發(fā)布時(shí)間：2021-05-23 19:19

　　全國(guó)林地變更調(diào)查是在全國(guó)林地“一張圖”的基礎(chǔ)上,對(duì)林地范圍、林地保護(hù)利用狀況等進(jìn)行調(diào)查分析,它是提高林地監(jiān)管能力,加強(qiáng)林地保護(hù)利用管理,深化國(guó)家和地方政府宏觀決策管理的重要基礎(chǔ)和支撐。傳統(tǒng)林地變更主要依靠地面測(cè)量,人工勾繪變化邊界,存在工作量大、效率低下以及周期較長(zhǎng)等問題,因此傳統(tǒng)方法已經(jīng)無法適應(yīng)當(dāng)前林地變更調(diào)查的實(shí)際情況。紋理特征具有良好的空間結(jié)構(gòu)特征,它是在圖像分析理解中重要的信息輔助源,如何有效利用高分辨率影像的紋理特征輔助林地變化檢測(cè)成為了目前研究的重點(diǎn)。本文以覆蓋黑龍江省穆棱市境內(nèi)八面通林場(chǎng)的高分1號(hào)衛(wèi)星影像數(shù)據(jù)作為研究對(duì)象,分別通過灰度共生矩陣和二維Gabor濾波器兩種不同的紋理提取技術(shù)進(jìn)行分析討論,通過實(shí)驗(yàn)分析得到兩種紋理信息提取方法輔助林地變化檢測(cè)的技術(shù)手段是可靠可行的。具體的研究?jī)?nèi)容如下:（1）采用灰度共生矩陣提取紋理信息方法。針對(duì)灰度共生矩陣提取出的較多紋理測(cè)度信息進(jìn)行分析,通過研究發(fā)現(xiàn),不同測(cè)度之間存在著較大的相關(guān)性,為此本文對(duì)紋理測(cè)度選擇進(jìn)行了分析討論。（2）采用二維Gabor濾波器提取紋理信息方法。二維Gabor濾波器在時(shí)域頻域具有著非常好的分析檢索能力,其濾... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 變化檢測(cè)國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 紋理國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容
    1.4 技術(shù)路線
    1.5 論文結(jié)構(gòu)
    1.6 本章小結(jié)
2 變化檢測(cè)綜述
    2.1 概述
    2.2 變化檢測(cè)方法
        2.2.1 圖像差值法
        2.2.2 圖像比值法
        2.2.3 內(nèi)積分析法
        2.2.4 PCA變化法
        2.2.5 變化向量法
        2.2.6 影像分割法
        2.2.7 特征級(jí)檢測(cè)法
        2.2.8 分類后比較法
    2.3 本章小結(jié)
3 高分影像預(yù)處理
    3.1 研究區(qū)概況
    3.2 數(shù)據(jù)獲取
    3.3 影像預(yù)處理
        3.3.1 輻射定標(biāo)
        3.3.2 大氣校正
        3.3.3 正射校正
        3.3.4 影像融合
        3.3.5 主成分變換
    3.4 本章小結(jié)
4 紋理特征提取研究
    4.1 灰度共生矩陣提取紋理
        4.1.1 灰度共生矩陣定義
        4.1.2 灰度共生矩陣紋理特征提取步驟
        4.1.3 灰度共生紋理測(cè)度
        4.1.4 紋理提取因子選擇
    4.2 二維Gabor濾波器提取紋理
        4.2.1 Gabor濾波器定義
        4.2.2 二維Gabor濾波器參數(shù)分析
        4.2.3 二維Gabor濾波器自適應(yīng)參數(shù)獲取
        4.2.4 二維Gabor濾波器的參數(shù)優(yōu)選
    4.3 本章小結(jié)
5 林地變化檢測(cè)
    5.1 輔助紋理特征分類
        5.1.1 輔助灰度共生矩陣紋理特征分類
        5.1.2 輔助二維Gabor濾波器紋理特征分類
        5.1.3 二維Gabor濾波器和GLCM兩種方法比較
    5.2 林地變化區(qū)域分析
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄


