伴隨著遙感技術的長足發(fā)展,越來越多的高空間分辨率遙感影像得到應用,為快速準確獲得豐富的地面信息創(chuàng)造了有利的條件。常規(guī)以像元技術為基礎對遙感影像信息進行提取的方法,其主要考慮地物的光譜特性,沒有考慮其空間和紋理特征,造成影像信息的流失。面向對象提取方法的出現(xiàn),彌補了像元分類的不足,該方法以影像對象為基本單元,首先分割影像對象然后進行分類,分割時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的分類方法導致的同一地物范圍內像元的錯分、漏分現(xiàn)象,減輕了“椒鹽現(xiàn)象”。本文進行了分層次多尺度分割的面向對象技術研究。研究過程以海南省三亞市亞龍灣度假區(qū)為實驗區(qū),以Quick Bird影像為數(shù)據源,選用基于面向對象軟件eCognition9.0進行影像分割和分類,最終在分類精度上取得了比較理想的成果。本文主要研究內容如下:.1.融合效果的優(yōu)劣很大程度上影響目標地物的分類精度。為獲得高質量的遙感影像,本文基于 ENVI 軟件進行 PC Spectral Sharpening、Brovey、Gram-Schmidt、NNDIffuse Pan Sharpening四種融合方法的對比實驗,綜合主客觀評價...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 選題背景
    1.2 國內外研究現(xiàn)狀
        1.2.1 遙感影像解譯過程的發(fā)展現(xiàn)狀
        1.2.2 最優(yōu)尺度的參數(shù)選擇
    1.3 研究方法和技術路線
        1.3.1 研究內容和方法
        1.3.2 技術路線
        1.3.3 章節(jié)安排
2 面向對象的信息提取技術
    2.1 影像分割技術
    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
        2.4.1 閾值分類
        2.4.2 模糊分類
        2.4.3 eCognition中模糊分類實現(xiàn)
    2.5 本章總結
3 數(shù)據預處理與影像融合
    3.1 實驗區(qū)概況
    3.2 遙感影像預處理
        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果與評價
        3.4.1 影像融合主觀評價
        3.4.2 影像融合的客觀評價
    3.5 影像增強
    3.6 本章小結
4 面向對象的分類實驗
    4.1 多尺度分割
        4.1.1 波段權重
        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)分割尺度獲取實驗
        4.2.2 e Cognition中參數(shù)設置的實現(xiàn)
        4.2.3 多尺度分割的層次構建
    4.3 面向對象的主要地物信息分層提取
        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)則集分類實現(xiàn)
    4.4 面向對象的最鄰近分類法
    4.5 分類精度評價
        4.5.1 精度評價的相關概念
        4.5.2 基于多尺度分割與規(guī)則集分類的精度評價
        4.5.3 基于面向對象最鄰近分類的精度評價
    4.6 本章小結
5 結論與展望
    5.1 研究結論
    5.2 存在的問題與展望
致謝
參考文獻



本文編號：3821326