基于高分二号遥感数据的树种精细分类技术研究
发布时间：2021-04-19 12:01
为了探究国产高分数据在树种分类领域的应用潜力,该文基于东北内蒙古重点国有林区部分区域范围内的高分二号影像及地面调查数据,主要研究了树种分类过程中的多尺度分割参数确定方法和特征优选方法,并对分类结果提取出的小班优势树种误差情况进行了分析,为国产高分数据林业应用提供了可靠参考。该文的主要研究工作有:（1）以高分二号多光谱和全色影像为数据源,采用分水岭分割与多尺度分割两种常用分割算法进行影像分割实验。结果表明,与分水岭分割算法相比,多尺度分割算法分割所得影像对象保留了更好的林分特征,具有明显的应用优势。在分割参数确定阶段,该文采用控制单一因子法,分阶段确定了形状因子和紧致度因子在同质性准则组合参数中所占权重的最佳值。然后,在以上两因子的配合下采用最优分割尺度估计工具ESP2计算了最优分割尺度所在范围,继而采用本文提出的基于树种样本点对的最优分割尺度评价点指数法评价了不同尺度分割效果的优劣。在确定最优分割尺度后,开展实验反向验证该尺度参数下的最佳同质性准则组合参数分割效果。通过正向实验与反向验证相结合的方式,确定了该文树种分类的影像分割最佳参数,有效分割出了影像上的林分特征。（2）传感器空间分...
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 引言
1.1 研究背景
1.1.1 高分遥感影像解译
1.1.2 影像分割结果评价
1.1.3 特征优选
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究目标、内容和路线
1.3.1 研究目标
1.3.2 研究内容
1.3.3 技术路线
2 研究区概况及数据
2.1 研究区概况
2.1.1 地理位置
2.1.2 气候、物候
2.1.3 树种概况
2.2 遥感数据及预处理
2.2.1 数据
2.2.2 预处理
2.3 地面调查数据
2.4 DEM数据
3 影像分割
3.1 常用分割方法
3.1.1 分水岭分割
3.1.2 多尺度分割
3.1.3 分割效果对比
3.2 分割算法参数
3.2.1 MRS算法参数
3.2.2 同质性准则组合参数
3.2.3 尺度参数
3.3 分割效果评价方法
3.3.1 分割效果分类
3.3.2 评价方法
3.4 分割参数确定
3.4.1 同质性标准组合参数
3.4.2 最优分割尺度估计
3.4.3 多尺度分割效果评价
4 树种分类及优势树种提取
4.1 分类特征集
4.1.1 样本选取
4.1.2 特征提取
4.1.3 统计分析选取特征法
4.1.4 建模选取特征法
4.2 分类精度评价
4.3 分类方法与结果
4.3.1 K最邻近分类
4.3.2 支持向量机
4.3.3 决策树
4.3.4 随机森林
4.4 优势树种提取
5 结论和展望
5.1 结论
5.2 展望
参考文献
个人简介
导师简介
获得成果目录
致谢
【参考文献】：
期刊论文
[1]特征贡献度与PCA结合的遥感影像分类特征选择优化方法研究[J]. 孙俊娇,王萍,张英,冯志贤,桑会勇. 测绘与空间地理信息. 2018(01)
[2]面向对象的多特征分级CVA遥感影像变化检测[J]. 赵敏,赵银娣. 遥感学报. 2018(01)
[3]分割尺度对面向对象树种分类的影响及评价[J]. 毛学刚,陈文曲,魏晶昱,范文义. 林业科学. 2017(12)
[4]神农架川金丝猴栖息地优势乔木树种遥感识别及其分布特征[J]. 林丽群,汪正祥,雷耘,李亭亭,王俊,杨敬元. 生态学报. 2017(19)
[5]基于高分二号的云南松林遥感影像提取方法研究[J]. 汪红,马云强,石雷. 云南地理环境研究. 2017(02)
[6]基于面向对象的珲春地区高分辨率遥感影像分类研究[J]. 张忠斌. 测绘与空间地理信息. 2017(02)
[7]基于小波变换和随机森林的森林类型分类研究[J]. 吕杰,汪康宁,李崇贵,马婷. 西北林学院学报. 2016(06)
[8]面向对象的遥感影像最优分割尺度监督评价[J]. 庄喜阳,赵书河,陈诚,丛佃敏,曲永超. 国土资源遥感. 2016(04)
[9]基于高分二号多光谱数据的树种识别方法[J]. 尹凌宇,覃先林,孙桂芬,祖笑锋,陈小中. 林业资源管理. 2016(04)
[10]结合多尺度纹理特征的遥感影像面向对象分类[J]. 林雪,彭道黎,黄国胜,王雪军. 测绘工程. 2016(07)
博士论文
[1]中高分辨率遥感影像森林类型精细分类与森林资源变化监测技术研究[D]. 任冲.中国林业科学研究院 2016
[2]高分辨率遥感森林植被分类提取研究[D]. 李伟涛.北京林业大学 2016
[3]基于知识的高分辨率遥感影像耕地自动提取技术研究[D]. 孙家波.中国农业大学 2014
[4]高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究[D]. 黄昕.武汉大学 2009
[5]面向对象影像分析中的尺度问题研究[D]. 黄慧萍.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]基于多层次分割分类模型及其特征空间优化的高分辨率遥感影像城市建筑物提取研究[D]. 党涛.兰州大学 2018
