本文關(guān)鍵詞：面向?qū)ο蟮母叻直媛蔬b感影像分類(lèi)在衛(wèi)片執(zhí)法中的應(yīng)用研究

  更多相關(guān)文章： 高分辨率遙感影像 多尺度分割 特征信息 面向?qū)ο蠓诸?lèi) 衛(wèi)片執(zhí)法

【摘要】：目前,高分辨率的遙感影像已在各個(gè)領(lǐng)域得到相當(dāng)廣泛的應(yīng)用,為滿(mǎn)足日益增長(zhǎng)的應(yīng)用需求,需要對(duì)影像信息的分類(lèi)以及提取不斷深入的研究。與中低分辨率遙感影像相比,高分辨率遙感影像內(nèi)包含有更加豐富的特征信息。對(duì)于這些相當(dāng)數(shù)量的特征信息,傳統(tǒng)的像元分類(lèi)方法存在著一定的缺陷,不能充分挖掘和分析利用影像的多特征性信息,使得分類(lèi)精度降低,已經(jīng)不再適應(yīng)分類(lèi)需求。所以,本論文以衛(wèi)片執(zhí)法檢查工作要求和高分辨率遙感影像的特點(diǎn)為基礎(chǔ),運(yùn)用面向?qū)ο蟮母叻直媛蔬b感影像分類(lèi)方法進(jìn)行信息提取分類(lèi)。本文選取了一幅具有一定特征信息的SPOT5遙感影像為實(shí)驗(yàn)數(shù)據(jù),通過(guò)對(duì)影像信息進(jìn)行目視解譯后,選擇提取影像中建筑物的信息。實(shí)驗(yàn)以Ecognition和ENVI軟件為平臺(tái),對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行面向?qū)ο蟮姆诸?lèi)。在分類(lèi)過(guò)程中,先根據(jù)地物的類(lèi)型特點(diǎn),運(yùn)用多尺度思想對(duì)目標(biāo)地物進(jìn)行分割合并,構(gòu)建分類(lèi)體系,并采用模糊分類(lèi)方法對(duì)建筑物進(jìn)行分類(lèi)提取。其次將實(shí)驗(yàn)數(shù)據(jù)采用傳統(tǒng)面向像元分類(lèi)方法,并將分類(lèi)結(jié)果和面向?qū)ο筮b感影像分類(lèi)方法結(jié)果進(jìn)行對(duì)比分析,兩種分類(lèi)方法結(jié)果表明,由于受多尺度分割的影像,采用面向?qū)ο筮b感影像分類(lèi)方法對(duì)遙感影像信息提取時(shí),提取的地物并未失真且提高了分類(lèi)的精度,分類(lèi)結(jié)果有效避免了“椒鹽噪聲”,分類(lèi)結(jié)果與現(xiàn)實(shí)世界具有形狀和屬性一致性。
【關(guān)鍵詞】：高分辨率遙感影像 多尺度分割 特征信息 面向?qū)ο蠓诸?lèi) 衛(wèi)片執(zhí)法
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：P237
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-20
• 1.1 面向?qū)ο蟾叻直媛蔬b感影像分類(lèi)研究10-15
• 1.1.1 研究背景和意義10-14
• 1.1.2 面向?qū)ο蟾拍畹奶岢?/span>14-15
• 1.2 面向?qū)ο筮b感影像分類(lèi)方法研究現(xiàn)狀15-17
• 1.2.1 高分辨率遙感發(fā)展15
• 1.2.2 國(guó)內(nèi)外研究現(xiàn)狀15-17
• 1.3 本文的研究?jī)?nèi)容17-20
• 1.3.1 研究?jī)?nèi)容17-18
• 1.3.2 論文結(jié)構(gòu)18-20
• 第二章 面向?qū)ο筮b感影像分類(lèi)方法20-36
• 2.1 面向?qū)ο蠓诸?lèi)方法概述20-21
• 2.2 面向?qū)ο筮b感影像分割21-29
• 2.2.1 圖像分割21-22
• 2.2.2 遙感影像分割遵循原則22
• 2.2.3 面向?qū)ο蟮母叻直媛蔬b感影像分割算法22-24
• 2.2.4 基于多尺度的遙感影像分割24-29
• 2.3 建立分類(lèi)體系29-30
• 2.4 模糊分類(lèi)30-33
• 2.4.1 模糊集31
• 2.4.2 模糊隸屬函數(shù)31-33
• 2.5 分類(lèi)精度評(píng)價(jià)33-36
• 2.5.1 精度評(píng)價(jià)基本方法33-34
• 2.5.2 混淆矩陣和Kappa系數(shù)34-35
• 2.5.3 精度評(píng)定35-36
• 第三章 基于對(duì)象信息的影像特征提取36-46
• 3.1 對(duì)象信息分析36-37
• 3.2 對(duì)象的信息特征37-43
• 3.2.1 類(lèi)相關(guān)特征37-38
• 3.2.2 對(duì)象特征38-43
• 3.3 對(duì)象的屬性特征43-44
• 3.4 對(duì)象信息表達(dá)—“同物異譜”和“同譜異物”44-46
• 第四章 基于對(duì)象信息的分類(lèi)實(shí)驗(yàn)46-66
• 4.1 研究概況46-48
• 4.1.1 研究數(shù)據(jù)概況46
• 4.1.2 衛(wèi)片執(zhí)法46-48
• 4.2 軟件平臺(tái)介紹48
• 4.3 基于面向?qū)ο蠓诸?lèi)方法的實(shí)驗(yàn)信息提取48-58
• 4.3.1 尺度的確定48-50
• 4.3.2 影像多尺度分割50-51
• 4.3.3 對(duì)象特征提取及分類(lèi)51-58
• 4.4 分類(lèi)結(jié)果與精度評(píng)價(jià)58-66
• 4.4.1 與傳統(tǒng)分類(lèi)方法進(jìn)行實(shí)驗(yàn)結(jié)果對(duì)比58-61
• 4.4.2 精度評(píng)價(jià)與分析61-66
• 第五章 結(jié)論與展望66-70
• 5.1 結(jié)論66-67
• 5.2 工作討論與展望67-70
• 致謝70-72
• 參考文獻(xiàn)72-76

