结合光谱和纹理信息的高分辨率遥感影像茶园提取
发布时间：2022-11-06 18:28
茶园的光谱特性比较复杂,往往与其他木本植被相互交叉重叠形成混淆。克服茶园光谱混淆问题的一个重要手段是在光谱特征的基础上引入基于空间信息的纹理特征。由于纹理特征的复杂性,目前仍无法统一的判断一个纹理提取和构建的方法的好与坏,通常针对不同的情况给出最适合的纹理特征构建方法。高分辨率遥感影像对地面信息的表达更丰富、更清晰,在提取地物纹理等空间信息方面有着巨大的优势。因此,本文基于高分辨率遥感影像,开展结合光谱和纹理特征的茶园提取方法的研究,主要研究内容和结论如下:（1）茶园影像特征构建。①光谱信息优化组合。基于NDVI指数和MNDVI指数构建了 DNDVI指数,增强光谱信息的同时消除了部分阴影;利用最佳指数因子（OIF）选取最优组合波段,对数据降维的同时保留了主要光谱信息。②纹理特征构建。利用灰度共生矩阵（GLCM）、Gabor滤波器以及局部二值模式（LBP）,分别构建了适合于WV-2影像和GF-2影像的纹理特征;并在此基础上提出一种融合LBP和Gabor的纹理构建方法,构建了 LBPGABOR纹理,更好地表达了影像的茶园信息。（2）茶园提取方法优选。对比5种不同光谱、...
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
中文摘要
Abstract
第一章 绪论
1.1 选题背景及意义
1.2 国内外研究进展
1.2.1 茶园提取研究
1.2.2 结合纹理特征的高分辨率遥感影像应用
1.2.3 纹理提取方法
1.3 研究内容和技术路线
1.3.1 研究目标
1.3.2 研究内容
1.3.3 技术路线
1.3.4 创新与特色
1.4 论文结构
第二章 研究区与数据预处理
2.1 研究区概况
2.2 数据概况
2.2.1 WV-2数据
2.2.2 GF-2数据
2.2.3 辅助数据
2.3 数据预处理
2.3.1 正射校正
2.3.2 大气校正
2.3.3 图像融合
2.4 本章小结
第三章 茶园影像特征构建
3.1 光谱信息获取方法
3.1.1 最佳指数因子
3.1.2 NDVI
3.1.3 MNDVI
3.2 光谱信息优化组合
3.2.1 最优波段组合
3.2.2 DNDVI
3.3 纹理提取方法
3.3.1 灰度共生矩阵
3.3.2 Gabor变换
3.3.3 LBP算子
3.4 纹理特征构建
3.4.1 WV-2影像茶园纹理构建
3.4.2 GF-2影像茶园纹理构建
3.5 本章小结
第四章 结合光谱和纹理信息的茶园提取
4.1 支持向量机分类方法
4.2 高分影像特征组合分类方案研究
4.2.1 WV-2影像分类方案研究
4.2.2 GF-2影像分类方案研究
4.3 茶园提取方法验证
4.3.1 安溪县长坑乡南部茶园提取
4.3.2 安溪县蓝田乡茶园提取
4.4 本章小结
第五章 结论和展望
5.1 主要结论
5.2 问题与不足
5.3 研究展望
参考文献
致谢
个人简历
【参考文献】：
期刊论文
[1]基于无人机和卫星遥感影像的制种玉米田识别纹理特征尺度优选[J]. 张超,乔敏,刘哲,金虹杉,宁明宇,孙海艳. 农业工程学报. 2017(17)
[2]基于主成分分析与局部二值模式的高光谱图像分类[J]. 叶珍,白璘. 激光与光电子学进展. 2017(11)
[3]基于纹理特征和SVM的QuickBird影像苹果园提取[J]. 宋荣杰,宁纪锋,刘秀英,常庆瑞. 农业机械学报. 2017(03)
[4]采用GLCM-SVM来区分生长在脑实质区的生殖细胞瘤与脑胶质细胞瘤[J]. 王朝阳,代广喆,余绍德,谢耀钦. 轻工科技. 2017(03)
[5]加权融合的GLCM的目标物体检索算法[J]. 李雪玉,王玉德,宋金州,佟利亚. 电子技术. 2017(01)
[6]傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类[J]. 佃袁勇,杨光,方圣辉. 武汉大学学报(信息科学版). 2017(03)
[7]基于改进GLCM的侧扫声纳影像分类研究[J]. 郭军,马金凤,王爱学. 测绘工程. 2016(06)
[8]基于增强方向局部二值模式的纹理分类[J]. 孙君顶,靳姣林,李海华,刘晓惠,陈鹏鹏. 计算机应用研究. 2017(04)