[2]地理本体驱动的多源遥感影像SVM分类及变化检测研究[D]. 徐强强.兰州交通大学 2017
[3]基于GF-1影像的森林分类及景观格局分析[D]. 郝宁燕.西安科技大学 2016
[4]考虑植被季相节律的高分辨率遥感影像城市森林分类[D]. 任芯雨.南京林业大学 2016
[5]基于面向对象的高分一号遥感影像森林分类研究[D]. 董心玉.东北林业大学 2016
[6]基于多层次分割的遥感影像面向对象森林分类[D]. 马浩然.北京林业大学 2014
本文编号：3147513
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 引言
1.1 研究背景
1.1.1 高分遥感影像解译
1.1.2 影像分割结果评价
1.1.3 特征优选
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究目标、内容和路线
1.3.1 研究目标
1.3.2 研究内容
1.3.3 技术路线
2 研究区概况及数据
2.1 研究区概况
2.1.1 地理位置
2.1.2 气候、物候
2.1.3 树种概况
2.2 遥感数据及预处理
2.2.1 数据
2.2.2 预处理
2.3 地面调查数据
2.4 DEM数据
3 影像分割
3.1 常用分割方法
3.1.1 分水岭分割
3.1.2 多尺度分割
3.1.3 分割效果对比
3.2 分割算法参数
3.2.1 MRS算法参数
3.2.2 同质性准则组合参数
3.2.3 尺度参数
3.3 分割效果评价方法
3.3.1 分割效果分类
3.3.2 评价方法
3.4 分割参数确定
3.4.1 同质性标准组合参数
3.4.2 最优分割尺度估计
3.4.3 多尺度分割效果评价
4 树种分类及优势树种提取
4.1 分类特征集
4.1.1 样本选取
4.1.2 特征提取
4.1.3 统计分析选取特征法
4.1.4 建模选取特征法
4.2 分类精度评价
4.3 分类方法与结果
4.3.1 K最邻近分类
4.3.2 支持向量机
4.3.3 决策树
4.3.4 随机森林
4.4 优势树种提取
5 结论和展望
5.1 结论
5.2 展望
参考文献
个人简介
导师简介
获得成果目录
致谢
【参考文献】：
期刊论文
[1]特征贡献度与PCA结合的遥感影像分类特征选择优化方法研究[J]. 孙俊娇,王萍,张英,冯志贤,桑会勇. 测绘与空间地理信息. 2018(01)
[2]面向对象的多特征分级CVA遥感影像变化检测[J]. 赵敏,赵银娣. 遥感学报. 2018(01)
[3]分割尺度对面向对象树种分类的影响及评价[J]. 毛学刚,陈文曲,魏晶昱,范文义. 林业科学. 2017(12)
[4]神农架川金丝猴栖息地优势乔木树种遥感识别及其分布特征[J]. 林丽群,汪正祥,雷耘,李亭亭,王俊,杨敬元. 生态学报. 2017(19)
[5]基于高分二号的云南松林遥感影像提取方法研究[J]. 汪红,马云强,石雷. 云南地理环境研究. 2017(02)
[6]基于面向对象的珲春地区高分辨率遥感影像分类研究[J]. 张忠斌. 测绘与空间地理信息. 2017(02)
[7]基于小波变换和随机森林的森林类型分类研究[J]. 吕杰,汪康宁,李崇贵,马婷. 西北林学院学报. 2016(06)
[8]面向对象的遥感影像最优分割尺度监督评价[J]. 庄喜阳,赵书河,陈诚,丛佃敏,曲永超. 国土资源遥感. 2016(04)
[9]基于高分二号多光谱数据的树种识别方法[J]. 尹凌宇,覃先林,孙桂芬,祖笑锋,陈小中. 林业资源管理. 2016(04)
[10]结合多尺度纹理特征的遥感影像面向对象分类[J]. 林雪,彭道黎,黄国胜,王雪军. 测绘工程. 2016(07)
博士论文
[1]中高分辨率遥感影像森林类型精细分类与森林资源变化监测技术研究[D]. 任冲.中国林业科学研究院 2016
[2]高分辨率遥感森林植被分类提取研究[D]. 李伟涛.北京林业大学 2016
[3]基于知识的高分辨率遥感影像耕地自动提取技术研究[D]. 孙家波.中国农业大学 2014
[4]高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究[D]. 黄昕.武汉大学 2009
[5]面向对象影像分析中的尺度问题研究[D]. 黄慧萍.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]基于多层次分割分类模型及其特征空间优化的高分辨率遥感影像城市建筑物提取研究[D]. 党涛.兰州大学 2018
[2]地理本体驱动的多源遥感影像SVM分类及变化检测研究[D]. 徐强强.兰州交通大学 2017
[3]基于GF-1影像的森林分类及景观格局分析[D]. 郝宁燕.西安科技大学 2016
[4]考虑植被季相节律的高分辨率遥感影像城市森林分类[D]. 任芯雨.南京林业大学 2016
[5]基于面向对象的高分一号遥感影像森林分类研究[D]. 董心玉.东北林业大学 2016
[6]基于多层次分割的遥感影像面向对象森林分类[D]. 马浩然.北京林业大学 2014
本文编号：3147513
本文链接：https://www.wllwen.com/nykjlw/lylw/3147513.html
