本文選題：面向對象 + 模糊數(shù)學��； 參考：《江西理工大學》2017年碩士論文

【摘要】：我國是柑橘類水果產品主要的生產國和消費國之一,有著4000多年的栽培歷史�？焖儆行У靥崛「涕兕惞謱χ笇Ч植『Ψ烙�、水果生產和產業(yè)規(guī)劃有著重要意義。傳統(tǒng)的基于像元的純光譜柑橘類果林提取方法分類精度較低,很難避免“椒鹽現(xiàn)象”,并且受噪聲的影響導致同物異譜、異物同譜現(xiàn)象較嚴重。豐富的紋理信息、形狀信息和上下文信息是高分辨率遙感圖像突出的特點。本文以贛州市尋烏縣柑橘類果林種植區(qū)為研究對象,針對傳統(tǒng)基于像元分類方法精度較低的缺點,在高分一號數(shù)據源的基礎上,做了以下研究:1.為了能夠讓高分一號遙感影像數(shù)據既保存影像數(shù)據多光譜特性,又提高空間分辨率,對數(shù)據進行了大氣校正、正射校正、圖像融合等圖像預處理步驟。2.在多尺度分割的前提下,對象的各種特征信息存在一定的變化規(guī)律。利用e Cognition軟件統(tǒng)計對象的面積均值、標準差、植被對象的NDVI均值在分割尺度上的變化情況。3.選用最大面積比法來衡量某種特定地物分割對象的優(yōu)劣程度。4.深入研究了基于模糊數(shù)學方法的最近鄰分類模型,在深入剖析模型數(shù)學表達的基礎上,對整幅影像的光譜特征進行了全面的統(tǒng)計分析。5.構建了一種結合模糊數(shù)學理論的面向對象決策樹分類模型,在多尺度分割建立對象層次組織結構的基礎上,綜合最近鄰分類器,建立了融合模糊數(shù)學方法和決策樹模型的面向對象決策樹分層分類模型,選擇樣本對象進行統(tǒng)計分析光譜特征和紋理特征,分層使用單波段閾值、NDVI、波段組合、對象幾何形態(tài)學特征和紋理特征等多種分析經驗值,對研究區(qū)域進行信息提取,實現(xiàn)了多尺度分割和分層決策樹分類,使用混淆矩陣對分類結果進行了精度驗證,得到總體Kappa系數(shù)0.8643,特別是果林提取精度的明顯提高。
[Abstract]:China is one of the main producing and consumer countries of citrus fruit products. It has more than 4000 years of cultivation history. It is of great significance to extract citrus fruit forest quickly and effectively to guide the defense of fruit forest diseases, fruit production and industrial planning. The phenomenon of "salt and pepper" is exempt from the phenomenon of "salt and pepper" and is influenced by the influence of noise. The phenomenon of ISO spectrum is serious. The rich texture information, shape information and context information are the prominent features of high resolution remote sensing images. This paper takes the citrus orchard planting area of Xunwu County, Ganzhou as the research object, and aims at the precision of the traditional pixel based classification method. On the basis of high score 1 data source, the following research is made: 1. in order to enable high score 1 remote sensing image data not only to preserve the multi spectral characteristics of the image data, but also to improve the spatial resolution, the image preprocessing step.2., such as atmospheric correction, orthophoto correction, image fusion, and so on, is on the premise of multiscale segmentation. The information of various features of the image has a certain change law. Using the e Cognition software, the mean area of the area, the standard deviation and the change of the NDVI mean of the vegetation object on the segmentation scale,.3. selects the maximum area ratio method to measure the good and bad degree of the object of certain specific objects,.4. based on the fuzzy mathematical method. The nearest neighbor classification model, based on the deep analysis of the mathematical expression of the model, makes a comprehensive statistical analysis of the spectral features of the entire image..5. constructs an object-oriented decision tree classification model combining the fuzzy mathematics theory. On the basis of the multi-scale segmentation and the establishment of the hierarchical organization structure of the object, the nearest neighbor classifier is built. The object oriented decision tree hierarchical classification model is combined with fuzzy mathematical method and decision tree model. The sample object is selected for statistical analysis of spectral features and texture features. A number of empirical values, such as single band threshold, NDVI, band combination, geometric morphological features and texture features of objects, are used to extract information from the research area. The classification of multi scale segmentation and stratified decision tree was realized. The accuracy of the classification results was verified by using the confusion matrix, and the total Kappa coefficient was 0.8643, especially the extraction precision of the fruit forest was obviously improved.
【學位授予單位】：江西理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：S666;S127

【參考文獻】

相關期刊論文 前10條

1 林亞斌;賈貴剛;李蓮;;高分遙感影像陰影檢測與消除方法[J];測繪與空間地理信息;2014年08期

2 羅衛(wèi);況潤元;;利用環(huán)境衛(wèi)星影像的東江源地區(qū)果園信息提取[J];測繪科學;2014年08期

3 張昊然;;遙感影像信息提取的方式[J];測繪與空間地理信息;2014年02期

4 金杰;朱海巖;李子瀟;孫建偉;;ENVI遙感圖像處理中幾種監(jiān)督分類方法的比較[J];水利科技與經濟;2014年01期

5 尹展;張建國;李宏斌;;面向對象分類技術在高分辨率遙感影像信息提取中的應用研究[J];測繪與空間地理信息;2013年08期

6 奚歌;吳正鵬;侯晨;姜偉男;;基本地形圖更新衛(wèi)星影像優(yōu)選探討[J];測繪與空間地理信息;2012年10期

7 胡文亮;趙萍;董張玉;;一種改進的遙感影像面向對象最優(yōu)分割尺度計算模型[J];地理與地理信息科學;2010年06期

8 陳杰;鄧敏;肖鵬峰;楊敏華;梅小明;劉慧敏;;基于分水嶺變換與空間聚類的高分辨率遙感影像面向對象分類[J];遙感技術與應用;2010年05期

9 曾濤;楊武年;黎小東;劉漢湖;彭立;簡季;;面向對象的高空間分辨率遙感影像信息提取——汶川地震城市震害房屋案例研究[J];自然災害學報;2010年05期

10 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

相關博士學位論文 前1條

1 黃慧萍;面向對象影像分析中的尺度問題研究[D];中國科學院研究生院（遙感應用研究所）;2003年

相關碩士學位論文 前8條

1 陳建容;面向對象的土地利用/覆被信息提取[D];成都理工大學;2016年

2 成麗;基于SPOT5遙感影像面向對象分割分類研究和應用[D];南京林業(yè)大學;2014年

3 詹福雷;基于面向對象的高分辨率遙感影像信息提取[D];吉林大學;2014年

4 陳滌非;基于面向對象方法的地表覆被分類研究[D];成都理工大學;2013年

5 賀洪元;面向對象高分辨率影像多尺度分割[D];華中科技大學;2013年

6 李宏宏;面向對象的高分辨率遙感影像分類及泥石流信息提取研究[D];南京理工大學;2013年

7 齊義娜;面向對象的高分辨率遙感影像信息提取與尺度效應分析[D];東北師范大學;2009年

8 汪求來;面向對象遙感影像分類方法及其應用研究[D];南京林業(yè)大學;2008年

，

本文編號：2102583