本文關(guān)鍵詞：遙感影像分類結(jié)果的空間抽樣精度檢驗方法研究　出處：《上海海洋大學》2016年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 精度檢驗 空間抽樣 相關(guān)性分析 遙感分類

【摘要】：高分四號的成功發(fā)射(2016年),實現(xiàn)了遙感衛(wèi)星高穩(wěn)定一體化結(jié)構(gòu),觀測技術(shù)的發(fā)展使遙感影像的分辨率越來越高,遙感影像分類結(jié)果作為數(shù)據(jù)產(chǎn)品,其數(shù)據(jù)量和更新速率極速增加,故此,對遙感影像分類結(jié)果精度的快速檢驗成為研究熱點之一。抽樣方法作為一種簡單、高效的調(diào)查手段已經(jīng)被運用到遙感影像分類結(jié)果的精度檢驗中,而傳統(tǒng)抽樣方式下的遙感影像分類結(jié)果的精度檢驗方法受樣本量及空間布樣的影響,存在效率低和信息冗余等問題。如何針對遙感影像信息量大、多時相、多光譜等特點,研究適合于遙感影像分類結(jié)果的快速檢驗方法是遙感數(shù)據(jù)投入使用的重要保障。本文旨在研究一種高效的遙感影像分類結(jié)果精度檢驗方法,將空間抽樣理論應(yīng)用于遙感影像分類結(jié)果的精度檢驗中,首先,將遙感影像像元進行空間相關(guān)性分析,通過基于Moran’s I的空間布樣模型對影像中遙感數(shù)據(jù)像元之間的距離與相關(guān)性之間的關(guān)系進行量化,并根據(jù)量化結(jié)果分析遙感數(shù)據(jù)的聚類程度,了解遙感影像中各土地類型空間分布情況;其次,根據(jù)基于Moran’s I的空間布樣算法進行計算分析確定空間布樣方案,解決空間布樣中遙感影像數(shù)據(jù)樣本點分布的難題;通過將基于Moran’s I的空間布樣方法與基于誤差矩陣的精度檢驗方法相結(jié)合,對遙感影像分類結(jié)果進行精度檢驗計算,解決遙感影像分類結(jié)果精度檢驗結(jié)果準確性低的難題;最后利用某區(qū)域真實遙感數(shù)據(jù)驗證該方法的合理性以及其可行性。本文的主要內(nèi)容如下:(1)介紹了遙感影像分類結(jié)果的空間抽樣精度檢驗方法研究背景和意義分析了遙感影像分類結(jié)果精度檢驗的必要性;綜述了遙感影像分類結(jié)果精度檢驗的國內(nèi)外研究現(xiàn)狀;歸納了空間抽樣理論應(yīng)用于遙感影像分類結(jié)果精度檢驗的優(yōu)劣性,以及精度檢驗方案研究中存在的難點和不足之處。(2)解釋了遙感影像分類精度檢驗中的理論基礎(chǔ)及背景知識通過分析遙感影像數(shù)據(jù)的特征,引出了在遙感影像分類結(jié)果精度檢驗中利用空間布樣方法的必要性,并對本文所涉及的空間抽樣理論、精度檢驗方法相關(guān)背景知識和理論基礎(chǔ)進行了解釋和定義。(3)設(shè)計了基于moran’si的遙感影像分類結(jié)果精度檢驗?zāi)Ｐ突趍oran’si實現(xiàn)遙感數(shù)據(jù)像元之間距離與相關(guān)性的定量化分析,確定用于遙感影像分類的抽樣精度檢驗的最佳樣本量和優(yōu)化布樣方式;通過誤差矩陣等,對精度檢驗方法的效率進行評價。(4)實證分析利用上海和武漢某地區(qū)遙感影像進行實驗,通過傳統(tǒng)抽樣方法與設(shè)計方法的比較,驗證了基于moran’si空間布樣的遙感影像分類結(jié)果精度檢驗方法的可行性和合理性。實驗結(jié)果表明:基于moran’si空間布樣的遙感影像分類精度檢驗結(jié)果與全精度檢驗結(jié)果相近,該方法不僅保證遙感影像分類結(jié)果精度檢驗的準確性,而且有效地減少樣本冗余,提高檢驗的時效性。
[Abstract]:High four (2016), the successful launch of the satellite remote sensing high stable integration structure, development of observation technology makes more and more high resolution remote sensing image, remote sensing image classification results as data products, the amount of data and update rate of speed increase, therefore, rapid test on the accuracy of the classification results of remote sensing images has become a research hotspot sampling methods. As a simple and efficient means of investigation, precision test has been applied to remote sensing image classification results, and the method for testing the precision of remote sensing image classification results of traditional sampling methods under the influence of sample size and spatial pattern, which has low efficiency and information redundancy and other issues. According to a large amount of information of remote sensing images, multitemporal, multispectral characteristics, fast detection method for remote sensing image classification results is an important guarantee for remote sensing data. The purpose of this paper is put into use In precision test method research an efficient remote sensing image classification results, the accuracy test of spatial sampling theory is applied to the remote sensing image classification results, firstly, the remote sensing image pixel spatial correlation analysis, the spatial pattern of I model based on Moran 's to image the relation between distance and correlation between pixels in remote sensing data to quantify the degree of clustering, and according to the remote sensing data of quantitative analysis results, understand the spatial distribution of various land types in the remote sensing image; secondly, according to the Moran' s I space pattern algorithm based on the calculation and analysis to determine the solution space pattern, solve the problem of the sample point distribution pattern in space remote sensing data by spatial sampling method; Moran s based on I and precision test error matrix method based on the combination of remote sensing image classification results to test the precision of calculation, solution No problem of remote sensing image classification accuracy test results of low accuracy; finally, verify the rationality of the method and the feasibility of using a regional real remote sensing data. The main contents of this paper are as follows: (1) introduced the classification results of remote sensing image inspection method of spatial sampling precision method research background and significance analyzes the necessity of checking the precision of the classification results remote sensing image; summarizes the classification results of remote sensing image precision testing research status at home and abroad; summarizes the pros and cons of spatial sampling theory is applied to remote sensing image classification accuracy test, and accuracy test scheme research of difficulties and deficiencies. (2) explained the characteristics of remote sensing image data through the theoretical basis and background knowledge the precision of remote sensing image classification test, leads to the necessity in the spatial sampling method using precision inspection in remote sensing image classification results Spatial sampling theory, and involved in this paper, the definition and interpretation of the method of precision inspection of related background knowledge and theoretical basis. (3) the design of the model of remote sensing image classification accuracy test results of Moran 'Si to realize the quantification of remote sensing data between the pixel distance and correlation analysis of Moran Si based on the best sample for sure the sampling precision testing and optimization of sampling mode of remote sensing image classification; through the error matrix, to evaluate the efficiency of the inspection method of accuracy. (4) the empirical analysis experiments using the remote sensing images of Shanghai and Wuhan area, by comparing the traditional sampling method and design method, verify the feasibility accuracy test method of remote sensing image classification results Moran' Si spatial pattern and rationality. Based on experimental results show that: Based on the results of the remote sensing image classification accuracy test of Moran Si 'spatial pattern and The results of the complete accuracy test are similar. This method not only guarantees the accuracy of the accuracy of the classification results of remote sensing images, but also effectively reduces sample redundancy and improves the timeliness of the inspection.

