本文關(guān)鍵詞：基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：森林小班區(qū)劃是森林資源調(diào)查中的首要任務(wù)和主要內(nèi)容,也是森林資源管理與動態(tài)監(jiān)測的主體業(yè)務(wù),在林業(yè)生產(chǎn)經(jīng)營及林業(yè)與森林生態(tài)環(huán)境等科學研究中有著極其重要的意義。從目前的相關(guān)研究看,由于森林固有的多尺度特點,及小班區(qū)劃時需要考慮來自不同尺度的森林地物信息,加之,高空間分辨率遙感圖像上的光譜信息受限,小班區(qū)劃的技術(shù)指標在圖像上的指示信息有限,采用單一尺度的圖像分割與分類信息進行小班邊界提取難以取得滿意的效果�；诖�,本文在構(gòu)建多尺度層次圖像分割方法并進行最優(yōu)分割尺度選擇的基礎(chǔ)上,構(gòu)建了基于對象基元與林分尺度分類結(jié)果的林分分類指標,并進行林分分類與小班邊界提取,力圖探索一種高分辨率遙感圖像小班邊界提取的新思路。選擇新疆天山西部林業(yè)局的特克斯林場為研究區(qū),按照“森林信息的圖像表征→圖像多尺度分割與信息提取→森林小班對象識別”開展面向山地森林的高空間分辨率遙感小班邊界提取研究。針對天山林區(qū)展開實驗,結(jié)果表明,該方法對于實驗區(qū)的林分分類及小班邊界的提取可以取得比較好的結(jié)果。本文提出的林分分類的多尺度結(jié)構(gòu)指數(shù)不但可以在林業(yè)上進行林分分類、小班邊界提取,還可能用于城市建筑區(qū)或居住區(qū)的劃分、分類等。
【關(guān)鍵詞】：天山森林 高空間分辨率遙感 圖像多尺度分割 圖像分割參數(shù)選擇 特征空間優(yōu)化 林分分類 小班邊界
【學位授予單位】：福建師范大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP751
【目錄】：

• 摘要2-3
• Abstract3-4
• 文摘4-10
• 第1章 緒論10-26
• 1.1 選題背景與依據(jù)10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-22
• 1.2.1 森林小班邊界遙感提取11-16
• 1.2.2 多尺度圖像分割16-21
• 1.2.3 論文切入點21-22
• 1.3 研究內(nèi)容及技術(shù)路線22-24
• 1.3.1 主要研究內(nèi)容22
• 1.3.2 技術(shù)路線22-24
• 1.4 論文組織24-26
• 第2章 研究區(qū)概況與數(shù)據(jù)預(yù)處理26-48
• 2.1 研究區(qū)概況26-31
• 2.1.1 自然地理概況26-29
• 2.1.2 森林資源概況29-31
• 2.2 數(shù)據(jù)資料31-39
• 2.2.1 地形數(shù)據(jù)31
• 2.2.2 遙感數(shù)據(jù)31-32
• 2.2.3 森林資源調(diào)查及野外測量數(shù)據(jù)32-39
• 2.3 數(shù)據(jù)預(yù)處理39-47
• 2.3.1 地形數(shù)據(jù)處理39-40
• 2.3.2 遙感數(shù)據(jù)預(yù)處理40-47
• 2.4 本章小結(jié)47-48
• 第3章 森林遙感圖像特征分析48-62
• 3.1 光譜特征分析48-52
• 3.1.1 光譜統(tǒng)計特征48-49
• 3.1.2 實測地物光譜特征49-51
• 3.1.3 圖像地物光譜特征51-52
• 3.2 紋理特征分析52-60
• 3.2.1 紋理特征分析方法52-55
• 3.2.2 典型地物GLCM紋理特征分析55-60
• 3.3 本章小結(jié)60-62
• 第4章 森林對象多尺度分割62-98
• 4.1 圖像分割方法構(gòu)建62-74
• 4.1.1 區(qū)域生長方法分析64-68
• 4.1.2 分割方法構(gòu)建68-74
• 4.2 分割參數(shù)選擇74-85
• 4.2.1 優(yōu)度實驗法75-79
• 4.2.2 差分進化差異度實驗法79-85
• 4.3 多尺度分割實驗85-96
• 4.3.1 對象基元分割85-93
• 4.3.2 林分尺度分割93-96
• 4.4 本章小結(jié)96-98
• 第5章 基于多尺度圖像分類的小班邊界提取98-138
• 5.1 森林經(jīng)營區(qū)劃系統(tǒng)與小班區(qū)劃技術(shù)98-100
• 5.1.1 森林經(jīng)營區(qū)劃系統(tǒng)98-99
• 5.1.2 小班區(qū)劃技術(shù)標準99-100
• 5.2 多尺度圖像對象分類100-118
• 5.2.1 對象概念100-102
• 5.2.2 對象分類特征的選擇方法102-106
• 5.2.3 對象基元尺度圖像對象分類106-113
• 5.2.4 林分尺度圖像對象分類113-118
• 5.3 林分分類與小班邊界提取118-130
• 5.3.1 林分分類指標構(gòu)建118-123
• 5.3.2 林分分類123-125
• 5.3.3 小班對象構(gòu)建與邊界提取125-130
• 5.4 小班提取結(jié)果分析130-134
• 5.5 本章小結(jié)134-138
• 第6章 結(jié)論與展望138-142
• 6.1 主要研究成果與結(jié)論138-140
• 6.2 主要學科與領(lǐng)域貢獻140-141
• 6.3 研究展望141-142
• 參考文獻142-151
• 攻讀學位期間承擔的科研任務(wù)與主要成果151-153
• 致謝153-155
• 個人簡歷155-158

