中分辨率遥感数据面向对象分类的影响要素研究
发布时间:2020-06-10 12:37
【摘要】:随着各种传感器以及遥感平台的发展,可获得的遥感数据日益增多,其应用范围也越来越广。作为遥感图像应用的基础,遥感图像分类具有十分重要的意义。目前,面向对象的方法是遥感图像分类的一种重要研究方向,很多研究发现该方法优于传统的基于像元的方法。针对该方法大部分研究基于高分辨率影像以及缺乏对影响面向对象分类的要素进行全面分析的现状。本文在选择合适的分类系统前提下,对多种中分辨率遥感数据在面向对象分类中的影响要素进行了全面分析。主要工作和成果如下:1、在易康软件的基础上,建立了在不同要素设置下分类结果及精度评价同时完成的规则集。并在此基础上对Landsat8-OLI数据、Landsat5-TM数据以及高分一号数据面向对象分类进行了分析。2、针对Landsat8-OLI数据的分析结果表明:(1)光谱特征、几何特征和纹理特征对分类的贡献率依次为71.4%、11.8%和16.8%。(2)样本数量为特征数量的2-3倍时即可达到稳定的分类精度。(3)从分割参数来看,最优尺度因子介于20-40;随着尺度增加,形状因子有减小的趋势,而紧致度没有明显的变化规律;另外,随着尺度的增加,分割出来的对象数量的最大值与最小值的比值介于7-11。(4)分类器中参数设置分析表明,决策树中最大树深的最优参数介于5-8之间;支持向量机中最优参数Gamma小于10~(-2),C大于10~2;随机森林中最优参数Av介于1-4,Mtn介于30-100。此外,四种分类器分类精度顺序依次为支持向量机、随机森林、贝叶斯和决策树。3、针对Landsat5-TM数据,其面向对象分类研究结果表明:(1)光谱特征、几何特征和纹理特征对分类的贡献率依次为67.2%、11.5%和21.3%。(2)样本数量为特征数量的2-4倍时,分类结果即可达到稳定状态。(3)从分割参数来看,最优尺度因子介于4-6;形状和紧致度因子大部分小于0.5;此外,随着尺度的增加,分割出来的对象数量的最大值与最小值的比值存在明显的下降趋势。(4)分类器中参数设置分析表明,决策树中最大树深的最优参数介于3-8之间;支持向量机中最优参数Gamma小于10~(-2),C大于10;随机森林中最优参数Av介于2-7,Mtn介于30-100。另外,四种分类器分类精度顺序依次为支持向量机、随机森林、贝叶斯和决策树。4、针对高分一号数据,其面向对象分类研究结果表明:(1)光谱特征、几何特征和纹理特征对分类的贡献率分别为65.5%、12.1%和22.4%。(2)当样本数量为特征数量的2-4倍时,分类结果趋于稳定。(3)从分割参数来看,最优尺度因子介于15-25;对于形状和紧致度因子,支持向量机、随机森林和贝叶斯的形状因子大部分低于0.5,支持向量机和随机森林的紧致度因子大部分也都低于0.5,而贝叶斯的紧致度因子大部分高于0.5。决策树的形状因子均高于0.6,紧致度因子没有明显的规律。另外,不同尺度下,随着形状和紧致度因子的变化分割出来的对象数量的最大值是最小值4-6倍。(4)分类器中参数设置分析表明,对于决策树其最大树深的最优参数介于3-6之间;对于支持向量机,最优参数Gamma小于10~(-1),C大于10;对于随机森林,最优参数Av大部分介于1-7,Mtn大部分介于30-100。此外,四种分类器分类精度顺序依次为支持向量机、随机森林、贝叶斯和决策树。5、验证区域的分析说明,三种中分辨率遥感数据面向对象分类时影响要素研究的结果适用于不同地域和不同季节。
【图文】:
第一章 引言子和形状因子的取值依据 eCognition 软件中二者的取值范围确定;分类的试验取值主要依据前人研究工作以及软件中默认值而确定。)3)对中分辨率遥感数据(Landsat-TM、Landsat-8、高分一号)进行实息提取,探讨不同遥感数据在面向对象分类时各要素对其的影响,并选对所得结论进行验证。2 技术路线技术路线图见图 1.1。
