面向对象的高分辨率遥感影像主要地物信息提取分类研究

发布时间：2023-05-21 19:39

　　伴随着遥感技术的长足发展,越来越多的高空间分辨率遥感影像得到应用,为快速准确获得丰富的地面信息创造了有利的条件。常规以像元技术为基础对遥感影像信息进行提取的方法,其主要考虑地物的光谱特性,没有考虑其空间和纹理特征,造成影像信息的流失。面向对象提取方法的出现,弥补了像元分类的不足,该方法以影像对象为基本单元,首先分割影像对象然后进行分类,分割时深入分析了高分辨率影像的特征,有效避免了以像元为基础的分类方法导致的同一地物范围内像元的错分、漏分现象,减轻了“椒盐现象”。本文进行了分层次多尺度分割的面向对象技术研究。研究过程以海南省三亚市亚龙湾度假区为实验区,以Quick Bird影像为数据源,选用基于面向对象软件eCognition9.0进行影像分割和分类,最终在分类精度上取得了比较理想的成果。本文主要研究内容如下:.1.融合效果的优劣很大程度上影响目标地物的分类精度。为获得高质量的遥感影像,本文基于 ENVI 软件进行 PC Spectral Sharpening、Brovey、Gram-Schmidt、NNDIffuse Pan Sharpening四种融合方法的对比实验,综合主客观评价...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 选题背景
    1.2 国内外研究现状
        1.2.1 遥感影像解译过程的发展现状
        1.2.2 最优尺度的参数选择
    1.3 研究方法和技术路线
        1.3.1 研究内容和方法
        1.3.2 技术路线
        1.3.3 章节安排
2 面向对象的信息提取技术
    2.1 影像分割技术
    2.2 多尺度分割方法
    2.3 遥感影像的特征描述
        2.3.1 影像的光谱特征
        2.3.2 影像的形状特征
        2.3.3 影像的纹理特征
        2.3.4 e Cognition自定义特征描述
    2.4 影像分类
        2.4.1 阈值分类
        2.4.2 模糊分类
        2.4.3 eCognition中模糊分类实现
    2.5 本章总结
3 数据预处理与影像融合
    3.1 实验区概况
    3.2 遥感影像预处理
        3.2.1 辐射校正
        3.2.2 几何校正
    3.3 影像融合
        3.3.1 PC Spectral Sharpening
        3.3.2 Brovey
        3.3.3 .Gram-Schmidt
        3.3.4 NNDIffuse Pan Sharpening(NNDI)
    3.4 高分遥感影像融合结果与评价
        3.4.1 影像融合主观评价
        3.4.2 影像融合的客观评价
    3.5 影像增强
    3.6 本章小结
4 面向对象的分类实验
    4.1 多尺度分割
        4.1.1 波段权重
        4.1.2 光谱因子与形状因子
        4.1.3 分割尺度
    4.2 确定地物最佳尺度分割
        4.2.1 最优分割尺度获取实验
        4.2.2 e Cognition中参数设置的实现
        4.2.3 多尺度分割的层次构建
    4.3 面向对象的主要地物信息分层提取
        4.3.1 水域信息提取
        4.3.2 植被信息提取
        4.3.3 道路信息提取
        4.3.4 建筑物、裸地信息提取
        4.3.5 e Cognition中规则集分类实现
    4.4 面向对象的最邻近分类法
    4.5 分类精度评价
        4.5.1 精度评价的相关概念
        4.5.2 基于多尺度分割与规则集分类的精度评价
        4.5.3 基于面向对象最邻近分类的精度评价
    4.6 本章小结
5 结论与展望
    5.1 研究结论
    5.2 存在的问题与展望
致谢
参考文献



本文编号：3821326