影像分類方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：如何對較大尺度范圍不同時相、氣候和地貌類型的遙感影像進行土地利用現狀分類是目前國際土地資源學科中的重要問題之一。本實驗選擇西北旱區(qū)所轄六省的6個具有不同經緯度、不同土地利用方式、不同實相、不同范圍、不同地形、不同氣候的典型地貌單元的Landsat TM遙感影像為研究對象,利用較為通用的監(jiān)督分類方法(如最大似然法、BP神經網絡和支持向量機法等)對其Landsat TM遙感影像進行分類,為提高遙感影像分類精度和土地利用信息提取的準確性,在實驗樣本選擇時結合歸一化植被指數和紋理特征等數據進行分類,并對分類結果采用聚類統(tǒng)計和過濾分析等方法進行分類后處理。最后,利用混淆矩陣對分類結果的精度進行評價。結果表明:較最大似然法和BP神經網絡分類方法而言,結合歸一化植被指數和紋理特征的支持向量機法的分類精度最高,最高達到了98.92%,kappa系數最高達到了0.9771,而且所有研究區(qū)支持向量機法的分類精度都達到了90%以上,較準確地分離出了各類地物。故該方法可用于具有較大范圍、不同時相、不同氣候和地貌類型的整個西北旱區(qū)的遙感影像分類研究,以期為西北旱區(qū)遙感影像解譯和土地資源可持續(xù)發(fā)展戰(zhàn)略提供方法支撐。
【關鍵詞】：遙感應用 西北旱區(qū) 支持向量機 遙感影像分類
【學位授予單位】：西北農林科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P237
【目錄】：

• 摘要6-7
• ABSTRACT7-9
• 第一章 緒論9-13
• 1.1 研究背景9-11
• 1.2 研究目的和意義11
• 1.3 小結11-13
• 第二章 研究區(qū)概況和數據來源13-15
• 2.1 研究區(qū)概況13-14
• 2.1.1 西北旱區(qū)地理范圍的界定13
• 2.1.2 西北旱區(qū)概況及特點13-14
• 2.2 數據來源14-15
• 第三章 研究方法及技術路線15-23
• 3.1 研究方法15-22
• 3.1.1 主成分分析15-16
• 3.1.2 紋理特征16-17
• 3.1.3 歸一化植被指數17
• 3.1.4 最大似然法17-18
• 3.1.5 BP神經網絡18-20
• 3.1.6 支持向量機20-21
• 3.1.7 分類后處理21-22
• 3.2 技術路線22-23
• 第四章 基于典型試驗區(qū)影像分類方法確定23-31
• 4.1 典型試驗區(qū)概況23-25
• 4.2 實驗樣本的選取25
• 4.3 試驗區(qū)分類結果及精度評價25-30
• 4.4 小結30-31
• 第五章 結論與展望31-33
• 5.1 結論31
• 5.2 展望31-33
• 參考文獻33-37
• 致謝37-38
• 作者簡介38

【相似文獻】

中國期刊全文數據庫 前10條

1 賈坤;李強子;田亦陳;吳炳方;;遙感影像分類方法研究進展[J];光譜學與光譜分析;2011年10期

2 朱丹瑤;;遙感影像分類方法研究[J];黑龍江科技信息;2012年33期

3 劉萌偉;曾廣鴻;袁國輝;裴亞波;楊子力;;基于基因表達式編程的遙感影像分類方法研究[J];安陽工學院學報;2013年04期

4 孫立新,羅高平,張怡梅;遙感影像分類的歸類學習方法[J];測繪工程;1998年03期

5 李爽,丁圣彥,許叔明;遙感影像分類方法比較研究[J];河南大學學報(自然科學版);2002年02期

6 黃艷;張超;蘇偉;岳安志;;合理尺度紋理分析遙感影像分類方法研究[J];國土資源遙感;2008年04期

7 余潔;郭培煌;陳品祥;張中山;軟文斌;;基于改進的模糊c-均值聚類方法遙感影像分類研究(英文)[J];Geo-Spatial Information Science;2008年02期

