本文關(guān)鍵詞：基于多尺度分割的高分遙感影像主要地物信息提取技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著傳感器技術(shù)、遙感平臺(tái)的飛速發(fā)展，遙感觀測技術(shù)逐漸成熟，高空間分辨率是遙感發(fā)展的總趨勢。中低分辨率遙感影像中，地物目標(biāo)尺度較大，地物內(nèi)部細(xì)節(jié)比較模糊，地物之間的關(guān)系不清晰。而高分影像中地物尺度較小，地物細(xì)節(jié)精細(xì)，與周圍地物的關(guān)系比較清晰，為遙感影像的處理與分析奠定良好的基礎(chǔ)。因此，高分遙感技術(shù)已在諸多領(lǐng)域得到應(yīng)用，特別是在地物信息提取方面體現(xiàn)出其重要的應(yīng)用價(jià)值。 然而，高分辨率遙感影像中地物信息復(fù)雜多樣、地物目標(biāo)結(jié)構(gòu)多變、干擾信息復(fù)雜，使得利用高分辨率遙感影像提取地物信息面臨挑戰(zhàn)。采用基于像元的方法處理高分辨率遙感影像，主要考慮像元的光譜信息，忽略了影像中目標(biāo)地物的紋理、上下文及形狀等空間信息，導(dǎo)致較為嚴(yán)重的“椒鹽現(xiàn)象”，信息提取結(jié)果很難滿足高分辨率遙感影像的應(yīng)用需求。因此亟需深入認(rèn)識(shí)高分遙感數(shù)據(jù)的特點(diǎn)，，探索合適的地物信息提取技術(shù)，提高其應(yīng)用價(jià)值。基于此，本文詳細(xì)闡述了多尺度分割原理，分析了尺度參數(shù)、光譜異質(zhì)性及形狀異質(zhì)性等影響因子。探討了地物邊緣的提取方法，并整合地物邊緣參與多尺度分割，創(chuàng)建與實(shí)際地物相關(guān)聯(lián)的影像對象層。在深入分析影像對象特征的基礎(chǔ)上，結(jié)合閾值分類和模糊分類方法提取研究區(qū)主要地物信息。最后選取適量樣本計(jì)算混淆矩陣評(píng)價(jià)提取結(jié)果的精度。經(jīng)研究，本文取得以下主要成果： 1）對比分析不同算法檢測地物邊緣的結(jié)果，表明canny算子在地物邊緣提取中能獲得較高質(zhì)量的地物邊緣。針對自動(dòng)提取地物邊緣存在的問題，對某些特別棘手的邊緣采用人工方法提取。為多尺度分割提供地物邊緣數(shù)據(jù)。 2）在深入研究多尺度分割技術(shù)原理和重要影響因子的基礎(chǔ)上進(jìn)行影像分割，創(chuàng)建影像對象層。結(jié)果表明該方法將干擾信息和相鄰像元分割到同一均質(zhì)區(qū)域，可有效減少或消除噪聲干擾，解決影像中存在的局部異質(zhì)性問題。影像中“同物異譜”、“同譜異物”的問題得到較好解決，克服了傳統(tǒng)方法處理高分影像普遍存在的椒鹽現(xiàn)象。因此，在高分辨率遙感影像地物信息提取應(yīng)用中，多尺度分割技術(shù)無疑是一種可靠的新途徑。 3）針對單純利用多尺度分割技術(shù)存在的不足，本研究整合了地物邊緣信息參與影像分割。通過統(tǒng)計(jì)分析各類地物對象最大面積與分割尺度的關(guān)系，確定特定地物的最佳分割尺度。結(jié)果表明影像分割質(zhì)量大幅度提高，各類地物邊緣明顯，影像對象更具有效性和可分性，進(jìn)而提高信息提取精度。 4）通過綜合分析影像對象的特征和實(shí)際地物特征，確定適合提取水體、居民地、植被、道路及裸地等主要地物的對象特征。以影像對象為基本單元，采用閾值分類和模糊分類方法提取地物信息，并對提取結(jié)果進(jìn)行整飾，制作研究區(qū)主地物要素專題圖。最后采集適量樣本計(jì)算混淆矩陣評(píng)價(jià)提取結(jié)果的精度，結(jié)果表明各類地物提取精度較高，總體精度達(dá)到94.6%。結(jié)合運(yùn)用兩種方法提取地物信息能夠取得較好結(jié)果，基于多尺度分割的地物信息提取技術(shù)在高分辨率遙感數(shù)據(jù)應(yīng)用中具有明顯的優(yōu)勢和良好的發(fā)展前景。
【關(guān)鍵詞】：高分辨率 多尺度分割 邊緣檢測 分割尺度 模糊分類
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：P237
【目錄】：

