学位论文 > 优秀研究生学位论文题录展示

基于对象影像分析技术提取日光温室遥感信息方法研究

作　者: 孟育红
导　师: 刘勇
学　校: 兰州大学
专　业: 地图学与地理信息系统
关键词: 基于对象影像分析技术日光温室尺度影像分割最优分割参数选择信息提取精度评价
分类号: S626.5
类　型: 硕士论文
年　份: 2012年
下　载: 87次
引　用: 1次
阅　读: 论文下载

内容摘要

日光温室是中国北方寒冷地区冬季蔬菜生产和冬春育苗的主要保护地设施,发展日光温室蔬菜生产,对于增加淡季蔬菜供应、繁荣市场经济、促进农村发展,增加农民收入具有重要作用,所以精确提取日光温室,研究其空间分布并计算其覆盖面积具有社会经济意义。遥感作为一种覆盖范围广、速度快、能够提供具有客观事实依据的资源调查手段,在日光温室信息提取方面具有很强的针对性。传统基于像元的影像信息提取方法主要针对单个像元进行处理,分类也是针对单个像元进行监督或非监督分类,由于诸多局限性的存在,基于像元的遥感影像信息提取方法已经难以满足当前应用的需要,探索新的影像信息提取技术成为借助遥感手段进行资源调查研究的一个必然趋势。本文采用新兴的基于对象影像分析技术(Object-Based Image Analysis,OBIA),探索高效提取日光温室遥感信息的方法,这对于发展遥感信息自动提取技术具有重要的现实意义。本文以宁夏中卫市及其周边地区作为研究区,采用QuickBird、LALOS、Landsat TM等多种不同分辨率的遥感影像数据,探索使用基于对象影像分析技术从不同分辨率遥感影像提取不同日光温室信息(单栋日光温室、连片日光温室)的方法。首先,论文研究了基于对象影像分析技术中的尺度问题,探讨了基于对象影像分析中尺度的内涵和外延,对比分析了已有尺度转换方法和最优或适宜尺度选择方法的性能,针对不同日光温室信息提取任务选择出了各自的适宜空间分辨率影像,并为每一空间分辨率影像选择出了最优的分割参数。其次针对不同分辨率的遥感影像,研究能够区分日光温室与其它地物类型的影像对象特征,并建立各自日光温室信息提取的规则集,完成了不同分辨率影像上日光温室信息提取。最后探讨适用于基于对象影像分析技术的精度评价方法,对不同分辨率影像上日光温室信息提取结果进行了精度评价,并对不同分辨率影像上日光温室信息提取方法进行了对比分析。通过以上研究,本文得出如下结论：(1)在基于对象影像分析中,尺度是用影像空间分辨率和分割阈值共同表示的；对于特定地物类型,存在一个最大的影像空间分辨率,只有在分辨率小于该最大空间分辨率的影像上才可能提取该地物信息；同时也存在一个适宜空间分辨率,在该空间分辨率的影像上提取该地物信息可以达到最高的精度。(2)局部平均法相比较于最邻近法、双线性内插法和三次卷积法,更适合于基于像元的向上尺度转换；传统局部方差法和特征统计可分性法可以选择出最大影像空间分辨率,但前者选择出的最大影像空间分辨率有偏大的趋势；本文认为提取单栋日光温室的最大影像空间分辨率为1m,而提取连片日光温室的最大影像空间分辨率为20m。(3)在基于对象影像分析技术中,最优分割阈值的实质是一组分割参数(分割尺度、形状因子、紧凑度因子)；Liu等人提出的最优分割参数选择方法(PSE、 NSR、ED)选择出的最优分割参数是最准确的,所以该方法是较好的一种分割参数选择方法。(4)对于连片日光温室,15m分辨率影像在最优分割参数组合下的分割质量最高,6m分辨率影像上日光温室同其他地物类型的可分性最好,但信息提取精度最高的是9m分辨率影像;对于单栋日光温室,1m分辨率的影像在最优分割参数组合下的分割质量较高,但0.61m分辨率的影像上日光温室同其他地物类型的可分性较好,信息提取精度也较高；这说明地物信息提取精度同时受影像分割质量和地物之间可分性的影响。(5)无论是连片日光温室还是单栋日光温室,光谱特征是可以利用的最主要特征,对于连片日光温室,可以使用的光谱特征主要是影像对象所包含的像元灰度值的一阶和二阶统计特征,对于单栋日光温室,可以使用的光谱特征主要是一阶统计特征；形状特征的作用不大,仅能够用于区分具有特殊形状的地物类型,如日光温室同道路；纹理特征的使用可以弥补光谱特征的不足,提高连片日光温室信息提取的精度,但对单栋日光温室信息提取作用不大。

