發(fā)布時間：2021-05-26 18:18

　　隨著科學技術(shù)的發(fā)展,遙感影像的空間分辨率、時間分辨率以及光譜分辨率有了顯著提高,在環(huán)境監(jiān)測、土地利用、國防軍事等領(lǐng)域發(fā)揮著越來越重要的作用。高分辨率遙感影像雖然具有突出的結(jié)構(gòu)和紋理特征,信息量豐富,但是其波段較少,光譜信息不足,存在“同物異譜”和“同譜異物”的現(xiàn)象,這些因素使得影像的信息提取變得更加復雜和困難。對于遙感影像的分類,模糊方法已顯示出在分析混合像元、提高分類精度方面上的優(yōu)勢。作為世界著名的影像分析軟件,eCognition的基本思想就是面向?qū)ο蟮哪：诸悺Ｍ瑫r,紋理作為影像中的重要特征,體現(xiàn)了空間結(jié)構(gòu)信息,在分類時也是一個不可忽視的重要因素�；谝陨峡紤],為了對面向?qū)ο蟮姆诸惣夹g(shù)和模糊分類的思想有更加全面的認識,本文選用經(jīng)過了預(yù)處理后的昆明地區(qū)的四塊QuickBird影像作為實驗數(shù)據(jù),對基于像素的模糊分類和面向?qū)ο蟮哪：诸愓归_研究,以期獲得運用Fuzzy logic分類的實驗結(jié)果。實驗工作包括：（1）以eCognition軟件為實驗平臺,在其規(guī)則模式和快速制圖模式下,運用模糊邏輯算法,對實驗區(qū)影像分別進行了面向?qū)ο蟮姆诸�。對多尺度分割、光譜差異分割以及邊緣提取算法進行了研... 

【文章來源】：昆明理工大學云南省

【文章頁數(shù)】：120 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
目錄
圖目錄
表目錄
第一章 緒論
    1.1 研究背景和意義
    1.2 遙感影像信息提取技術(shù)
        1.2.1 遙感影像信息提取方法
        1.2.2 遙感影像分類
        1.2.3 遙感影像信息提取研究現(xiàn)狀和發(fā)展趨勢
    1.3 研究目的和內(nèi)容
    1.4 論文章節(jié)安排
第二章 實驗區(qū)影像數(shù)據(jù)及其預(yù)處理
    2.1 高分辨率衛(wèi)星影像
        2.1.1 高分辨率遙感衛(wèi)星概覽
        2.1.2 QuickBird衛(wèi)星
        2.1.3 QuickBird影像數(shù)據(jù)及其特點
    2.2 實驗區(qū)數(shù)據(jù)(Data Set)
        2.2.1 實驗區(qū)數(shù)據(jù)(Data set)
    2.3 影像的預(yù)處理(Pre-processing)
第三章 模糊邏輯理論及其在影像分類中的應(yīng)用
    3.1 模糊理論介紹
        3.1.1 模糊理論的產(chǎn)生
        3.1.2 模糊集合(Fuzzy set)
        3.1.3 模糊邏輯(Fuzzy logic)
        3.1.4 模糊算子與模糊蘊含(Fuzzy operator and implication)
        3.1.5 隸屬函數(shù)(Membership function)
        3.1.6 隸屬函數(shù)的確定
    3.2 模糊理論在遙感影像分類中的應(yīng)用
        3.2.1 模糊模式分類方法
        3.2.2 遙感影像的模糊分類系統(tǒng)
        3.2.3 采用模糊分類技術(shù)的遙感影像分類的文獻綜述
第四章 運用模糊算法的面向?qū)ο蠓诸?br>    4.1 遙感影像分割
        4.1.1 影像分割概述
        4.1.2 影像分割算法(Image segmentation algorithm)
    4.2 分類(Classification)
        4.2.1 模糊邏輯和隸屬度函數(shù)法
        4.2.2 最鄰近分類法
    4.3 運用模糊邏輯的面向?qū)ο笥跋穹诸悓嶒?br>        4.3.1 實驗一:基于知識庫的分類實驗
        4.3.2 實驗二:基于樣本的分類實驗
        4.3.3 實驗三:快速制圖模式下的分類實驗
    4.4 精度評估及結(jié)果分析
        4.4.1 精度評估概述
        4.4.2 實驗一精度評估和分析
        4.4.3 實驗二精度評估及分析
        4.4.4 實驗三精度評估及分析
第五章 基于像素并結(jié)合紋理的模糊分類
    5.1 灰度共生矩陣紋理分析方法
        5.1.1 灰度共生矩陣的定義
        5.1.2 灰度共生矩陣紋理測度
        5.1.3 灰度共生矩陣的紋理計算
        5.1.4 計算灰度共生矩陣及紋理測度的MATLAB程序
        5.1.5 紋理實驗結(jié)果分析
    5.2 基于像素的模糊分類(實驗四)
        5.2.1 模糊分類系統(tǒng)設(shè)計
        5.2.2 引入紋理特征后的模糊分類
        5.2.3 基于紋理特征模糊分類的MATLAB程序
    5.3 MATLAB下引入紋理特征的模糊分類精度評價
第六章 實驗結(jié)果的分析、比較與研究
    6.1 OBIA與PIA的分類比較
    6.2 eCognition與MATLAB的分類比較
    6.3 精度評估方法與結(jié)果探討
    6.4 結(jié)論
第七章 論文感言與展望
    7.1 論文總結(jié)
    7.2 論文的不足與將來的工作
致謝
參考文獻/Reference
附錄Ⅰ 攻讀學位其間發(fā)表的論文附錄
附錄Ⅱ eCognition使用說明
附錄Ⅲ MATLAB模糊邏輯工具箱使用說明
附錄Ⅳ ERDAS軟件監(jiān)督分類操作說明


