邻域分析与邻近分析在建筑分类中的应用

发布时间：2021-01-24 10:17

　　城镇建筑的分类信息是人口统计和经济学等建模的主要输入参变量。从遥感数据自动提取建筑物信息,对地图更新、城市建模、城镇增长分析和变迁监测等应用领域具有重要意义,是遥感与摄影测量领域的研究热点与难点。虽然随着航空领域技术的成熟和各种高分辨率卫星传感器的推出,拍摄的地面影像质量越来越高,但研究表明,建筑分类的难度并未随着影像分辨率的增高而减小。这是因为建筑所用材料有限,在遥感图像呈现的波谱特征相似,难以区分,再加上建筑结构不以类别而设计,因而在图像上也不能以图斑形状识别不同类型的建筑。目前,大多数研究只是将所有建筑类别归为不透水表面的一部分从城市下垫面中分割,或是分为建筑类与非建筑类（如道路、水泥地等）,或是在某个特定场景中,提取具有典型特征的一类建筑（如坍塌建筑区、金融区）。为解决上述难题,实现多建筑类别自动提取,本文提出在城镇遥感图像的建筑分类中加入波谱-位置联合分析（Spectral Location Combined Analysis,SLCA）和对象-场景关联分析（Object Scene Correlation Analysis,OSCA）,以改善分类精度。SLCA属于基于像素和... 

【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究进展
        1.2.1 建筑识别分类数据源
        1.2.2 建筑识别分类方法
        1.2.3 与本文方法相关的研究
    1.3 研究内容
        1.3.1 本文研究的内容
        1.3.2 本文的技术路线
    1.4 拟解决的关键问题和创新点
        1.4.1 关键问题
        1.4.2 创新点
2 方法
    2.1 试验区域与数据
    2.2 下垫面分类常规描述符
    2.3 邻域分析（波谱-位置联合分析）
    2.4 邻近分析（对象-场景关联分析）
    2.5 构建分类特征空间
    2.6 BP软分类
        2.6.1 BP神经网络概论
        2.6.2 BP网络适用性
        2.6.3 BP网络结构的设计
        2.6.4 解模糊
    2.7 分类后处理
3 讨论
    3.1 邻域分析的有效性和意义
    3.2 邻近分析的有效性和意义
    3.3 分类精度评估
        3.3.1 评估指标
        3.3.2 样本选取
        3.3.3 分类精度
    3.4 运算复杂度评估
4 结论
    4.1 本文的主要进展与不足
    4.2 展望
参考文献
后记


【参考文献】：
期刊论文
[1]结合PolSAR影像纹理特征分析提取倒塌建筑物[J]. 翟玮,沈焕锋,黄春林.  遥感技术与应用. 2016(05)
[2]基于MMBI的高分辨率影像建筑物提取研究[J]. 陈行,卓莉,陶海燕.  遥感技术与应用. 2016(05)
[3]Building Damage Extraction from Post-earthquake Airborne LiDAR Data[J]. DOU Aixia,MA Zongjin,HUANG Shusong,WANG Xiaoqing.  Acta Geologica Sinica（English Edition）. 2016(04)
[4]基于植被指数限制分水岭算法的机载激光点云建筑物提取[J]. 赵宗泽,张永军.  光学学报. 2016(10)
[5]基于GlobeLand30的全球城乡建设用地空间分布与变化统计分析[J]. 陈军,陈利军,李然,廖安平,彭舒,鲁楠,张宇硕.  测绘学报. 2015(11)
[6]一种光学遥感影像建筑区域自动提取方法[J]. 蔡利平,苗则朗,史文中,柳思聪,张华.  地理与地理信息科学. 2015(04)
[7]高分辨率影像中基于纹理的建筑区信息提取[J]. 陈超祥,陈华锋,叶时平.  计算机工程. 2011(21)
[8]城镇绿地树种识别的数学描述符[J]. 周坚华,周一凡,穆望舒.  遥感学报. 2011(03)



本文编号：2997074