【參考文獻(xiàn)】：
期刊論文
[1]基于融合和IFLICM算法的非監(jiān)督遙感影像變化檢測(cè)[J]. 嚴(yán)宇,劉耀林.  測(cè)繪通報(bào). 2018(03)
[2]面向?qū)ο蟮亩嗵卣鞣旨?jí)CVA遙感影像變化檢測(cè)[J]. 趙敏,趙銀娣.  遙感學(xué)報(bào). 2018(01)
[3]核典型相關(guān)分析的高分辨遙感影像變化檢測(cè)[J]. 李建磊,王光輝,楊化超.  測(cè)繪科學(xué). 2018(01)
[4]高分辨率遙感影像的深度學(xué)習(xí)變化檢測(cè)方法[J]. 張?chǎng)锡?陳秀萬,李飛,楊婷.  測(cè)繪學(xué)報(bào). 2017(08)
[5]基于小波變換和K-means算法的遙感影像分類[J]. 縱清華,王志宇,過仲陽(yáng),馬品.  杭州師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[6]多尺度分割的高分辨率遙感影像變化檢測(cè)[J]. 佃袁勇,方圣輝,姚崇懷.  遙感學(xué)報(bào). 2016(01)
[7]基于PCA的變化向量分析法遙感影像變化檢測(cè)[J]. 黃維,黃進(jìn)良,王立輝,胡硯霞,韓鵬鵬.  國(guó)土資源遙感. 2016(01)
[8]全國(guó)林地“一張圖”數(shù)據(jù)庫(kù)建設(shè)及擴(kuò)展應(yīng)用[J]. 許等平,李暉,龐麗杰,張煜星,黃國(guó)勝,韓愛惠.  林業(yè)資源管理. 2015(05)
[9]結(jié)合Gabor紋理與幾何特征的高分辨率遙感影像城區(qū)道路提取方法[J]. 胡華龍,吳冰,黃邵美.  測(cè)繪科學(xué)技術(shù)學(xué)報(bào). 2015(04)
[10]基于小波融合和PCA-核模糊聚類的遙感圖像變化檢測(cè)[J]. 慕彩紅,霍利利,劉逸,劉若辰,焦李成.  電子學(xué)報(bào). 2015(07)

博士論文
[1]基于紋理特征的遙感影像居民地提取技術(shù)研究[D]. 金飛.解放軍信息工程大學(xué) 2013
[2]面向?qū)ο蟮母叻直媛视跋癯鞘卸嗵卣髯兓瘷z測(cè)研究[D]. 湯玉奇.武漢大學(xué) 2013
[3]隨機(jī)森林及其在遙感影像處理中應(yīng)用研究[D]. 雷震.上海交通大學(xué) 2012
[4]彩色航空?qǐng)D像森林紋理特征提取方法的研究[D]. 畢于慧.北京林業(yè)大學(xué) 2007

碩士論文
[1]基于GF-1多光譜影像的林地變化檢測(cè)方法研究[D]. 郝榮欣.西安科技大學(xué) 2016
[2]遙感影像變化檢測(cè)方法及應(yīng)用研究[D]. 張家琦.中國(guó)地質(zhì)大學(xué)(北京) 2015
[3]基于Gabor濾波器的紋理特征提取研究及應(yīng)用[D]. 張艷.西安科技大學(xué) 2014
[4]基于遙感TM影像紋理特征的長(zhǎng)江河口流態(tài)信息分析[D]. 喬遠(yuǎn)英.華東師范大學(xué) 2014
[5]遙感圖像變化檢測(cè)研究[D]. 熊羽.昆明理工大學(xué) 2013
[6]基于Gabor濾波器的鐵路圖像軌枕分割[D]. 胡光燦.西南交通大學(xué) 2013
[7]基于紋理特征的典型遙感影像面狀地物提取方法研究[D]. 過林.解放軍信息工程大學(xué) 2011
[8]輔助紋理特征的ALOS影像土地利用/覆蓋分類[D]. 陳霞.浙江大學(xué) 2010
[9]高分辨率遙感圖像的變化檢測(cè)技術(shù)研究[D]. 劉小洲.國(guó)防科學(xué)技術(shù)大學(xué) 2007
[10]地統(tǒng)計(jì)學(xué)和神經(jīng)網(wǎng)絡(luò)在遙感影像分類中的應(yīng)用研究[D]. 李小濤.山東科技大學(xué) 2004



本文編號(hào)：3202845