【參考文獻】：
期刊論文
[1]一種新的遙感圖像海岸線檢測方法[J]. 李傳龍,李穎,馬龍.  計算機仿真. 2010(08)
[2]基于混合多分類器結(jié)合算法的遙感分類[J]. 楊海波,王宗敏,張濤.  計算機工程. 2010(11)
[3]遙感影像分類結(jié)果的不確定性研究[J]. 黃恩興.  中國農(nóng)學通報. 2010(05)
[4]基于Matlab的高速公路路面狀況分類評價[J]. 李星.  廣州建筑. 2010(01)
[5]基于最小異質(zhì)性區(qū)域生長法的多尺度城市地物影像分割[J]. 肖奧,趙文吉.  首都師范大學學報(自然科學版). 2010(01)
[6]面向?qū)ο笊址诸惖亩喾诸惼鹘Y(jié)合方法研究[J]. 李春干,邵國凡.  南京林業(yè)大學學報(自然科學版). 2010(01)
[7]高空間分辨率遙感影像分割方法研究綜述[J]. 劉建華,毛政元.  遙感信息. 2009(06)
[8]基于支持向量機的遙感圖像分析與處理[J]. 何曰光.  武警工程學院學報. 2009(06)
[9]多種分類器融合的遙感影像分類[J]. 張丹,楊斌,張瑞禹.  遙感信息. 2009(05)
[10]輔以紋理特征的面向?qū)ο蟮倪b感影像分類方法研究——以陜西省楊陵縣為例[J]. 鮑海英,李艷,趙萍.  遙感信息. 2009(04)

碩士論文
[1]遙感數(shù)字圖像類特征的二階統(tǒng)計紋理分析[D]. 呂鵬.昆明理工大學 2010
[2]高分辨率多源遙感影像融合與鑲嵌、制圖研究[D]. 楊紅衛(wèi).蘭州大學 2010
[3]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 2010
[4]紋理信息在遙感影像分類中的應(yīng)用[D]. 黃麗梅.山東師范大學 2009
[5]基于對象的城市遙感影像分類方法及應(yīng)用研究[D]. 欽偉瑾.長安大學 2009
[6]紋理特征提取算法及其在面向?qū)ο蠓诸惣夹g(shù)中的應(yīng)用研究[D]. 章智儒.電子科技大學 2009
[7]面向?qū)ο蟮睦ッ鞯岢刈恿饔蚋叻直媛蔬b感影像地物信息提取[D]. 衣燕.昆明理工大學 2009
[8]面向?qū)ο筮b感影像分類方法及其應(yīng)用研究[D]. 汪求來.南京林業(yè)大學 2008
[9]面向?qū)ο蟮倪b感影像模糊分類方法研究[D]. 顏宏娟.西安科技大學 2008
[10]基于灰度共生法和小波變換的遙感影像紋理信息提取[D]. 曾文華.東北師范大學 2006



本文編號：3206836