当前位置: > 论文范文 > 40000字论文范文高精度遥感影像下地物分类的探讨

40000字论文范文高精度遥感影像下地物分类的探讨

论文类型:论文范文
论文字数:40000字
论点:遥感,分类,方法
论文概述:

本文对遥感影像分类方法进行了系统的理论介绍,并利用实例针对不同的图像分类方法进行了展示比较分析。具体是运用传统的基于像素的分类方法(监督分类方法和非监督分类方法)与面向对

论文正文:

第一章文献综述

1.1研究目的和意义
随着科学技术的发展,开展这些工作的技术手段得到了极大的发展,如计算科学、遥感技术和地理信息系统技术的快速发展,极大地推动了土地利用调查和制图工作。遥感能够在大范围和短时间内获得更准确的结果和时间序列数据,为更新不同比例尺的土地利用基础图提供了新的途径,为土地利用的持续更新提供了可能,节省了人力和物力。同时,地理信息系统还为快速更新地图、处理和分析数据提供了方便可靠的操作环境。因此,遥感技术对研究土地利用现状具有重要意义(姚佳,2003)。2004年国际地球科学和遥感研讨会的主题是:科学服务社会——探索和管理不断变化的行星。正如会议组委会所指出的那样,遥感技术一方面可以不断地了解自然的驱动力,描绘出地球上发生的各种现象的运行过程,另一方面可以获得决策支持系统所能获得的关键信息,从而使决策和管理选择更加合理,最终提高社会福利。会议主题包括遥感应用、卫星方案和太平洋空业务、地球科学、建模和处理、数据处理和算法、电磁问题、基础设施和技术、地球科学和遥感教育创新、海洋工程等。遥感的广泛应用是显而易见的(陈秋晓,2004)。随着遥感平台的多样化、遥感图像分辨率的提高和计算机技术的快速发展,遥感技术不再简单地应用于传统的基础部门,如测绘、土地、环境、农业等。它在通信、交通、生态、旅游等其他领域的应用也在不断增加和出现,极大地拓展和丰富了高分辨率遥感图像的应用领域(陈忠2006)。虽然杨凌(东经34° 16 \' 56.24 \"和东经108° 4 \' 27.95 \")只是一个中小城市,但杨凌是中华民族农耕文化的发祥地。1997年7月29日,经国家批准,杨凌区成立,并纳入国家高新技术产业开发区的序列管理,实行“省部共建,以省为中心”的领导管理模式。随着国家政策和社会经济的快速发展,杨凌人民的生活水平和生活方式在过去的20年里发生了巨大的变化。对水土资源的需求不断增加,使得土地的利用和覆盖发生了深刻的变化。因此,研究杨凌地区的土地利用和土地覆盖十分必要。

1.2研究背景和基础
土地利用/土地覆盖(LUCC)研究已成为全球环境变化研究的重要组成部分。目前,土地利用/土地覆盖变化驱动因素的研究也成为研究热点之一。过去,由于缺乏一个区域当前和过去土地利用的最新地图以及缺乏处理大量数据的分析方法,土地利用和土地覆盖变化的研究因其时间长、误差大和成本高而受到严重影响。遥感技术以其快速、准时、准确、周期短的特点,在大中型土地利用动态监测中显示出明显优势,在国内外得到了广泛应用。图像分类是遥感获取土地利用/覆盖信息的重要中间环节。最早的分类技术是图像的视觉解释和分类。它能充分利用口译员的知识,灵活性好,善于提取空之间的相关信息,但定位不准确,时效性差,重复性差,存在个人差异。视觉解释仍然广泛应用于要求高精度的应用中。水稻级高分辨率遥感图像分类时,视觉判读精度一般高于计算机分类精度。计算机遥感图像分类是计算机模式识别技术在遥感领域的应用。其核心任务是确定不同地物类别之间的鉴别标准和鉴别界面。重复性好,加工时间短,定位准确,时效性好。然而,与其他计算机模式识别不同,遥感图像数据具有类别多、维数高、模糊性大、高精度多类别分类识别难度大的特点。传统的计算机分类方法是基于像素光谱特征的统计特征的硬分类。不擅长提取空信息,也不容易解决同光谱异物、同物体、不同光谱、混合像素等问题。它经常存在分类错误、分类缺失、准确率低、分离的图像斑点杂乱等问题。对传统的计算机分类方法提出了许多改进方法。(王园园2004)目前,遥感图像的分类方法很多,分类方法比较混乱。如果角度不同,分类方法也会不同。传统的和最常见的分类方法是监督分类和非监督分类。它们之间的区别在于分类人员是否预先提供已知的类别和训练样本来训练和监督计算机分类器。参数分类和非参数分类根据是否假设该类的概率分布函数及其分布参数被估计来划分。硬分类和软分类根据像素被分成一个类别还是多个类别来区分。此外,国内外出现了许多新的分类方法,包括面向对象分类、人工神经网络分类、模糊分类、支持向量机分类、决策树分类和亚像素分类。每种遥感图像分类方法都有自己的特点,但也存在一些不可避免的缺陷。针对这种情况,本文将回顾传统的遥感图像分类技术和一些较新的分类方法,详细阐述当前主要的遥感图像分类方法和较新的分类方法的原理、算法的适用条件和范围,并根据一些实际情况对这些分类方法进行全面的讨论和验证。

