西北旱区遥感影像分类方法研究

发布时间：2017-05-30 00:06

  本文关键词：西北旱区遥感影像分类方法研究，，由笔耕文化传播整理发布。

【摘要】：如何对较大尺度范围不同时相、气候和地貌类型的遥感影像进行土地利用现状分类是目前国际土地资源学科中的重要问题之一。本实验选择西北旱区所辖六省的6个具有不同经纬度、不同土地利用方式、不同实相、不同范围、不同地形、不同气候的典型地貌单元的Landsat TM遥感影像为研究对象,利用较为通用的监督分类方法(如最大似然法、BP神经网络和支持向量机法等)对其Landsat TM遥感影像进行分类,为提高遥感影像分类精度和土地利用信息提取的准确性,在实验样本选择时结合归一化植被指数和纹理特征等数据进行分类,并对分类结果采用聚类统计和过滤分析等方法进行分类后处理。最后,利用混淆矩阵对分类结果的精度进行评价。结果表明:较最大似然法和BP神经网络分类方法而言,结合归一化植被指数和纹理特征的支持向量机法的分类精度最高,最高达到了98.92%,kappa系数最高达到了0.9771,而且所有研究区支持向量机法的分类精度都达到了90%以上,较准确地分离出了各类地物。故该方法可用于具有较大范围、不同时相、不同气候和地貌类型的整个西北旱区的遥感影像分类研究,以期为西北旱区遥感影像解译和土地资源可持续发展战略提供方法支撑。
【关键词】：遥感应用 西北旱区 支持向量机 遥感影像分类
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P237
【目录】：

• 摘要6-7
• ABSTRACT7-9
• 第一章 绪论9-13
• 1.1 研究背景9-11
• 1.2 研究目的和意义11
• 1.3 小结11-13
• 第二章 研究区概况和数据来源13-15
• 2.1 研究区概况13-14
• 2.1.1 西北旱区地理范围的界定13
• 2.1.2 西北旱区概况及特点13-14
• 2.2 数据来源14-15
• 第三章 研究方法及技术路线15-23
• 3.1 研究方法15-22
• 3.1.1 主成分分析15-16
• 3.1.2 纹理特征16-17
• 3.1.3 归一化植被指数17
• 3.1.4 最大似然法17-18
• 3.1.5 BP神经网络18-20
• 3.1.6 支持向量机20-21
• 3.1.7 分类后处理21-22
• 3.2 技术路线22-23
• 第四章 基于典型试验区影像分类方法确定23-31
• 4.1 典型试验区概况23-25
• 4.2 实验样本的选取25
• 4.3 试验区分类结果及精度评价25-30
• 4.4 小结30-31
• 第五章 结论与展望31-33
• 5.1 结论31
• 5.2 展望31-33
• 参考文献33-37
• 致谢37-38
• 作者简介38

【相似文献】

中国期刊全文数据库 前10条

1 贾坤;李强子;田亦陈;吴炳方;;遥感影像分类方法研究进展[J];光谱学与光谱分析;2011年10期

2 朱丹瑶;;遥感影像分类方法研究[J];黑龙江科技信息;2012年33期

3 刘萌伟;曾广鸿;袁国辉;裴亚波;杨子力;;基于基因表达式编程的遥感影像分类方法研究[J];安阳工学院学报;2013年04期

4 孙立新,罗高平,张怡梅;遥感影像分类的归类学习方法[J];测绘工程;1998年03期

5 李爽,丁圣彦,许叔明;遥感影像分类方法比较研究[J];河南大学学报(自然科学版);2002年02期

6 黄艳;张超;苏伟;岳安志;;合理尺度纹理分析遥感影像分类方法研究[J];国土资源遥感;2008年04期

7 余洁;郭培煌;陈品祥;张中山;软文斌;;基于改进的模糊c-均值聚类方法遥感影像分类研究(英文)[J];Geo-Spatial Information Science;2008年02期