【學位授予單位】：上海海洋大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 黃恩興;;遙感影像分類結(jié)果的不確定性研究[J];中國農(nóng)學通報;2010年05期

2 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

3 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

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 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(yīng)用[J];吉林建筑工程學院學報;2010年04期

8 楊慧;鄭思莉;唐赫;朱文謙;程戰(zhàn)員;;面向?qū)ο蟮奈錆h市街區(qū)公共遙感影像分類研究[J];軟件導刊;2014年01期

9 楊玉靜;馮建輝;;紋理特征提取及輔助遙感影像分類技術(shù)研究[J];海洋測繪;2008年04期

10 李小濤;潘世兵;宋小寧;;基于地質(zhì)統(tǒng)計學紋理特征的遙感影像分類方法研究[J];地理與地理信息科學;2009年02期

相關(guān)會議論文 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(nóng)業(yè)生態(tài)與衛(wèi)星遙感應(yīng)用技術(shù)學術(shù)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(yīng)用[A];《測繪通報》測繪科學前沿技術(shù)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(wǎng)絡(luò)的粗糙表示與遙感影像分類應(yīng)用[A];第十三屆全國遙感技術(shù)學術(shù)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(shù)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(jīng)網(wǎng)絡(luò)遙感影像分類[A];中國儀器儀表學會第九屆青年學術(shù)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(yīng)用[A];第十二屆全國數(shù)學地質(zhì)與地學信息學術(shù)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(jié)果聯(lián)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(jīng)網(wǎng)絡(luò)遙感影像分類[A];2006年中國土地學會學術(shù)年會論文集[C];2006年

10 ;結(jié)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

相關(guān)博士學位論文 前9條

1 王巍;基于Agent的遙感影像分類方法及其應(yīng)用研究[D];中國地質(zhì)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(shù)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(yīng)用[D];武漢大學;2004年

5 易俐娜;面向?qū)ο筮b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(yīng)用研究[D];武漢大學;2010年

相關(guān)碩士學位論文 前10條

1 吳聰;面向?qū)ο蟮母叻直媛蔬b感影像分類在衛(wèi)片執(zhí)法中的應(yīng)用研究[D];昆明理工大學;2015年

2 周楊;面向?qū)ο蟮母叻直媛蔬b感影像分類技術(shù)研究[D];中國地質(zhì)大學(北京);2015年

3 李奇峰;結(jié)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?qū)ο蟮倪b感分類系統(tǒng)研究[D];南京農(nóng)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(nóng)林科技大學;2016年

6 王慧;融合各最優(yōu)尺度下特征的高分辨率遙感影像分類[D];南京信息工程大學;2016年

7 姚嘯;面向?qū)ο蟮母叻诌b感影像分類在森林蓄積量估測中的應(yīng)用研究[D];西安科技大學;2015年

8 麥超;基于稀疏約束受限玻爾茲曼機的高分辨率遙感影像分類[D];長安大學;2016年

9 崔姍姍;基于Hadoop平臺下森林景觀遙感影像分類技術(shù)研究[D];東北林業(yè)大學;2016年

10 陳珂;遙感影像分類結(jié)果的空間抽樣精度檢驗方法研究[D];上海海洋大學;2016年

，

本文編號：1439077