基于CART决策树的高分遥感影像建筑物提取研究

发布时间：2020-08-24 20:48

【摘要】：随着遥感技术的快速发展,高分辨率影像数据快速增长,从影像中获得实时的,高精度,准确的地物信息成为遥感影像解译的关键。建筑物是城区中的主要地物,是人居活动的主要场所,从影像中快速准确的获取建筑物信息对人类生活活动变迁的研究有着重要的意义。建筑物提取研究仍然是遥感影像解译中的热点。本文针对建筑物的几何特征和纹理特征结合决策树分类方法对城区内的建筑物进行提取。针对建筑物提取的问题,本文以武汉市某区域作为实验数据进行了研究。从以下三个方面进行了研究,介绍了面向对象监督分类提取方法中的几大关键要素,一是如何获取影像对象,较准确合适的用影像对象来反映同种地物的相似性和不同地物的相异性;二是如何组合训练样本所需的特征组合,合适的特征空间构建是分类提取的关键,特征组合不合理或较少会使提取精度降低,特征组合过多,又会影响分类提取的效率;三是如何选择合适的分类提取方法,不同的分类方法有着自己的优劣点,合适的分类方法能提高建筑物提取的精度。本文的主要工作如下,首先,相关理论技术的研究,对影像分割,特征组合,分类方法,决策树分类方法的理论和技术进行了介绍梳理;其次,利用同样的实验数据,对影像数据进行最优分割,构建合适的特征空间,采用不同的面向对象分类方法,对实验数据进行了地物的分类提取,得出了 CART决策树方法提取精度高于其它分类方法,在高分辨率影像的地物信息提取中有着较高的稳定性。最后利用CART决策树算法结合建筑物的几何特征和纹理特征对建筑物提取进行了实验,证明了建筑物几何特征和纹理特征在建筑物提取时的重要作用。本文提出了在样本训练时,采取样本特征经过训练构造分类规则后再训练的方法来提高构建分类规则的效率和精度。城市内的建筑物提取可以为城市的发展规划和管理提供决策支持,此外建筑物的提取对城市变迁文化研究具有一定的意义。
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P237;TU198
【图文】：

技术流程,外相,研究方向,对相

图１－１技术流程图逡逑本文一共分为五章，第一章主要介绍了选题的意义与研宄背景，通过阅读国内逡逑关文献，了解国内外对相关问题的研宄情况与研究方向。第二章主要介绍了本逡逑相关理论和技术，包括面向对象影像分类提取中的影像分割理论，最优特征组逡逑常见的一些面向分类提取方法技术。第三章主要介绍了本文研宄决策树分类提逡逑法的基本理论与技术流程，介绍了邋ＣＡＲＴ决策树算法实现的基本流程和建筑物逡逑特征和纹理特征。第四章主要是本文的实验部分，实验内容分为两部分，第一逡逑实验，进行了不同分类提取方法的地物信息提取进行横向比较。第二部分实验逡逑７逡逑

影像数据,预处理,影像,遥感影像

遥感影像的辐射校正，消除和改正由于外界因素导致失真产生的影像畸变，指逡逑传感器自身引起的辐射误差和由于光照和大气千扰产生的辐射误差，辐射校正包括逡逑传感器校正和大气校正。影像数据预处理基本流程如图２－１所示：逡逑数逦输入逦确立逦输入逦确定逦像元逦像元逦输出逡逑据逦显示逦校正＿＿＾显示逦输出＿＾空间逦的灰＿＾纠正逡逑准￣数字邋变换邋数字邋影像邋坐标邋度重邋数字逡逑备逦影像逦模型逦影像逦范围逦变换逦采样逦影像逡逑图２－１预处理流程图逡逑遥感影像的预处理是进行影像各种实验的前提，影像数据如果没有经过合适的逡逑预处理，那么影像实验的结果会出现误差。数据的预处理对影像分析是十分必要的。逡逑由于数据的来源不同，以及各类影像分析处理软件能处理的影像数据格式也尽逡逑不同，通常需要把非标准数据格式的影像数据转换为标准的影像数据。本文为了统逡逑一影像数据格式，需要把实验数据转换为ｉｍｇ格式的影像数据。逡逑９逡逑

流程图,影像对象,流程图,对象层

度分割将生成多个影像对象层，形成影像对象网络层次结构。最原始象层，最基本的单元是像素单元，第一次分割基于根对象层，然后分，依次产生第三层、第四层等，每一次分割都是基于上一层影像对象的任意影像对象都大于下一层的影像对象。影响对象层的结构如图２１４逡逑

【相似文献】