8 温兆飞;张树清;陈春;刘春悦;李晓峰;李华朋;;三江源区湖泊和沼泽遥感影像分类研究[J];湿地科学;2010年02期

9 付博;谢振红;邓彩群;;改进的角度余弦方法在湿地遥感影像分类中的应用[J];吉林建筑工程学院学报;2010年04期

10 胡杏花;朱谷昌;徐文海;刘欢;李智峰;郑纬;;基于分形纹理的遥感影像分类研究[J];矿床地质;2010年S1期

中国重要会议论文全文数据库 前10条

1 刘忠阳;陈怀亮;杜子璇;邹春辉;;基于决策树方法的Landsat7 ETM+遥感影像分类研究[A];农业生态与卫星遥感应用技术学术交流会论文摘要集[C];2006年

2 王珊珊;季民;高洁;焦其松;;CBR方法在高分辨率遥感影像分类中的应用[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

3 汤家法;;基于可拓分类器的遥感影像分类[A];第十七届中国遥感大会摘要集[C];2010年

4 巫兆聪;;RBF网络的粗糙表示与遥感影像分类应用[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

5 杨剑;蒲英霞;何一鸣;;基于Getis的遥感影像分类研究[A];中国地理学会百年庆典学术论文摘要集[C];2009年

6 赵泉华;宋伟东;鲍勇;;基于分形纹理的BP神经网络遥感影像分类[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

7 王梁;韩坤英;;分形理论在遥感影像分类中的应用[A];第十二届全国数学地质与地学信息学术研讨会论文集[C];2013年

8 汪东川;龚建华;张利辉;;基于时间序列轨迹分析的遥感影像分类结果联合校正[A];第十七届中国遥感大会摘要集[C];2010年

9 罗小波;刘明皓;;基于优化的BP神经网络遥感影像分类[A];2006年中国土地学会学术年会论文集[C];2006年

10 ;结合光谱、纹理与形状特征的高空间分辨率遥感影像分类(英文)[A];中国测绘学会第九次全国会员代表大会暨学会成立50周年纪念大会论文集[C];2009年

中国博士学位论文全文数据库 前9条

1 王巍;基于Agent的遥感影像分类方法及其应用研究[D];中国地质大学(北京);2016年

2 任广波;基于半监督学习的遥感影像分类技术研究[D];中国海洋大学;2010年

3 谭琨;基于支持向量机的高光谱遥感影像分类研究[D];中国矿业大学;2010年

4 巫兆聪;粗集理论在遥感影像分类中的应用[D];武汉大学;2004年

5 易俐娜;面向对象遥感影像分类不确定性分析[D];武汉大学;2011年

6 胥海威;基于改进随机聚类决策森林算法的遥感影像分类研究[D];中南大学;2012年

7 徐盛;基于主题模型的高空间分辨率遥感影像分类研究[D];上海交通大学;2012年

8 刘志刚;支撑向量机在光谱遥感影像分类中的若干问题研究[D];武汉大学;2004年

9 丁胜;智能优化算法在高光谱遥感影像分类中的应用研究[D];武汉大学;2010年

中国硕士学位论文全文数据库 前10条

1 吴聪;面向对象的高分辨率遥感影像分类在卫片执法中的应用研究[D];昆明理工大学;2015年

2 周杨;面向对象的高分辨率遥感影像分类技术研究[D];中国地质大学(北京);2015年

3 李奇峰;结合多特征描述和SVM的遥感影像分类研究[D];郑州大学;2015年

4 宋晓阳;面向对象的遥感分类系统研究[D];南京农业大学;2014年

5 张静;西北旱区遥感影像分类方法研究[D];西北农林科技大学;2016年

6 刘安斐;基于数据融合的遥感影像分类[D];解放军信息工程大学;2006年

7 任亚芬;面向并行环境的遥感影像分类算法设计与实现[D];华中科技大学;2011年

8 白秀莲;基于决策树方法的遥感影像分类研究[D];内蒙古师范大学;2012年

9 王松妍;基于云理论的遥感影像分类方法研究[D];辽宁工程技术大学;2013年

10 陈小瑜;基于空间数据挖掘与知识发现的遥感影像分类研究[D];福建师范大学;2007年

  本文关键词：西北旱区遥感影像分类方法研究，由笔耕文化传播整理发布。

本文编号：405960