1.3遥感图像分类现状分析
遥感图像分类是对遥感图像中的每个像素进行分类的过程。遥感技术的新方法和新技术不断涌现。遥感图像分类从视觉判读、计算机自动判读和人机交互等方面不断完善。
1.3.1遥感图像分类研究现状
自1970年代第一颗陆地卫星成功发射以来,人们开始使用计算机解释遥感图像。首先,利用数字图像处理软件对卫星图像进行几何校正和位置配准,利用人机交互从遥感图像中获取相关地理信息。这种方法的实质是遥感图像的视觉判读,这取决于判读经验和图像判读员的水平。分类方法没有新的突破。

1.4本研究的出发点是...................14-16
第二章研究领域和数据...................16-20
2.1研究领域...................16-17
2.1.1历史演变...................16
2.1.2位置条件...................16-17
2.2使用数据...................17-18
2.3技术路线...................18-20
第三章遥感图像分类...................20-35
3.1遥感图像预处理...................20-23
3.2遥感图像分类方法的概念和原则...................23-24
3.3无监督分类...................24-25[/比尔/] 3.3.1千均值法...................24[/比尔/] 3.3.2国际标准化组织数据方法...................24-25
3.4监督分类...................25-28
3.5面向对象分类...................28-32
3.6图像分类方法的比较...................32-35
第四章遥感地物分类对比实验研究...................35-49
4.1无监督分类...................35-37
4.1.1初始分类...................35-36 [/BR/] 4.1.2分类结果和结果的调整...................36-37 [/BR/] 4.2监督分类...................37-41
4.3面向对象分类...................41-45
4.4实验对比分析...................45-49

结论

本文对遥感图像分类方法进行了系统的理论介绍,并通过实例演示和比较了不同的图像分类方法。具体而言,分别采用传统的基于像素的分类方法(监督分类方法和非监督分类方法)和面向对象的分类方法对杨凌区遥感图像进行分类。从分类结果的比较来看,不同的遥感分类方法有各自的特点,分类结果也有一定的差异。一般来说,面向对象的分类结果最接近实际情况。传统的遥感图像分类方法(无监督分类和监督分类)在过程、原理和具体方法上有所不同,分类思想也有本质的不同。然而,在遥感图像的分类方法中,它们具有相同的目的和效果。因此,一般来说,在图像分类中,非监督分类和监督分类方法不能完全分离,而是应该根据分类的需要合理、科学、灵活地应用,以实现预期的图像分类。一般来说,无监督分类不适合高分辨率图像分类。监督分类的准确性取决于训练样本的可分性,而高精度图像中大量混合像素会影响样本的可分性,因此可以根据目的决定是否使用这种方法。任何面向对象的分割尺度的分类精度都高于基于像素的分类,其中60的分割尺度是最理想的。面向对象分类比监督分类和非监督分类具有更高的精度。分类结果的总体准确率和kappa系数分别比监督分类高14.8%和11%。面向对象分类技术是近年来提出的一种新的分类算法,它与以往的传统分类算法有很大的不同,因为面向对象分类方法不是基于单个像素,而是基于一个对象或者更直接地基于一个区域。本文研究了面向对象的高分辨率遥感图像分类技术,详细描述了面向对象的高分辨率遥感图像分类步骤。

参考

博舒奎等人,2010年。训练样本数的选择对面向对象图像分类方法准确性的影响。图像与图形杂志,15 (7): 1106-1111
曹敏,石赵亮,沈全飞。2008.土地覆盖分类中ALOS影像最佳波段选择的研究。测绘公报。(9): 16-18
陈秋笑。2004.高分辨率遥感图像分割方法研究[博士论文】。北京:中国科学院[研究所/br/]陈忠。2006.高分辨率遥感图像分类技术研究[博士论文】。北京:中国科学院遥感应用研究所
党荣安,王晓东。陈晓凤等人,2003年。ERDAS想象遥感图像处理方法。北京:清华大学出版社
杜凤兰。2004.面向对象的特征分类方法分析与评价。遥感技术与应用,19 (1): 20-23
傅伯杰,陈李丁。2001.景观生态学原理和应用。北京:[科学出版社/br/]关镇,曹光超。易·朱军。2010.面向对象的遥感图像分类研究。科技创新指南,34: 8-10
黄会平。2003.面向对象图像分析中的尺度研究。北京:中国科学院遥感应用研究所[/比尔/]贾勇宏,张春森,王爱平。2001.基于B P神经网络的多源遥感图像分类。Xi科技学院学报,21 (1): 58-60