發(fā)布時間：2021-04-19 12:01

　　為了探究國產(chǎn)高分數(shù)據(jù)在樹種分類領(lǐng)域的應用潛力,該文基于東北內(nèi)蒙古重點國有林區(qū)部分區(qū)域范圍內(nèi)的高分二號影像及地面調(diào)查數(shù)據(jù),主要研究了樹種分類過程中的多尺度分割參數(shù)確定方法和特征優(yōu)選方法,并對分類結(jié)果提取出的小班優(yōu)勢樹種誤差情況進行了分析,為國產(chǎn)高分數(shù)據(jù)林業(yè)應用提供了可靠參考。該文的主要研究工作有:（1）以高分二號多光譜和全色影像為數(shù)據(jù)源,采用分水嶺分割與多尺度分割兩種常用分割算法進行影像分割實驗。結(jié)果表明,與分水嶺分割算法相比,多尺度分割算法分割所得影像對象保留了更好的林分特征,具有明顯的應用優(yōu)勢。在分割參數(shù)確定階段,該文采用控制單一因子法,分階段確定了形狀因子和緊致度因子在同質(zhì)性準則組合參數(shù)中所占權(quán)重的最佳值。然后,在以上兩因子的配合下采用最優(yōu)分割尺度估計工具ESP2計算了最優(yōu)分割尺度所在范圍,繼而采用本文提出的基于樹種樣本點對的最優(yōu)分割尺度評價點指數(shù)法評價了不同尺度分割效果的優(yōu)劣。在確定最優(yōu)分割尺度后,開展實驗反向驗證該尺度參數(shù)下的最佳同質(zhì)性準則組合參數(shù)分割效果。通過正向?qū)嶒炁c反向驗證相結(jié)合的方式,確定了該文樹種分類的影像分割最佳參數(shù),有效分割出了影像上的林分特征。（2）傳感器空間分... 

【文章來源】：北京林業(yè)大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 研究背景
        1.1.1 高分遙感影像解譯
        1.1.2 影像分割結(jié)果評價
        1.1.3 特征優(yōu)選
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 研究目標、內(nèi)容和路線
        1.3.1 研究目標
        1.3.2 研究內(nèi)容
        1.3.3 技術(shù)路線
2 研究區(qū)概況及數(shù)據(jù)
    2.1 研究區(qū)概況
        2.1.1 地理位置
        2.1.2 氣候、物候
        2.1.3 樹種概況
    2.2 遙感數(shù)據(jù)及預處理
        2.2.1 數(shù)據(jù)
        2.2.2 預處理
    2.3 地面調(diào)查數(shù)據(jù)
    2.4 DEM數(shù)據(jù)
3 影像分割
    3.1 常用分割方法
        3.1.1 分水嶺分割
        3.1.2 多尺度分割
        3.1.3 分割效果對比
    3.2 分割算法參數(shù)
        3.2.1 MRS算法參數(shù)
        3.2.2 同質(zhì)性準則組合參數(shù)
        3.2.3 尺度參數(shù)
    3.3 分割效果評價方法
        3.3.1 分割效果分類
        3.3.2 評價方法
    3.4 分割參數(shù)確定
        3.4.1 同質(zhì)性標準組合參數(shù)
        3.4.2 最優(yōu)分割尺度估計
        3.4.3 多尺度分割效果評價
4 樹種分類及優(yōu)勢樹種提取
    4.1 分類特征集
        4.1.1 樣本選取
        4.1.2 特征提取
        4.1.3 統(tǒng)計分析選取特征法
        4.1.4 建模選取特征法
    4.2 分類精度評價
    4.3 分類方法與結(jié)果
        4.3.1 K最鄰近分類
        4.3.2 支持向量機
        4.3.3 決策樹
        4.3.4 隨機森林
    4.4 優(yōu)勢樹種提取
5 結(jié)論和展望
    5.1 結(jié)論
    5.2 展望
參考文獻
個人簡介
導師簡介
獲得成果目錄
致謝


【參考文獻】：
期刊論文
[1]特征貢獻度與PCA結(jié)合的遙感影像分類特征選擇優(yōu)化方法研究[J]. 孫俊嬌,王萍,張英,馮志賢,桑會勇.  測繪與空間地理信息. 2018(01)
[2]面向?qū)ο蟮亩嗵卣鞣旨塁VA遙感影像變化檢測[J]. 趙敏,趙銀娣.  遙感學報. 2018(01)
[3]分割尺度對面向?qū)ο髽浞N分類的影響及評價[J]. 毛學剛,陳文曲,魏晶昱,范文義.  林業(yè)科學. 2017(12)
[4]神農(nóng)架川金絲猴棲息地優(yōu)勢喬木樹種遙感識別及其分布特征[J]. 林麗群,汪正祥,雷耘,李亭亭,王俊,楊敬元.  生態(tài)學報. 2017(19)
[5]基于高分二號的云南松林遙感影像提取方法研究[J]. 汪紅,馬云強,石雷.  云南地理環(huán)境研究. 2017(02)
[6]基于面向?qū)ο蟮默q春地區(qū)高分辨率遙感影像分類研究[J]. 張忠斌.  測繪與空間地理信息. 2017(02)
[7]基于小波變換和隨機森林的森林類型分類研究[J]. 呂杰,汪康寧,李崇貴,馬婷.  西北林學院學報. 2016(06)
[8]面向?qū)ο蟮倪b感影像最優(yōu)分割尺度監(jiān)督評價[J]. 莊喜陽,趙書河,陳誠,叢佃敏,曲永超.  國土資源遙感. 2016(04)
[9]基于高分二號多光譜數(shù)據(jù)的樹種識別方法[J]. 尹凌宇,覃先林,孫桂芬,祖笑鋒,陳小中.  林業(yè)資源管理. 2016(04)
[10]結(jié)合多尺度紋理特征的遙感影像面向?qū)ο蠓诸怺J]. 林雪,彭道黎,黃國勝,王雪軍.  測繪工程. 2016(07)

博士論文
[1]中高分辨率遙感影像森林類型精細分類與森林資源變化監(jiān)測技術(shù)研究[D]. 任沖.中國林業(yè)科學研究院 2016
[2]高分辨率遙感森林植被分類提取研究[D]. 李偉濤.北京林業(yè)大學 2016
[3]基于知識的高分辨率遙感影像耕地自動提取技術(shù)研究[D]. 孫家波.中國農(nóng)業(yè)大學 2014
[4]高分辨率遙感影像多尺度紋理、形狀特征提取與面向?qū)ο蠓诸愌芯縖D]. 黃昕.武漢大學 2009
[5]面向?qū)ο笥跋穹治鲋械某叨葐栴}研究[D]. 黃慧萍.中國科學院研究生院（遙感應用研究所） 2003

碩士論文
[1]基于多層次分割分類模型及其特征空間優(yōu)化的高分辨率遙感影像城市建筑物提取研究[D]. 黨濤.蘭州大學 2018
[2]地理本體驅(qū)動的多源遙感影像SVM分類及變化檢測研究[D]. 徐強強.蘭州交通大學 2017
[3]基于GF-1影像的森林分類及景觀格局分析[D]. 郝寧燕.西安科技大學 2016
[4]考慮植被季相節(jié)律的高分辨率遙感影像城市森林分類[D]. 任芯雨.南京林業(yè)大學 2016
[5]基于面向?qū)ο蟮母叻忠惶栠b感影像森林分類研究[D]. 董心玉.東北林業(yè)大學 2016
[6]基于多層次分割的遙感影像面向?qū)ο笊址诸怺D]. 馬浩然.北京林業(yè)大學 2014



本文編號：3147513