【摘要】：傳統(tǒng)的遙感影像分類方法是以像元為處理單元的,在進(jìn)行影像地物分類時(shí)考慮的主要是像元的灰度值等影像統(tǒng)計(jì)特征,由于傳統(tǒng)影像分類方法對(duì)影像信息利用不充分,因此分類結(jié)果存在分類精度較低、分類速度慢等缺陷。由于高分辨率遙感影像包含了豐富的空間信息和紋理信息,傳統(tǒng)的分類方法并不能滿足其分類要求。因此,本文采用綜合考慮了影像的光譜、形狀、大小、紋理、拓?fù)湫畔⒌忍卣鞯拿嫦驅(qū)ο蟮倪b感影像分類法,它是以含有更多語(yǔ)義信息的對(duì)象作為處理單元,有效地克服傳統(tǒng)分類時(shí)的“椒鹽現(xiàn)象”,并能夠取得較好的分類效果。面向?qū)ο蟮挠跋穹诸惖年P(guān)鍵技術(shù)是對(duì)影像數(shù)據(jù)的分割。本文采用天繪衛(wèi)星2m的全色影像與10m多光譜影像進(jìn)行融合,形成具有高空間分辨率、色彩豐富、表達(dá)細(xì)致紋理的融合影像。采用改進(jìn)的分水嶺分割算法實(shí)現(xiàn)對(duì)高分辨率遙感影像智能化處理,其主要是通過(guò)直接計(jì)算融合影像彩色向量空間梯度,并對(duì)梯度圖像采用形態(tài)學(xué)混合開(kāi)、閉重建進(jìn)行梯度修正,有效的去除了梯度圖中的噪聲點(diǎn)和細(xì)密紋理結(jié)構(gòu),并移除影像中所有無(wú)意義的細(xì)密紋理產(chǎn)生的過(guò)小區(qū)域的連通塊。為了解決梯度圖像中因存在過(guò)多的局部極小值和偽極值點(diǎn)而使分水嶺分割出現(xiàn)過(guò)分割現(xiàn)象,本文采用自適應(yīng)閾值選取對(duì)梯度圖像做局部擴(kuò)展極小值標(biāo)記,以限制了極小值點(diǎn)數(shù)目,并采用強(qiáng)制最小運(yùn)算在原彩色梯度圖像中強(qiáng)制標(biāo)記擴(kuò)展極小值標(biāo)記的局部極值點(diǎn)位置,對(duì)梯度圖像做進(jìn)一步的修正重構(gòu),最后對(duì)梯度圖像做分水嶺分割,并尋找分割區(qū)域相似度將小區(qū)域合并到相鄰大區(qū)域中,有效抑制了V-S分水嶺過(guò)分割現(xiàn)象,提高了分割精度。本文對(duì)水體、道路和居民地進(jìn)行了特征分析以及描述,其中由于水體在近紅外波段的反射率與其他地物的反射率差異較大,可以很容易將水體與其他地物區(qū)分開(kāi)來(lái),因此利用影像對(duì)象在近紅外波段的平均值來(lái)提取水體;由于材質(zhì)的影響道路在影像上都具有較高的亮度值,并且在影像上呈現(xiàn)條帶狀,長(zhǎng)寬比特征可以將道路與建筑物進(jìn)行區(qū)分,因此利用長(zhǎng)寬比這一特征來(lái)提取道路;居民地是利用135°方向上的灰度共生矩陣來(lái)進(jìn)行提取。在改進(jìn)分水嶺分割的基礎(chǔ)上,對(duì)獲得的分割后影像根據(jù)不同的影像特征利用模糊理論來(lái)提取目標(biāo)地物水體、道路和居民地。模糊理論提取地物的具體步驟包括:(1)通過(guò)多次使用確定分類閾值以便將目標(biāo)地物與其他分開(kāi);(2)根據(jù)目標(biāo)地物的影像特征值,選擇合適的隸屬函數(shù);(3)模糊化,即將影像對(duì)象中的每一個(gè)特征值帶入隸屬函數(shù),計(jì)算出對(duì)象隸屬于某一類的隸屬度;(4)反模糊化。根據(jù)反模糊化算法確定對(duì)象的歸宿,其中若對(duì)象歸于所有類的隸屬度小于設(shè)定的分類閾值,則被劃分為未分類。為了驗(yàn)證面向?qū)ο蟮姆诸惙椒ㄏ啾葌鹘y(tǒng)的基于像元的方法對(duì)高分辨率影像分類具有更大的優(yōu)勢(shì),本文對(duì)兩者的分類結(jié)果用混淆矩陣做精度分析,面向?qū)ο蟮姆诸惤Y(jié)果與目視解譯結(jié)果更加接近,并且分類精度也明顯高于傳統(tǒng)方法,提取的地物與真實(shí)地物具有較高的形狀和屬性一致性,更加適用于高分辨率影像信息的提取。
[Abstract]:......
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：P237

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 王衛(wèi)紅;何敏;;面向?qū)ο笸恋乩眯畔⑻崛〉亩喑叨确指頪J];測(cè)繪科學(xué);2011年04期

2 余旺盛;侯志強(qiáng);王朝英;劉彬;宋灝;;基于改進(jìn)濾波和標(biāo)記提取的分水嶺算法[J];電子學(xué)報(bào);2011年04期

，

本文編號(hào)：2505809