学位论文 > 优秀研究生学位论文题录展示

基于对象的城市遥感影像分类方法及应用研究

作　者: 钦伟瑾
导　师: 杨志强；王晓鹏
学　校: 长安大学
专　业: 资源与环境遥感
关键词: 城市遥感影像分类像元法面向对象法精度评价
分类号: P237
类　型: 硕士论文
年　份: 2009年
下　载: 342次
引　用: 4次
阅　读: 论文下载

内容摘要

高分辨率影像具有越来越丰富的空间信息和纹理信息,传统的基于像元的信息提取方法已经越来越不能满足处理的需要,面向对象的遥感信息提取方法应运而生,有效避免了信息提取中常见的“椒盐现象”,保证了信息提取的完整性且提高了分类精度。本文在研读大量国内外文献的基础上,论述了基于像元法与面向对象法的分类原理,分析了面向对象信息提取方法的优势及用于城市区域高分辨率遥感影像的可行性,以Ecognition为软件平台实现了遥感信息提取的全部过程。论文以西安市阎良区快鸟影像为例,用两种信息提取方法实现分类,结果表明面向对象法优势更为明显。多尺度分割是面向对象法的一大亮点,先对研究区多次实验得到适合不同地物的分割参数,建立三个层的分割体系,分割尺度、光滑度因子和色彩因子分别是(85,0.8,0.5),(65,0.9,0.6),(30,0.9,0.5);根据各类型特点选择提取方法,Ecognition软件提供最邻近法和成员函数法,还可以用自定义的相关特征优化分类结果。本文以自定义特征提取水体、阴影、植被;以成员函数法提取道路;以最邻近法提取裸地和建筑用地。精度评价方面不仅用传统的误差矩阵法对两种信息提取方法的分类结果进行了评价与比较,还以最佳分类结果和分类稳定性两种基于模糊数学的评价方法对面向对象法单独进行评价。本文以高分辨率影像为数据源,将面向对象的信息提取方法应用到城市分类中,为城市地物信息调查提供了一种新的方法。其算法较为成熟,分类结果较为完整,无论从目视效果还是精度评价方面,均表明面向对象的信息提取法有着无比优越的前景。

全文目录

摘要  5-6
Abstract  6-11
第一章绪论  11-17
  1.1 研究意义  11
  1.2 传统分类方法研究现状  11-12
  1.3 面向对象分类方法的提出及研究现状  12-15
    1.3.1 国外研究现状  12-13
    1.3.2 国内研究现状  13-15
  1.4 本文研究路线、研究平台及研究方法  15-16
    1.4.1 本文研究路线  15
    1.4.2 本文研究平台  15-16
    1.4.3 本文研究方法  16
  1.5 本文研究的组织结构  16-17
第二章基于像元的遥感影像分类方法  17-21
  2.1 监督分类法的步骤  17
    2.1.1 选择训练区  17
    2.1.2 提取统计信息  17
    2.1.3 评价样本的有效性  17
  2.2 监督分类法的算法  17-19
    2.2.1 最大似然法  18
    2.2.2 马氏距离法  18-19
    2.2.3 最小距离法  19
  2.3 监督分类法评析  19-20
  2.4 本章小结  20-21
第三章面向对象的遥感影像分类方法  21-32
  3.1 图像分割的原理  21-22
    3.1.1 区域生长法  22
    3.1.2 区域分裂合并法  22
  3.2 多尺度分割  22-26
    3.2.1 试验分割尺度  24-25
    3.2.2 编辑波段权重  25
    3.2.3 设置均质标准  25-26
  3.3 Ecognition软件相关介绍  26-31
    3.3.1 最邻近分类法  27-28
    3.3.2 模糊专家分类法  28-29
    3.3.3 面向对象法隶属度函数和特征函数  29-31
  3.4 本章小结  31-32
第四章阎良区高分辨率遥感影像基本信息及预处理  32-41
  4.1 研究区概况  33-35
    4.1.1 数据源 QuickBird卫星服务指标  33-34
    4.1.2 数据源 QuickBird卫星轨道  34-35
  4.2 研究区影像预处理  35-40
    4.2.1 图像的几何精校正和图像配准  35-37
    4.2.2 波段选择  37
    4.2.3 影像融合  37-40
  4.3 本章小结  40-41
第五章阎良区高分辨率遥感影像信息提取方法与精度分析  41-59
  5.1 基于像元的影像分类  41-46
    5.1.1 建立分类模板  41-43
    5.1.2 评价分类模板  43-44
    5.1.3 基于像元的分类结果评析  44-46
  5.2 基于对象的影像分类  46-55
    5.2.1 多尺度分割  47-50
    5.2.2 基于知识的分类技术  50-54
    5.2.3 基于样本的分类技术  54-55
  5.3 分类精度评价  55-58
    5.3.1 误差矩阵评价法  55-57
    5.3.2 最佳分类结果评价法  57-58
    5.3.3 分类稳定性评价法  58
  5.4 本章小结  58-59
结论与展望  59-61
  结论  59-60
  展望  60-61
参考文献  61-64
致谢  64

基于对象的城市遥感影像分类方法及应用研究

内容摘要

全文目录

相似论文