發(fā)布時間：2018-06-21 22:19

  本文選題：數(shù)據(jù)融合 + 不透水面��； 參考：《內蒙古師范大學》2017年碩士論文

【摘要】：數(shù)據(jù)融合是將遙感影像經(jīng)過融合處理,以提高研究區(qū)影像的空間以及時間分辨率。將數(shù)據(jù)融合方法應用于城市遙感監(jiān)測,可以提高城市信息提取的精度,對快速獲取城市信息具有重要意義。本文利用Landsat 8 OLI-TIRS影像數(shù)據(jù)作為數(shù)據(jù)源,提取研究區(qū)內城市信息,以進行不同數(shù)據(jù)融合方法在城市遙感監(jiān)測中的應用評價研究。本文將內蒙古呼和浩特市市區(qū)南部與農(nóng)村交界的小面積矩形區(qū)域作為研究區(qū)(111°36′47″E—111°44′08″E,40°45′33″N—40°48′12″N),經(jīng)過遙感影像數(shù)據(jù)預處理后,分別進行HSV變換、Brovey變換、Gram-Schmidt變換、主成分變換、NNDiffuse Pan Sharpening變換等5種數(shù)據(jù)融合處理,然后對5種融合后影像進行基于支持向量機的城市遙感信息提取,并對Gram-Schmidt變換、主成分變換、NNDiffuse Pan Sharpening變換3種融合后的影像進行基于歸一化差值不透水面指數(shù)的城市遙感信息提取。通過對融合后的影像進行參數(shù)統(tǒng)計分析(包括均值、標準差、信息熵、平均梯度、相關系數(shù)),以及對基于融合影像的信息提取結果(包括基于支持向量機的城市信息提取結果和基于歸一化差值不透水面指數(shù)的城市信息提取結果)進行精度分析,確定最適宜城市信息提取的數(shù)據(jù)融合與信息提取方法。研究結果表明,在綜合考慮融合后影像的各個統(tǒng)計參數(shù)的情況下,NNDiffuse Pan Sharpening融合的效果最好,其影像在各個波段的保真度、清晰度以及信息豐富程度都較其它融合方法高;對基于支持向量機的城市信息提取結果進行精度分析,發(fā)現(xiàn)基于NNDiffuse Pan Sharpening的支持向量機分類結果精度最高,其次是基于PC的支持向量機分類結果精度,最差的是基于HSV和Brovey的支持向量機分類結果精度;在基于歸一化差值不透水面指數(shù)的城市信息提取結果中,總體上基于PC變換的NDISI提取結果精度最高,其次是基于NNDiffuse Pan Sharpening變換的NDISI提取結果,最差的是基于Gram-Schmidt變換的NDISI提取結果;對所有信息提取方法進行精度評價,發(fā)現(xiàn)基于PC變換的NDISI提取結果的精度最高。
[Abstract]:Data fusion is the fusion of remote sensing images to improve the spatial and temporal resolution of the image. The application of data fusion method to urban remote sensing monitoring can improve the precision of urban information extraction, and it is of great significance to obtain urban information quickly. In this paper, Landsat 8 OLI-TIRS image data is used as the data source to extract urban information in the study area and to evaluate the application of different data fusion methods in urban remote sensing monitoring. In this paper, the small rectangular area at the southern and rural border of Hohhot, Inner Mongolia, is taken as the study area (111 擄36N 47 "E-111 擄44008" EN 40 擄4510 33 "N-40 擄4812" N), and the data of remote sensing image are preprocessed. Five kinds of data fusion processing, such as HSV transform, Brovey transform, principal component transform and NNDiffuse Pan Sharpening transform, are carried out respectively. Then, five kinds of fused images are extracted from urban remote sensing information based on support vector machine, and Gram-Schmidt transform is used. Principal component transform (PCA) and NNDiffuse Pan Sharpening transform are used to extract urban remote sensing information based on normalized difference impervious surface index. Through the statistical analysis of the fused image parameters (including mean, standard deviation, information entropy, average gradient), Correlation coefficient), and the accuracy analysis of the information extraction results based on fusion image (including the results based on support vector machine (SVM) and city information extraction based on normalized difference impervious surface index (NDI). The method of data fusion and information extraction which is most suitable for urban information extraction is determined. The results show that the NNDiffuse Pan Sharpening fusion has the best effect when considering all the statistical parameters of the fused images, and the fidelity, clarity and information richness of the images in each band are higher than those of other fusion methods. By analyzing the accuracy of urban information extraction based on support vector machine (SVM), it is found that the accuracy of SVM classification based on NNDiffuse Pan Sharpening is the highest, and that of SVM based on PC is the highest. The worst one is the classification accuracy of support vector machine based on HSV and Brovey, and the NDISI based on PC transformation has the highest accuracy in the city information extraction based on normalized difference impervious surface index. Secondly, NDISI extraction results based on NNDiffuse Pan Sharpening transform, the worst NDISI extraction results based on Gram-Schmidt transform, and the accuracy evaluation of all information extraction methods show that the accuracy of NDISI extraction based on PC transform is the highest.
【學位授予單位】：內蒙古師范大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P237