图 2.1 波段合成Figure 2.1 Layer stacking2.1.2 Landsat5 数据1984 年 3 月 1 日,Landsat5 卫星在加利福尼亚范登堡空军基地发射成功。该卫星为太阳同步轨道,轨道高度 705km,轨道倾角 98.2°,运行周期 98.9 分钟,,覆盖全球周期 16 天,图幅大小 170km×185km。卫星上搭载两个传感器:Thematic Mapper(TM,专题制图仪)和 Multispectral Scanner(MSS,多光谱成像仪)。其中TM包含了7个波段(热红外分辨率为120m,其余波段分辨率30m),该传感器于 2011 年 11 月结束工作;MSS 包含了 4 个 78m 分辨率的波段,该传感器于 2013 年 1 月停止接收数据。Landsat5 卫星于 2013 年 6 月 5 日退役,搭载传感器各波段具体信息见表 2.2。本文所用数据为 TM 中除热红外波段的其余 6个波段数据。同样地,也对所用波段数据进行了波段合成。
【学位授予单位】:中国科学院大学(中国科学院遥感与数字地球研究所)
【学位级别】:博士
【学位授予年份】:2018
【分类号】:P237
本文编号:2706302
【图文】:
第一章 引言子和形状因子的取值依据 eCognition 软件中二者的取值范围确定;分类的试验取值主要依据前人研究工作以及软件中默认值而确定。)3)对中分辨率遥感数据(Landsat-TM、Landsat-8、高分一号)进行实息提取,探讨不同遥感数据在面向对象分类时各要素对其的影响,并选对所得结论进行验证。2 技术路线技术路线图见图 1.1。
图 2.1 波段合成Figure 2.1 Layer stacking2.1.2 Landsat5 数据1984 年 3 月 1 日,Landsat5 卫星在加利福尼亚范登堡空军基地发射成功。该卫星为太阳同步轨道,轨道高度 705km,轨道倾角 98.2°,运行周期 98.9 分钟,,覆盖全球周期 16 天,图幅大小 170km×185km。卫星上搭载两个传感器:Thematic Mapper(TM,专题制图仪)和 Multispectral Scanner(MSS,多光谱成像仪)。其中TM包含了7个波段(热红外分辨率为120m,其余波段分辨率30m),该传感器于 2011 年 11 月结束工作;MSS 包含了 4 个 78m 分辨率的波段,该传感器于 2013 年 1 月停止接收数据。Landsat5 卫星于 2013 年 6 月 5 日退役,搭载传感器各波段具体信息见表 2.2。本文所用数据为 TM 中除热红外波段的其余 6个波段数据。同样地,也对所用波段数据进行了波段合成。
【学位授予单位】:中国科学院大学(中国科学院遥感与数字地球研究所)
【学位级别】:博士
【学位授予年份】:2018
【分类号】:P237
【参考文献】
相关期刊论文 前10条
1 张辉;;基于多分类器组合的遥感土地利用分类研究[J];安徽农业科学;2015年32期
2 李朝奎;方文;董小姣;;面向对象和规则的高分辨率影像分类研究[J];测绘通报;2015年09期
3 王知音;禹龙;田生伟;钱育蓉;丁建丽;杨柳;;基于栈式自编码的水体提取方法[J];计算机应用;2015年09期
4 孔令婷;杨英宝;章勇;;基于不同分辨率遥感影像的分类方法对比研究[J];测绘与空间地理信息;2015年03期
5 张磊;吴炳方;李晓松;邢强;;基于碳收支的中国土地覆被分类系统[J];生态学报;2014年24期
6 贾建峰;;ENVI遥感图像监督分类方法比较[J];西部资源;2014年06期
7 吕启;窦勇;牛新;徐佳庆;夏飞;;基于DBN模型的遥感图像分类[J];计算机研究与发展;2014年09期
8 岳江;张毅;徐杭威;柏连发;;一种基于空间一致性降元的高光谱图像非监督分类[J];光谱学与光谱分析;2012年07期
9 胡荣明;魏曼;杨成斌;贺俊斌;;以SPOT5遥感数据为例比较基于像素与面向对象的分类方法[J];遥感技术与应用;2012年03期
10 徐斌;马苏;;岳阳县土壤侵蚀监测与评价[J];中国城市经济;2011年03期
本文编号:2706302
本文链接:https://www.wllwen.com/kejilunwen/dizhicehuilunwen/2706302.html