伴隨著遙感技術(shù)的長(zhǎng)足發(fā)展,越來(lái)越多的高空間分辨率遙感影像得到應(yīng)用,為快速準(zhǔn)確獲得豐富的地面信息創(chuàng)造了有利的條件。常規(guī)以像元技術(shù)為基礎(chǔ)對(duì)遙感影像信息進(jìn)行提取的方法,其主要考慮地物的光譜特性,沒(méi)有考慮其空間和紋理特征,造成影像信息的流失。面向?qū)ο筇崛》椒ǖ某霈F(xiàn),彌補(bǔ)了像元分類(lèi)的不足,該方法以影像對(duì)象為基本單元,首先分割影像對(duì)象然后進(jìn)行分類(lèi),分割時(shí)深入分析了高分辨率影像的特征,有效避免了以像元為基礎(chǔ)的分類(lèi)方法導(dǎo)致的同一地物范圍內(nèi)像元的錯(cuò)分、漏分現(xiàn)象,減輕了“椒鹽現(xiàn)象”。本文進(jìn)行了分層次多尺度分割的面向?qū)ο蠹夹g(shù)研究。研究過(guò)程以海南省三亞市亞龍灣度假區(qū)為實(shí)驗(yàn)區(qū),以Quick Bird影像為數(shù)據(jù)源,選用基于面向?qū)ο筌浖㧐Cognition9.0進(jìn)行影像分割和分類(lèi),最終在分類(lèi)精度上取得了比較理想的成果。本文主要研究?jī)?nèi)容如下:.1.融合效果的優(yōu)劣很大程度上影響目標(biāo)地物的分類(lèi)精度。為獲得高質(zhì)量的遙感影像,本文基于 ENVI 軟件進(jìn)行 PC Spectral Sharpening、Brovey、Gram-Schmidt、NNDIffuse Pan Sharpening四種融合方法的對(duì)比實(shí)驗(yàn),綜合主客觀評(píng)價(jià)...

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 選題背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 遙感影像解譯過(guò)程的發(fā)展現(xiàn)狀
        1.2.2 最優(yōu)尺度的參數(shù)選擇
    1.3 研究方法和技術(shù)路線
        1.3.1 研究?jī)?nèi)容和方法
        1.3.2 技術(shù)路線
        1.3.3 章節(jié)安排
2 面向?qū)ο蟮男畔⑻崛〖夹g(shù)
    2.1 影像分割技術(shù)
    2.2 多尺度分割方法
    2.3 遙感影像的特征描述
        2.3.1 影像的光譜特征
        2.3.2 影像的形狀特征
        2.3.3 影像的紋理特征
        2.3.4 e Cognition自定義特征描述
    2.4 影像分類(lèi)
        2.4.1 閾值分類(lèi)
        2.4.2 模糊分類(lèi)
        2.4.3 eCognition中模糊分類(lèi)實(shí)現(xiàn)
    2.5 本章總結(jié)
3 數(shù)據(jù)預(yù)處理與影像融合
    3.1 實(shí)驗(yàn)區(qū)概況
    3.2 遙感影像預(yù)處理
        3.2.1 輻射校正
        3.2.2 幾何校正
    3.3 影像融合
        3.3.1 PC Spectral Sharpening
        3.3.2 Brovey
        3.3.3 .Gram-Schmidt
        3.3.4 NNDIffuse Pan Sharpening(NNDI)
    3.4 高分遙感影像融合結(jié)果與評(píng)價(jià)
        3.4.1 影像融合主觀評(píng)價(jià)
        3.4.2 影像融合的客觀評(píng)價(jià)
    3.5 影像增強(qiáng)
    3.6 本章小結(jié)
4 面向?qū)ο蟮姆诸?lèi)實(shí)驗(yàn)
    4.1 多尺度分割
        4.1.1 波段權(quán)重
        4.1.2 光譜因子與形狀因子
        4.1.3 分割尺度
    4.2 確定地物最佳尺度分割
        4.2.1 最優(yōu)分割尺度獲取實(shí)驗(yàn)
        4.2.2 e Cognition中參數(shù)設(shè)置的實(shí)現(xiàn)
        4.2.3 多尺度分割的層次構(gòu)建
    4.3 面向?qū)ο蟮闹饕匚镄畔⒎謱犹崛?br>        4.3.1 水域信息提取
        4.3.2 植被信息提取
        4.3.3 道路信息提取
        4.3.4 建筑物、裸地信息提取
        4.3.5 e Cognition中規(guī)則集分類(lèi)實(shí)現(xiàn)
    4.4 面向?qū)ο蟮淖钹徑诸?lèi)法
    4.5 分類(lèi)精度評(píng)價(jià)
        4.5.1 精度評(píng)價(jià)的相關(guān)概念
        4.5.2 基于多尺度分割與規(guī)則集分類(lèi)的精度評(píng)價(jià)
        4.5.3 基于面向?qū)ο笞钹徑诸?lèi)的精度評(píng)價(jià)
    4.6 本章小結(jié)
5 結(jié)論與展望
    5.1 研究結(jié)論
    5.2 存在的問(wèn)題與展望
致謝
參考文獻(xiàn)



本文編號(hào)：3821326