【參考文獻】

相關期刊論文 前10條

1 鄭逢德;張鴻賓;;Lagrange雙支撐向量回歸機[J];計算機科學;2011年12期

2 黃茜;楊武年;鄭富強;;廣安市城市擴展變化的遙感監(jiān)測動態(tài)分析[J];地理空間信息;2010年04期

3 鄭毅;武法東;劉艷芳;;一種面向對象分類的特征分析方法[J];地理與地理信息科學;2010年02期

4 喬佩穎;劉玉機;;衛(wèi)星數(shù)據(jù)融合技術在環(huán)境遙感監(jiān)測中的應用[J];環(huán)境保護與循環(huán)經(jīng)濟;2009年10期

5 劉克;趙文吉;;遙感影像融合方法評價——以SPOT5自身融合為例[J];首都師范大學學報(自然科學版);2008年06期

6 徐涵秋;;一種快速提取不透水面的新型遙感指數(shù)[J];武漢大學學報(信息科學版);2008年11期

7 后斌;;基于支撐向量機的遙感影像分類方法比較研究[J];測繪通報;2008年10期

8 侯淑濤;王洪成;;多源遙感數(shù)據(jù)融合技術研究[J];測繪與空間地理信息;2008年04期

9 聶艷;周勇;錢建平;黃建武;;基于信息熵和模糊物元模型的城鄉(xiāng)結合部農(nóng)地質量評價——以湖北省荊州市為例[J];資源科學;2008年06期

10 陳百明;周小萍;;《土地利用現(xiàn)狀分類》國家標準的解讀[J];自然資源學報;2007年06期

相關會議論文 前1條

1 胡娟;許兆軍;;基于SPOT5的縣級土地利用數(shù)據(jù)庫更新技術方法研究[A];2006年中國土地學會學術年會論文集[C];2006年

相關博士學位論文 前2條

1 李明詩;基于ASTER遙感數(shù)據(jù)的建湖縣楊樹信息提取的研究[D];南京林業(yè)大學;2005年

2 沈潤平;土地利用遙感監(jiān)測的關鍵技術及其應用研究——以江西鄱陽湖地區(qū)為例[D];浙江大學;2002年

相關碩士學位論文 前5條

1 孫廣福;基于Landsat/OLI-TIRS數(shù)據(jù)的鹽堿地模式識別[D];內蒙古師范大學;2016年

2 周學林;基于多源遙感數(shù)據(jù)的鄱陽湖濕地植被類型反演研究[D];江西理工大學;2012年

3 丁然;支持向量機多類分類算法研究[D];哈爾濱理工大學;2012年

4 徐小軍;基于LANDSAT TM影像毛竹林地上部分碳儲量估算研究[D];浙江林學院;2009年

5 李小濤;地統(tǒng)計學和神經(jīng)網(wǎng)絡在遙感影像分類中的應用研究[D];山東科技大學;2004年

，

本文編號：2050251