• 中文摘要4-6
• Abstract6-11
• 第1章 緒論11-17
• 1.1 研究背景及意義11-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-14
• 1.3 本論文研究內(nèi)容及結(jié)構(gòu)安排14-17
• 1.3.1 研究內(nèi)容14-15
• 1.3.2 結(jié)構(gòu)安排15-17
• 第2章 多尺度分割技術(shù)17-32
• 2.1 面向?qū)ο笮畔⑻崛〖夹g(shù)17
• 2.2 多尺度分割技術(shù)17-25
• 2.2.1 影像分割17-18
• 2.2.2 多尺度分割18-21
• 2.2.3 多尺度分割最優(yōu)尺度21-23
• 2.2.4 多尺度分割步驟23-25
• 2.3 影像對象特征25-30
• 2.4 影像對象提取技術(shù)30-32
• 2.4.1 閾值分類30
• 2.4.2 模糊分類30-32
• 第3章 地物邊緣信息提取32-36
• 3.1 邊緣檢測32-33
• 3.2 canny 邊緣檢測算子33-34
• 3.3 人工提取地物邊界34-36
• 第4章 基于多尺度分割的地物信息提取36-47
• 4.1 研究區(qū)介紹36
• 4.2 邊緣提取結(jié)果36-37
• 4.3 整合地物邊緣參與多尺度分割結(jié)果37-41
• 4.4 主要地物信息提取41-44
• 4.5 地物信息整飾44-45
• 4.6 精度分析45-47
• 第5章 結(jié)論與展望47-49
• 5.1 本文結(jié)論47-48
• 5.2 研究展望48-49
• 參考文獻(xiàn)49-53
• 導(dǎo)師、作者簡介及攻讀學(xué)位期間發(fā)表文章53-54
• 導(dǎo)師及作者簡介53
• 攻讀學(xué)位期間發(fā)表文章53-54
• 致謝54

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 朱春華;聶躍平;;面向?qū)ο蠓椒ㄔ赟POT5影像土地分類中的應(yīng)用——以京杭大運(yùn)河南旺地區(qū)為例[J];安徽農(nóng)業(yè)科學(xué);2009年07期

2 孫曉霞;張繼賢;劉正軍;;利用面向?qū)ο蟮姆诸惙椒◤腎KONOS全色影像中提取河流和道路[J];測繪科學(xué);2006年01期

3 劉正軍;張繼賢;孟亞賓;梁欣廉;孫曉霞;;基于分類與形態(tài)綜合的高分辨率影像建筑物提取方法研究[J];測繪科學(xué);2007年03期

4 黎展榮;王龍波;;利用高分辨率影像計(jì)算城市綠地覆蓋率[J];測繪通報(bào);2006年12期

5 黃慧萍,吳炳方;基于區(qū)域合并影像分割技術(shù)的多尺度地表景觀分析[J];地理科學(xué)進(jìn)展;2004年03期

6 常虹;詹福雷;楊國東;牛雪峰;張旭請;邵鵬;唐天琦;;面向?qū)ο蟮母叻诌b感影像信息提取技術(shù)研究[J];測繪通報(bào);2015年01期

7 陳忠;趙忠明;;基于區(qū)域生長的多尺度遙感圖像分割算法[J];計(jì)算機(jī)工程與應(yīng)用;2005年35期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 陳杰;高分辨率遙感影像面向?qū)ο蠓诸惙椒ㄑ芯縖D];中南大學(xué);2010年

  本文關(guān)鍵詞：基于多尺度分割的高分遙感影像主要地物信息提取技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：276691