本文關(guān)鍵詞：基于面向?qū)ο蟮倪b感影像巖性分類研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來隨著遙感技術(shù)的迅速發(fā)展,遙感應(yīng)用領(lǐng)域更加開闊,遙感技術(shù)作為一種先進(jìn)的空間探測技術(shù)受到更多的重視。分類是遙感應(yīng)用過程中的關(guān)鍵技術(shù),傳統(tǒng)的遙感影像分類是以像素為基本單元,根據(jù)異物異譜的原理,在特征空間中依據(jù)其統(tǒng)計(jì)特性實(shí)現(xiàn)分類。由于噪聲的影響和統(tǒng)計(jì)特征對(duì)局部信息的忽略,分類結(jié)果中出現(xiàn)了嚴(yán)重的椒鹽現(xiàn)象,不能有效的表達(dá)地物的空間分布狀態(tài),無法充分利用遙感數(shù)據(jù)中蘊(yùn)含的信息。而面向?qū)ο蟮姆诸惙椒ㄊ褂猛ㄟ^分割形成的影像對(duì)象作為分類的基本單元,影像對(duì)象是由局部像元合并而成的,而且噪聲對(duì)影像對(duì)象的影響可以被忽略,因此面向?qū)ο蟮姆诸惙椒ǹ梢员苊饣谙袼胤诸惙椒ㄟ@兩方面的不足,從而在分類結(jié)果中避免了椒鹽現(xiàn)象。本文使用面向?qū)ο蟮姆椒▽?duì)巖性分類,首先通過分割技術(shù)生成同質(zhì)的影像對(duì)象,然后提取對(duì)象的特征信息,運(yùn)用模糊分類方法實(shí)現(xiàn)分類。在包頭市固陽縣使用Landsat8影像進(jìn)行了分類實(shí)驗(yàn),分類前需要對(duì)影像進(jìn)行預(yù)處理,首先使用Gram-Schmidt變換方法對(duì)全色波段和多光譜波段進(jìn)行融合,接著計(jì)算組合波段的最佳指數(shù),選擇波段651進(jìn)行假彩色合成,最后對(duì)融合影像進(jìn)行主成分分析,并在第一主成分的基礎(chǔ)上提取紋理信息。在此基礎(chǔ)上進(jìn)行分割實(shí)驗(yàn),最終選擇的尺度為120、90、60,以這三個(gè)層次建立分類等級(jí)網(wǎng)絡(luò),結(jié)合對(duì)象的光譜和紋理特征,使用最鄰近分類法實(shí)現(xiàn)分類,最后結(jié)合地質(zhì)圖對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià)。結(jié)果表明面向?qū)ο蠓诸惤Y(jié)果的總體精度為84%,與最大似然法相比提高了11%,面向?qū)ο蠓诸惤Y(jié)果的Kappa系數(shù)為0.82,與最大似然法相比提高了0.12。由此可見,面向?qū)ο蟮姆诸惙椒ㄔ谶b感影像巖性分類上具有一定的應(yīng)用價(jià)值。
【關(guān)鍵詞】：分類 對(duì)象 多尺度分割 特征提取 精度評(píng)定
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：P627
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-14
• 1.1 選題背景及意義8
• 1.2 國內(nèi)外研究現(xiàn)狀8-11
• 1.3 研究內(nèi)容和論文結(jié)構(gòu)11-12
• 1.3.1 研究內(nèi)容11-12
• 1.3.2 論文結(jié)構(gòu)12
• 1.4 本章小結(jié)12-14
• 第二章 遙感影像分類原理14-25
• 2.1 基于像元的遙感影像分類14-17
• 2.1.1 樣本選擇14-15
• 2.1.2 分類器的選擇15
• 2.1.3 分類精度評(píng)價(jià)15-17
• 2.1.4 分類后處理17
• 2.2 面向?qū)ο蟮倪b感影像分類17-24
• 2.2.1 影像分割17-20
• 2.2.2 影像特征20-23
• 2.2.3 影像對(duì)象分類技術(shù)23-24
• 2.3 本章小結(jié)24-25
• 第三章 研究區(qū)概況及數(shù)據(jù)資料25-37
• 3.1 研究區(qū)域概況25
• 3.2 數(shù)據(jù)介紹25-27
• 3.3 數(shù)據(jù)預(yù)處理27-36
• 3.3.1 地理配準(zhǔn)27-28
• 3.3.2 影像融合28-31
• 3.3.3 最優(yōu)波段選擇31-33
• 3.3.4 紋理特征提取33-36
• 3.4 本章小結(jié)36-37
• 第四章 遙感影像分類實(shí)驗(yàn)37-51
• 4.1 多尺度分割試驗(yàn)37-41
• 4.1.1 多尺度分割參數(shù)37-38
• 4.1.2 多尺度分割試驗(yàn)38-41
• 4.2 面向?qū)ο蠓诸?/span>41-48
• 4.2.1 構(gòu)建類別層次結(jié)構(gòu)41-42
• 4.2.2 特征組合與分類42-48
• 4.3 最大似然法分類48-50
• 4.4 面向?qū)ο蠓椒ㄅc基于像元方法比較50
• 4.5 本章小結(jié)50-51
• 結(jié)論與展望51-53
• 參考文獻(xiàn)53-56
• 攻讀學(xué)位期間取得的研究成果56-57
• 致謝57

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 任國貞;江濤;;基于灰度共生矩陣的紋理提取方法研究[J];計(jì)算機(jī)應(yīng)用與軟件;2014年11期

2 劉純;洪亮;楚森森;;高分辨率遙感影像分割方法研究[J];測繪與空間地理信息;2014年10期

3 初慶偉;張洪群;吳業(yè)煒;馮鐘葵;陳勃;;Landsat-8衛(wèi)星數(shù)據(jù)應(yīng)用探討[J];遙感信息;2013年04期

4 劉友山;呂成文;祝鳳霞;高超;;基于PCA和多尺度紋理特征提取的高分辨率遙感影像分類[J];遙感技術(shù)與應(yīng)用;2012年05期

5 鄭桂香;池天河;藺啟忠;;分形在巖性分類及蝕變信息提取中的應(yīng)用[J];國土資源遙感;2012年02期

6 史澤鵬;馬友華;王玉佳;馬中文;黃勤;黃艷艷;;遙感影像土地利用/覆蓋分類方法研究進(jìn)展[J];中國農(nóng)學(xué)通報(bào);2012年12期

7 賈坤;李強(qiáng)子;田亦陳;吳炳方;;遙感影像分類方法研究進(jìn)展[J];光譜學(xué)與光譜分析;2011年10期

8 祖琪;袁希平;莫源富;袁磊;;基于面向?qū)ο蠓诸惙椒ㄔ赟POT影像中的地物信息提取[J];中國巖溶;2011年02期

9 李智峰;朱谷昌;董泰鋒;;基于灰度共生矩陣的圖像紋理特征地物分類應(yīng)用[J];地質(zhì)與勘探;2011年03期

10 彭海濤;柯長青;;基于多層分割的面向?qū)ο筮b感影像分類方法研究[J];遙感技術(shù)與應(yīng)用;2010年01期

  本文關(guān)鍵詞：基于面向?qū)ο蟮倪b感影像巖性分類研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：477754