全文目录

中文摘要  3-5
Abstract  5-11
第一章绪论  11-20
  1.1 选题背景和研究意义  11-12
  1.2 国内外研究现状  12-18
    1.2.1 日光温室信息提取方法研究现状  12-13
    1.2.2 基于对象影像分析技术研究现状  13-15
    1.2.3 基于对象影像分析中的尺度问题研究现状  15-18
  1.3 研究内容与论文结构安排  18-20
第二章基于对象的影像分析原理与方法  20-54
  2.1 基于对象的影像分析原理概述  20-21
  2.2 基于对象影像分析中的尺度问题  21-35
    2.2.1 尺度的概念及遥感中的尺度问题  21-23
    2.2.2 基于像元影像分析中的尺度问题  23-27
    2.2.3 基于对象影像分析中的尺度问题  27-35
  2.3 影像分割  35-38
    2.3.1 基于区域的影像分割方法  36
    2.3.2 基于异质性最小原则的分形网络演化算法  36-38
    2.3.3 多尺度分割  38
  2.4 基于对象影像分类  38-43
    2.4.1 模糊分类  39-41
    2.4.2 最近邻分类法  41-42
    2.4.3 隶属度函数法  42-43
  2.5 影像对象的特征  43-50
    2.5.1 光谱特征  43-45
    2.5.2 形状特征  45-47
    2.5.3 纹理特征  47-49
    2.5.4 上下文特征  49-50
    2.5.5 自定义特征  50
  2.6 精度评价  50-52
  2.7 基于对象影像分析技术的流程  52-54
第三章研究区概况及数据预处理  54-58
  3.1 研究区概况  54
  3.2 研究区数据资料  54-56
    3.2.1 遥感影像数据  54-56
    3.2.2 研究区GPS及其他实测数据  56
  3.3 研究区遥感影像数据预处理  56-58
    3.3.1 影像几何精纠正与几何配准  56-57
    3.3.2 影像融合  57-58
第四章基于对象日光温室信息提取  58-117
  4.1 日光温室信息提取最大空间分辨率选择  58-72
    4.1.1 尺度转换方法对比  58-62
    4.1.2 最大分辨率选择方法对比  62-71
    4.1.3 提取日光温室信息的最大分辨率  71-72
  4.2 不同分辨率影像提取日光温室的最优分割参数  72-98
    4.2.1 分割参数的尺度效应  72-83
    4.2.2 最优分割参数选择方法对比  83-93
    4.2.3 最优分割参数选择方法的实现  93-96
    4.2.4 不同分辨率影像提取日光温室的最优分割参数及分析  96-98
  4.3 研究区分类体系  98
  4.4 基于对象日光温室信息提取方案及结果  98-107
    4.4.1 可分性分析  99-102
    4.4.2 日光温室信息提取方案  102-104
    4.4.3 不同分辨率影像日光温室信息提取结果  104-107
  4.5 精度评价与结果分析  107-117
    4.5.1 精度评价  107-108
    4.5.2 结果分析  108-117
第五章结论与不足  117-120
  5.1 主要结论  117-119
  5.2 本文存在的不足  119-120
参考文献  120-126
在学期间的研究成果  126-127
致谢  127-128

基于对象影像分析技术提取日光温室遥感信息方法研究

内容摘要

全文目录

相似论文