结合高分辨率遥感影像多维特征的森林分类

发布时间：2017-08-30 13:43

  本文关键词：结合高分辨率遥感影像多维特征的森林分类

  更多相关文章： 多层次分割 数学形态学 多时相特征 面向对象 随机森林 森林分类

【摘要】：高分辨率遥感影像具有丰富的纹理、形状等特征,可有效提升分类精度。但由于高分辨率影像普遍具有较少的光谱信息,所以会在一定程度上削弱其在森林分类中的优势。本文利用WorldView-2高分辨率影像具有八个光谱波段的优势,进行植被分类研究,旨在提高林区各树种的分类精度。选择福建省将乐国有林场为研究区,首先对WorldView-2影像进行多层次分割,根据目视判别分割效果及小班矢量图匹配效果并结合不同地物的实际特征,确定不同目标地物类别的最优分割尺度,构建地物信息提取的三个最优尺度层,分别提取道路类型；林地类型,建筑用地,裸地,池塘；河流。其次,分析各类地物对象的光谱特征、植被指数以及纹理特征曲线,提取基于数学形态学滤波的形状特征,选取类别间差异性较大的特征值建立特征空间与分类规则。并应用两时相影像建立多维特征,分析不同时相的各类地物特征值,利用不同季节的物候差异增强植被的特征差异性,以确定不同时相的可分性较强的特征值。然后,采用两时相与单时相面向对象的多层次分类、单时相面向对象的单一层次决策树分类与单时相基于像元的随机森林分类方法,实现地物尤其是各植被类型的较高精度分类。研究表明,针对林地类型应用纹理与多时相特征,针对建筑用地、道路及水体类型,应用基于形态学滤波的形状特征,并结合各类地物类型的光谱、植被指数特征,能够有效提升分类精度。两时相面向对象的多层次分类方法总体精度达到92.41%, Kappa系数为0.9141,满足森林制图等应用要求,分类效果优于其它三种结果。面向对象的多层次分类方法能够有效减少基于像元的分类结果中出现的“同物异谱”与“同谱异物”现象,减少错分与漏分几率,更加精确地反映各类地物的真实边界与轮廓信息,加强抗噪能力并避免“椒盐”现象。
【关键词】：多层次分割 数学形态学 多时相特征 面向对象 随机森林 森林分类
【学位授予单位】：北京林业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P237
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 1 绪论9-21
• 1.1 研究背景及意义9-10
• 1.2 遥感影像森林分类国内外现状10-16
• 1.2.1 基于像元的遥感影像森林分类方法10-13
• 1.2.2 高分遥感影像分类13
• 1.2.3 面向对象的遥感影像森林分类方法13-15
• 1.2.4 基于多时相特征的遥感影像森林分类方法15-16
• 1.3 遥感影像森林分类存在问题与发展趋势16-17
• 1.4 项目来源与经费支持17
• 1.5 研究目标与研究内容17-18
• 1.6 研究方法与技术路线18-21
• 2. 研究区概况与数据获取21-27
• 2.1 研究区概况21-22
• 2.1.1 地理位置21
• 2.1.2 森林资源21-22
• 2.1.3 气候特征22
• 2.2 数据获取及预处理22-27
• 2.2.1 数据获取22-24
• 2.2.2 遥感影像预处理24-26
• 2.2.3 分类体系建立26-27
• 3. 多尺度分割27-35
• 3.1 异质性准则定义27-28
• 3.2 分割参数的选择与试验28-35
• 3.2.1 分割参数的选择28-29
• 3.2.2 分割参数的试验29-33
• 3.2.3 多层次最优分割参数33-35
• 4. 对象特征提取与分析35-67
• 4.1 光谱特征分析35-38
• 4.1.1 光谱特征值35-36
• 4.1.2 对象光谱特征值分析结果36-38
• 4.2 植被指数特征分析38-43
• 4.2.1 植被指数定义38-40
• 4.2.2 对象植被指数分析结果40-43
• 4.3 水体指数分析43
• 4.4 纹理特征分析43-48
• 4.4.1 纹理特征参数43-45
• 4.4.2 窗口大小的选定45
• 4.4.3 对象纹理特征分析结果45-48
• 4.5 基于数学形态学的形状特征分析48-58
• 4.5.1 数学形态学48-54
• 4.5.2 形态学滤波54-57
• 4.5.3 形状特征提取分析57-58
• 4.6 多时相特征58-67
• 4.6.1 多时相光谱特征分析59-61
• 4.6.2 多时相植被指数分析61-63
• 4.6.3 多时相纹理特征分析63-67
• 5. WorldView-2影像森林类型识别67-79
• 5.1 面向对象多层次分类67-72
• 5.1.1 特征空间及分类规则的建立67
• 5.1.2 分类结果67-72
• 5.2 面向对象单层次决策树分类72-73
• 5.2.1 决策树理论72-73
• 5.2.2 分类结果73
• 5.3 随机森林分类方法73-79
• 5.3.1 随机森林的基分类器——CART决策树74
• 5.3.2 随机森林的数学定义74-75
• 5.3.3 随机森林的性质75-76
• 5.3.4 随机森林的构建过程76-77
• 5.3.5 分类结果77-79
• 6. 分类结果精度评价79-86
• 6.1 分类精度评价理论79-80
• 6.2 分类结果精度评价80-86
• 7. 结论与讨论86-89
• 7.1 结论86-87
• 7.2 特色与创新87
• 7.3 讨论与展望87-89
• 参考文献89-97
• 个人简介97-98
• 导师简介98-99
• 获得成果目录99-100
• 致谢100