8 溫兆飛;張樹清;陳春;劉春悅;李曉峰;李華朋;;三江源區(qū)湖泊和沼澤遙感影像分類研究[J];濕地科學;2010年02期

9 付博;謝振紅;鄧彩群;;改進的角度余弦方法在濕地遙感影像分類中的應用[J];吉林建筑工程學院學報;2010年04期

10 胡杏花;朱谷昌;徐文海;劉歡;李智峰;鄭緯;;基于分形紋理的遙感影像分類研究[J];礦床地質;2010年S1期

中國重要會議論文全文數據庫 前10條

1 劉忠陽;陳懷亮;杜子璇;鄒春輝;;基于決策樹方法的Landsat7 ETM+遙感影像分類研究[A];農業(yè)生態(tài)與衛(wèi)星遙感應用技術學術交流會論文摘要集[C];2006年

2 王珊珊;季民;高潔;焦其松;;CBR方法在高分辨率遙感影像分類中的應用[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

3 湯家法;;基于可拓分類器的遙感影像分類[A];第十七屆中國遙感大會摘要集[C];2010年

4 巫兆聰;;RBF網絡的粗糙表示與遙感影像分類應用[A];第十三屆全國遙感技術學術交流會論文摘要集[C];2001年

5 楊劍;蒲英霞;何一鳴;;基于Getis的遙感影像分類研究[A];中國地理學會百年慶典學術論文摘要集[C];2009年

6 趙泉華;宋偉東;鮑勇;;基于分形紋理的BP神經網絡遙感影像分類[A];中國儀器儀表學會第九屆青年學術會議論文集[C];2007年

7 王梁;韓坤英;;分形理論在遙感影像分類中的應用[A];第十二屆全國數學地質與地學信息學術研討會論文集[C];2013年

8 汪東川;龔建華;張利輝;;基于時間序列軌跡分析的遙感影像分類結果聯合校正[A];第十七屆中國遙感大會摘要集[C];2010年

9 羅小波;劉明皓;;基于優(yōu)化的BP神經網絡遙感影像分類[A];2006年中國土地學會學術年會論文集[C];2006年

10 ;結合光譜、紋理與形狀特征的高空間分辨率遙感影像分類(英文)[A];中國測繪學會第九次全國會員代表大會暨學會成立50周年紀念大會論文集[C];2009年

中國博士學位論文全文數據庫 前9條

1 王巍;基于Agent的遙感影像分類方法及其應用研究[D];中國地質大學(北京);2016年

2 任廣波;基于半監(jiān)督學習的遙感影像分類技術研究[D];中國海洋大學;2010年

3 譚琨;基于支持向量機的高光譜遙感影像分類研究[D];中國礦業(yè)大學;2010年

4 巫兆聰;粗集理論在遙感影像分類中的應用[D];武漢大學;2004年

5 易俐娜;面向對象遙感影像分類不確定性分析[D];武漢大學;2011年

6 胥海威;基于改進隨機聚類決策森林算法的遙感影像分類研究[D];中南大學;2012年

7 徐盛;基于主題模型的高空間分辨率遙感影像分類研究[D];上海交通大學;2012年

8 劉志剛;支撐向量機在光譜遙感影像分類中的若干問題研究[D];武漢大學;2004年

9 丁勝;智能優(yōu)化算法在高光譜遙感影像分類中的應用研究[D];武漢大學;2010年

中國碩士學位論文全文數據庫 前10條

1 吳聰;面向對象的高分辨率遙感影像分類在衛(wèi)片執(zhí)法中的應用研究[D];昆明理工大學;2015年

2 周楊;面向對象的高分辨率遙感影像分類技術研究[D];中國地質大學(北京);2015年

3 李奇峰;結合多特征描述和SVM的遙感影像分類研究[D];鄭州大學;2015年

4 宋曉陽;面向對象的遙感分類系統(tǒng)研究[D];南京農業(yè)大學;2014年

5 張靜;西北旱區(qū)遙感影像分類方法研究[D];西北農林科技大學;2016年

6 劉安斐;基于數據融合的遙感影像分類[D];解放軍信息工程大學;2006年

7 任亞芬;面向并行環(huán)境的遙感影像分類算法設計與實現[D];華中科技大學;2011年

8 白秀蓮;基于決策樹方法的遙感影像分類研究[D];內蒙古師范大學;2012年

9 王松妍;基于云理論的遙感影像分類方法研究[D];遼寧工程技術大學;2013年

10 陳小瑜;基于空間數據挖掘與知識發(fā)現的遙感影像分類研究[D];福建師范大學;2007年

  本文關鍵詞：西北旱區(qū)遙感影像分類方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：405960