[9]基于抗噪声局部二值模式的纹理图像分类[J]. 冀中,聂林红. 计算机研究与发展. 2016(05)
[10]一种新的基于Gabor特征的零空间人脸识别算法[J]. 陈思,赵欢喜,朱顺痣. 厦门大学学报(自然科学版). 2016(01)
硕士论文
[1]基于面向对象和多源数据融合的茶园遥感提取研究[D]. 许光明.陕西师范大学 2016
[2]遥感图像纹理特征提取的研究[D]. 刘晓葳.华中科技大学 2007
本文编号：3704001
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
中文摘要
Abstract
第一章 绪论
1.1 选题背景及意义
1.2 国内外研究进展
1.2.1 茶园提取研究
1.2.2 结合纹理特征的高分辨率遥感影像应用
1.2.3 纹理提取方法
1.3 研究内容和技术路线
1.3.1 研究目标
1.3.2 研究内容
1.3.3 技术路线
1.3.4 创新与特色
1.4 论文结构
第二章 研究区与数据预处理
2.1 研究区概况
2.2 数据概况
2.2.1 WV-2数据
2.2.2 GF-2数据
2.2.3 辅助数据
2.3 数据预处理
2.3.1 正射校正
2.3.2 大气校正
2.3.3 图像融合
2.4 本章小结
第三章 茶园影像特征构建
3.1 光谱信息获取方法
3.1.1 最佳指数因子
3.1.2 NDVI
3.1.3 MNDVI
3.2 光谱信息优化组合
3.2.1 最优波段组合
3.2.2 DNDVI
3.3 纹理提取方法
3.3.1 灰度共生矩阵
3.3.2 Gabor变换
3.3.3 LBP算子
3.4 纹理特征构建
3.4.1 WV-2影像茶园纹理构建
3.4.2 GF-2影像茶园纹理构建
3.5 本章小结
第四章 结合光谱和纹理信息的茶园提取
4.1 支持向量机分类方法
4.2 高分影像特征组合分类方案研究
4.2.1 WV-2影像分类方案研究
4.2.2 GF-2影像分类方案研究
4.3 茶园提取方法验证
4.3.1 安溪县长坑乡南部茶园提取
4.3.2 安溪县蓝田乡茶园提取
4.4 本章小结
第五章 结论和展望
5.1 主要结论
5.2 问题与不足
5.3 研究展望
参考文献
致谢
个人简历
【参考文献】：
期刊论文
[1]基于无人机和卫星遥感影像的制种玉米田识别纹理特征尺度优选[J]. 张超,乔敏,刘哲,金虹杉,宁明宇,孙海艳. 农业工程学报. 2017(17)
[2]基于主成分分析与局部二值模式的高光谱图像分类[J]. 叶珍,白璘. 激光与光电子学进展. 2017(11)
[3]基于纹理特征和SVM的QuickBird影像苹果园提取[J]. 宋荣杰,宁纪锋,刘秀英,常庆瑞. 农业机械学报. 2017(03)
[4]采用GLCM-SVM来区分生长在脑实质区的生殖细胞瘤与脑胶质细胞瘤[J]. 王朝阳,代广喆,余绍德,谢耀钦. 轻工科技. 2017(03)
[5]加权融合的GLCM的目标物体检索算法[J]. 李雪玉,王玉德,宋金州,佟利亚. 电子技术. 2017(01)
[6]傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类[J]. 佃袁勇,杨光,方圣辉. 武汉大学学报(信息科学版). 2017(03)
[7]基于改进GLCM的侧扫声纳影像分类研究[J]. 郭军,马金凤,王爱学. 测绘工程. 2016(06)
[8]基于增强方向局部二值模式的纹理分类[J]. 孙君顶,靳姣林,李海华,刘晓惠,陈鹏鹏. 计算机应用研究. 2017(04)
[9]基于抗噪声局部二值模式的纹理图像分类[J]. 冀中,聂林红. 计算机研究与发展. 2016(05)
[10]一种新的基于Gabor特征的零空间人脸识别算法[J]. 陈思,赵欢喜,朱顺痣. 厦门大学学报(自然科学版). 2016(01)
硕士论文
[1]基于面向对象和多源数据融合的茶园遥感提取研究[D]. 许光明.陕西师范大学 2016
[2]遥感图像纹理特征提取的研究[D]. 刘晓葳.华中科技大学 2007
本文编号：3704001
本文链接：https://www.wllwen.com/kejilunwen/nykj/3704001.html
