水系作為至關重要的地理國情要素,精確獲取其空間分布和變化頻率等具有舉足輕重的意義。隨著現(xiàn)代遙感技術的快速發(fā)展,高分辨率遙感影像為我們獲取數(shù)據(jù)以及使用前沿技術手段提供了可靠的數(shù)據(jù)支撐。本文以2009年12月份杭州市部分城區(qū)WordView-2高分辨率遙感影像為數(shù)據(jù)源及研究區(qū),影像包括空間分辨率為1.8 m的8個多光譜波段影像,以及空間分辨率為0.5 m的全色波段影像,通過遙感影像預處理,采用面向對象的方法用于研究水系信息的提取。面向對象的影像分析技術,基于的是影像分割形成的對象而不是傳統(tǒng)意義上的像元,這可以充分利用高分辨率遙感影像豐富的光譜、形狀、紋理、空間關系等特征信息。傳統(tǒng)的依賴于人工目視解譯的方式,如何實現(xiàn)對水系信息的快速、準確提取是近幾年的研究重點。論文的主要內(nèi)容有以下幾個部分:（1）在WordView-2高分辨率遙感影像的預處理方面,本文以ENVI軟件為平臺,依次對數(shù)據(jù)進行影像融合、正射校正、影像裁剪的處理操作,并分別使用Brovey變換融合、Gram-schmidt Pan Sharpening（GS）、NNDiffuse三種融合方法,以信息熵、均值與標準差、平均梯度為質(zhì)量評... 

【文章來源】：成都理工大學四川省

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【部分圖文】：

研究區(qū)域及實驗影像

成都理工大學專業(yè)碩士學位論文價也具有一定的可行性。因此，需要與客觀的定量評價標準相結合對遙感影像融合質(zhì)量進行綜合評價。2.3.2.1 定性質(zhì)量評價經(jīng)過三種不同融合方式處理的遙感圖像，效果分別如圖（2-2）至圖（2-4）所示：

成都理工大學專業(yè)碩士學位論文價也具有一定的可行性。因此，需要與客觀的定量評價標準相結合對遙感影像融合質(zhì)量進行綜合評價。2.3.2.1 定性質(zhì)量評價經(jīng)過三種不同融合方式處理的遙感圖像，效果分別如圖（2-2）至圖（2-4）所示：

【參考文獻】：
期刊論文
[1]基于面向對象的咸陽湖水體提取方法研究[J]. 趙文琳,羊秀娟.  安徽農(nóng)學通報. 2018(16)
[2]基于SEaTH算法的蘆山地震無人機低空遙感影像信息對象級分類[J]. 王之,劉超,劉秀菊,魯恒,蔡詩響,楊正麗.  地震研究. 2018(02)
[3]高分辨率遙感影像5種面向對象分類方法對比研究[J]. 林卉,邵聰穎,李海濤,顧海燕,王李娟.  測繪通報. 2017(11)
[4]基于面向對象算法的道路信息提取研究[J]. 王旭,戴激光.  測繪與空間地理信息. 2017(09)
[5]面向對象的形態(tài)學建筑物指數(shù)及其高分辨率遙感影像建筑物提取應用[J]. 林祥國,張繼賢.  測繪學報. 2017(06)
[6]采用國產(chǎn)GF-2遙感影像的復雜水網(wǎng)平原水體信息提取[J]. 付勇勇,王旭航,鄧勁松,葉自然,周夢夢,尤淑撐,關濤.  浙江大學學報(工學版). 2017(12)
[7]基于NDWI分割與面向對象的水體信息提取[J]. 童李霞,燕琴,駱成鳳,杜英坤.  地理空間信息. 2017(05)
[8]面向對象的遙感影像水域信息提取應用研究——以西藏（東）地區(qū)為例[J]. 李芹,陽春花,梁雪松,王智甫.  測繪地理信息. 2016(06)
[9]面向對象的城鎮(zhèn)水體信息提取技術研究[J]. 于桓飛,田文婷,王新,王學強.  浙江水利水電學院學報. 2016(05)
[10]基于高空間分辨率遙感影像的城市綠地提取方法研究[J]. 陳紅順,賀輝,肖紅玉.  環(huán)境科學與管理. 2016(10)

博士論文
[1]基于知識的高分辨率遙感影像耕地自動提取技術研究[D]. 孫家波.中國農(nóng)業(yè)大學 2014
[2]高分辨率遙感影像對象分類方法研究及其城鄉(xiāng)規(guī)劃監(jiān)測應用[D]. 李海霞.中國農(nóng)業(yè)大學 2014
[3]基于特征知識庫的遙感信息提取技術研究[D]. 高偉.中國地質(zhì)大學 2010
[4]高分辨率遙感影像多尺度紋理、形狀特征提取與面向對象分類研究[D]. 黃昕.武漢大學 2009
[5]高分辨率遙感影像在城市綠地信息提取中的應用研究[D]. 費鮮蕓.山東農(nóng)業(yè)大學 2006

碩士論文
[1]基于專家知識和改進SEaTH算法的遙感影像土地覆被分類研究[D]. 姚戀秋.南京師范大學 2018
[2]面向對象的高分辨率遙感影像土地覆被分類制圖研究[D]. 韓希光.蘭州大學 2018
[3]面向對象的高分遙感影像建筑物提取方法研究[D]. 朱姝.成都理工大學 2017
[4]基于GF-2影像面向對象土地利用信息提取研究[D]. 胡佳佳.成都理工大學 2017
[5]基于高分辨率遙感影像紋理特征的面向對象植被分類方法研究[D]. 楊盼盼.云南師范大學 2017
[6]基于特征選擇的數(shù)據(jù)降維算法研究[D]. 余大龍.安徽大學 2017
[7]高分辨率遙感影像融合及面向對象信息提取研究[D]. 徐鵬.北京交通大學 2017
[8]基于分割的高分辨率遙感影像建筑物提取方法[D]. 蔡淑寬.福建師范大學 2017
[9]高分辨率遙感影像面向對象的綠地信息提取方法研究[D]. 馬鑫.寧夏大學 2017
[10]基于面向對象的遙感影像梯田信息提取研究[D]. 張雨果.西北農(nóng)林科技大學 2016



本文編號：3145136