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 何敏;張文君;王衛(wèi)紅;;面向?qū)ο蟮淖顑?yōu)分割尺度計算模型[J];大地測量與地球動力學;2009年01期

2 黃萬里;李虎;林廣發(fā);余珊;;尺度變化的土地利用類型數(shù)據(jù)的綜合研究[J];地球信息科學學報;2010年03期

3 孔剛,張啟衡;復(fù)雜背景下擴展目標多尺度小波分割策略[J];光電子·激光;2004年02期

4 莫登奎;林輝;李際平;孫華;熊育久;;基于均值漂移的高分辨率影像多尺度分割(英文)[J];廣西師范大學學報(自然科學版);2006年04期

5 賈春陽;李衛(wèi)華;李小春;;基于自適應(yīng)權(quán)值FNEA算法的高分辨率遙感圖像分割[J];國土資源遙感;2013年04期

6 張柳;梅雪;林錦國;饒斐;;小波多尺度C-V模型的紅外圖像分割[J];機床與液壓;2008年07期

7 張驥祥;戴居豐;鄭宏興;;基于小波域隱馬爾可夫模型多尺度圖像分割[J];天津大學學報;2008年05期

8 沈占鋒;駱劍承;胡曉東;孫衛(wèi)剛;;高分辨率遙感影像多尺度均值漂移分割算法研究[J];武漢大學學報(信息科學版);2010年03期

9 劉龍飛,陳云浩,李京;遙感影像紋理分析方法綜述與展望[J];遙感技術(shù)與應(yīng)用;2003年06期

10 張秀英;馮學智;江洪;;面向?qū)ο蠓诸惖奶卣骺臻g優(yōu)化[J];遙感學報;2009年04期

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 陳雁;可見光遙感圖像分割與提取研究[D];中國科學技術(shù)大學;2010年

2 黃慧萍;面向?qū)ο笥跋穹治鲋械某叨葐栴}研究[D];中國科學院研究生院（遙感應(yīng)用研究所）;2003年

3 金飛;基于紋理特征的遙感影像居民地提取技術(shù)研究[D];解放軍信息工程大學;2013年

4 劉建華;高空間分辨率遙感影像自適應(yīng)分割方法研究[D];福州大學;2011年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 趙艷麗;差分進化算法在圖像處理中的應(yīng)用研究[D];中國石油大學;2010年

  本文關(guān)鍵詞：基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究，由筆耕文化傳播整理發(fā)布。

本文編號：324663