【相似文献】

中国期刊全文数据库 前10条

1 王爱萍;王树根;吴会征;;利用分层聚合进行高分辨率遥感影像多尺度分割[J];武汉大学学报(信息科学版);2009年09期

2 王艳梅;王根杰;刘海娟;;高分辨率遥感影像提取道路方法研究进展[J];赤峰学院学报(自然科学版);2013年19期

3 顾钰培;肖兰玲;凌婷婷;达利春;;一种基于高分辨率遥感影像的建筑物提取方法[J];测绘与空间地理信息;2014年04期

4 赵书河;;高分辨率遥感数据处理方法实验研究[J];地学前缘;2006年03期

5 罗军;潘瑜春;王纪华;陆洲;曹荣龙;阎广建;;基于高分辨率遥感影像的设施农业资源信息采集技术研究[J];地理与地理信息科学;2007年03期

6 邵芸;郭华东;范湘涛;王尔和;朱博勤;马建文;张风丽;;奥运主场馆区工程环境高分辨率遥感监测与虚拟仿真研究[J];遥感学报;2008年04期

7 陈世荣;马海建;范一大;徐丰;连健;;基于高分辨率遥感影像的汶川地震道路损毁评估[J];遥感学报;2008年06期

8 韩春峰;米晓飞;;基于高分辨率遥感影像的人口信息的提取综述[J];科技资讯;2010年04期

9 李彩露;吴平;王宁;刘源璋;;高分辨率遥感影像道路提取方法综述[J];地理空间信息;2011年03期

10 杨先武;韦春桃;李彩露;吴平;;基于形态重建的高分辨率遥感影像城市道路提取[J];地理科学;2011年08期

中国重要会议论文全文数据库 前10条

1 李艳芳;王生;;高分辨率遥感影像在公安行业的应用分析[A];第十七届中国遥感大会摘要集[C];2010年

2 赵书河;王培法;肖鹏峰;冯学智;;高分辨率遥感应用研究[A];中国地理学会2006年学术年会论文摘要集[C];2006年

3 朱晓铃;邬群勇;;基于高分辨率遥感影像的城市道路提取方法研究[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

4 张剑清;郑顺义;张勇;张宏伟;李治江;;高分辨率遥感影像的精纠正[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

5 马力;;基于高分辨率遥感影像的导航数据更新研究[A];中国地理信息系统协会第四次会员代表大会暨第十一届年会论文集[C];2007年

6 陈君颖;田庆久;;高分辨率遥感植被分类模式研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

7 燕琴;张继贤;刘玉红;钱广军;;以影像序列纠正高分辨率遥感影像的应用研究[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

8 温小欢;林广发;陈明华;陈友飞;;基于高分辨率遥感影像独立树冠提取方法之比较[A];中国地理学会百年庆典学术论文摘要集[C];2009年

9 罗震;杨存建;李小文;;基于高分辨率遥感影像的农村聚落信息的提取[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 董明;;基于高分辨率遥感影像的道路半自动提取方法研究[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年

中国重要报纸全文数据库 前1条

1 本报记者 崔恩慧;如何“玩转”高分辨率遥感技术?[N];中国航天报;2014年

中国博士学位论文全文数据库 前10条

1 霍宏;生物视觉启发的高分辨率遥感影像特征提取与目标检测研究[D];上海交通大学;2014年

2 李荣亚;双态云支持下高分辨率遥感存储与计算一体化研究[D];浙江大学;2014年

3 陶超;高分辨率遥感影像中的城区与建筑物检测方法研究[D];华中科技大学;2011年

4 陶超;高分辨率遥感影像中的城区与建筑物检测方法研究[D];华中科技大学;2012年

5 洪亮;基于对象马尔可夫模型的高分辨率遥感影像分割方法研究[D];武汉大学;2010年

6 陈杰;高分辨率遥感影像面向对象分类方法研究[D];中南大学;2010年

7 Rami Badawi（巴达卫）;基于高分辨率遥感影像的南京典型城区绿地信息提取[D];南京大学;2012年

8 张道兵;高分辨率遥感影像中交互式道路提取算法研究[D];中国科学院研究生院（西安光学精密机械研究所）;2007年

9 冯甜甜;基于高分辨率遥感数据的城市精细尺度人口估算研究[D];武汉大学;2010年

10 李海霞;高分辨率遥感影像对象分类方法研究及其城乡规划监测应用[D];中国农业大学;2014年

中国硕士学位论文全文数据库 前10条

1 许潜金;基于高分辨率遥感影像与LiDAR点云的损毁建筑物提取方法研究[D];西南交通大学;2015年

2 李建飞;高分辨率遥感影像中的道路信息提取与表达方法研究[D];湖南工业大学;2015年

3 孙雯;微小卫星低成本高分辨率遥感相机的设计和研制[D];苏州大学;2015年

4 程臻;面向对象的高分辨率遥感影像全要素分类研究[D];哈尔滨工业大学;2015年

5 安丽;基于Hough变换的高分辨率遥感影像道路提取[D];东华理工大学;2015年

6 陈璐璐;土地利用动态监测在土地执法中的应用[D];南京农业大学;2014年

7 白金婷;结合高分辨率遥感影像多维特征的森林分类[D];北京林业大学;2016年

8 康萌萌;基于共享特征的高分辨率遥感影像多层次分类研究[D];上海交通大学;2013年

9 潘旋;基于混叠采样的高分辨率遥感光谱成像研究[D];西安电子科技大学;2013年

10 黄雪青;基于高分辨率遥感影像的信息提取[D];重庆大学;2008年

，

本文编号：759645