高分辨率遥感图像面向对象分割与分类方法研究

发布时间：2017-04-23 14:08

  本文关键词：高分辨率遥感图像面向对象分割与分类方法研究，由笔耕文化传播整理发布。

【摘要】：随着遥感技术的深入发展和人们对图像空间分辨率要求的不断提高,高分辨率遥感图像也变得更加普及。相比于中、低分辨率遥感图像,高分辨率遥感图像有着更丰富的细节信息。因而,对高分辨率遥感图像的信息提取需要综合运用光谱和空间结构信息。由此,面向对象的遥感图像分割和分类方法成为目前的研究热点。面向对象的分割和分类方法以对象(同质性像元的集合)作为基本处理单元,对象比单个像元含有更加丰富的类别信息,能在更多维数特征下表征其类别属性,通过特征的计算和组合,以达到信息提取的目的。通过图像分割算法将图像分割成特征相近的同质性对象区域,在分割的过程中综合光谱、形状、纹理等信息能使分割对象多边形更贴近真实地物边界,后续的特征计算和分类都是在分割对象基础上完成,因此,图像分割是基础,分割效果的好坏决定了分类的精度。分形网络演化方法(FNEA)的多尺度分割是一种比较经典的面向对象分割方法,分割过程结合了对象光谱和几何形状信息,多尺度分割形成的层次网络结构让不同地物都有最适合的分割参数,在避免噪声影响的同时也取得很好的分割视觉效果。另一方面,FNEA方法的分割参数较多,且每一层次都有不同的分割参数,操作繁琐且参数的设置没有严密的数学理论约束,层次越多,人的主观影响越严重。本文基于此点考虑实验一种FNEA单一尺度的分割,通过初始分割对象快速构建和分割效果优化对其进行改进。在此基础上采用模糊分类法将对象分类,通过和多尺度分割的分类效果进行量化对比分析,从数据可知FNEA多尺度分割和改进FNEA分割的分类总体精度都达到了85%以上,Kappa系数0.8以上,都取得很好的分类效果。在城市图像分类中两种分割方法的分类精度几乎一致,郊区图像分类中改进FNEA方法虽然和FNEA多尺度方法的分类精度有所差距但差别不大。研究表明:改进FNEA分割方法比FNEA多尺度分割操作更加简单且初始分割时间效率有很大程度的提高,对象的分类精度也能达到多尺度分割的精度要求,对地物尺度相差越小的图像改进FNEA分割的分类效果也越好。
【关键词】：面向对象 图像分割 FNEA算法 模糊分类
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-18
• 1.1 研究背景和意义10-11
• 1.2 图像分割研究现状11-13
• 1.3 图像分类研究现状13-14
• 1.4 研究内容、方法与技术路线14-16
• 1.5 论文组织结构16-18
• 第2章 图像分割算法研究18-36
• 2.1 图像分割的概念18
• 2.2 常用分割算法原理18-23
• 2.2.1 基于边缘检测的图像分割19-21
• 2.2.2 基于区域的图像分割21-22
• 2.2.3 基于特定理论的图像分割22-23
• 2.3 基于分形网络演化方法的改进分割算法23-36
• 2.3.1 分形网络演化方法24-28
• 2.3.2 四叉树分割28-32
• 2.3.3 光谱差异分割32-35
• 2.3.4 改进算法流程35-36
• 第3章 面向对象分类算法研究36-46
• 3.1 特征介绍36-41
• 3.1.1 光谱特征38
• 3.1.2 形状特征38-39
• 3.1.3 纹理特征39-40
• 3.1.4 自定义特征40-41
• 3.2 模糊分类41-46
• 3.2.1 隶属度函数分类41-43
• 3.2.2 最邻近分类43-46
• 第4章 面向对象分类实验46-66
• 4.1 实验区域和数据源46-47
• 4.2 实验流程47-48
• 4.3 图像分割48-56
• 4.3.1 FNEA的多尺度分割49-54
• 4.3.2 改进的FNEA分割54-56
• 4.4 对象分类56-66
• 4.4.1 分类层次56-60
• 4.4.2 分类规则及分类效果60-66
• 第5章 精度评价及结果分析66-72
• 5.1 精度评价指标66-67
• 5.2 实验结果分析67-72
• 第6章 总结与展望72-74
• 致谢74-75
• 参考文献75-78
• 附录78

【参考文献】

中国期刊全文数据库 前7条

1 宋宇彬,张秉权,郝永平;基于四叉树的图像分割技术[J];兵工自动化;2004年06期

2 秦其明,陆荣建;分形与神经网络方法在卫星数字图像分类中的应用[J];北京大学学报(自然科学版);2000年06期

3 孙晓霞;张继贤;刘正军;;利用面向对象的分类方法从IKONOS全色影像中提取河流和道路[J];测绘科学;2006年01期

4 高伟;刘修国;彭攀;陈启浩;;一种改进的高分辨率遥感影像分割方法[J];地球科学(中国地质大学学报);2010年03期

5 邓富亮;杨崇俊;曹春香;范协裕;;高分辨率影像分割的分形网络演化改进方法[J];地球信息科学学报;2014年01期

6 刘文静;贾振红;郜青梅;;基于小波包与Otsu的含噪遥感图像分割算法[J];计算机工程;2011年15期

7 莫利江;曹宇;胡远满;刘淼;夏栋;;面向对象的湿地景观遥感分类——以杭州湾南岸地区为例[J];湿地科学;2012年02期

中国博士学位论文全文数据库 前2条

1 侯叶;基于图论的图像分割技术研究[D];西安电子科技大学;2011年

2 黄慧萍;面向对象影像分析中的尺度问题研究[D];中国科学院研究生院（遥感应用研究所）;2003年

  本文关键词：高分辨率遥感图像面向对象分割与分类方法研究，由笔耕文化传播整理发布。

，

本文编号：322511