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 白穆;劉慧平;喬瑜;王曉東;;高分辨率遙感圖像分類(lèi)方法在LUCC中的研究進(jìn)展[J];國(guó)土資源遙感;2010年01期

2 羅希平;田捷;諸葛嬰;王靖;戴汝為;;圖像分割方法綜述[J];模式識(shí)別與人工智能;1999年03期

3 陳云浩;馮通;史培軍;王今飛;;基于面向?qū)ο蠛鸵?guī)則的遙感影像分類(lèi)研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年04期

4 李鵬偉;侯淑濤;高珊;劉艷霞;;基于像素的土地利用現(xiàn)狀信息提取方法研究[J];中國(guó)科技信息;2008年24期

5 付卓;胡吉平;譚衢霖;劉正軍;;遙感應(yīng)用分析中影像分割方法[J];遙感技術(shù)與應(yīng)用;2006年05期

6 陳秋曉,駱劍承,周成虎,鄭江,魯學(xué)軍,沈占鋒;基于多特征的遙感影像分類(lèi)方法[J];遙感學(xué)報(bào);2004年03期

7 専培東;曾永年;歷華;;多尺度遙感影像融合技術(shù)及其算法研究進(jìn)展[J];遙感信息;2006年06期

8 牛春盈;江萬(wàn)壽;黃先鋒;謝俊峰;;面向?qū)ο笥跋裥畔⑻崛≤浖﨔eature Analyst和eCognition的分析與比較[J];遙感信息;2007年02期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 黃慧萍;面向?qū)ο笥跋穹治鲋械某叨葐?wèn)題研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 陳啟浩;面向?qū)ο蟮亩嘣催b感數(shù)據(jù)分類(lèi)技術(shù)研究與實(shí)現(xiàn)[D];中國(guó)地質(zhì)大學(xué);2007年

2 周月梅;多源遙感影像數(shù)據(jù)融合技術(shù)與實(shí)踐[D];福建師范大學(xué);2007年

3 魏飛鳴;基于對(duì)象信息的遙感影像分類(lèi)研究[D];電子科技大學(xué);2008年

4 王知鷙;基于紋理及光譜信息融合的遙感圖像分類(lèi)方法研究[D];西安電子科技大學(xué);2010年

，

本文編號(hào)：723206