發(fā)布時(shí)間：2017-04-23 09:01

  本文關(guān)鍵詞：基于Worldview2影像的無(wú)錫新區(qū)地物信息提取，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著航空航天技術(shù)的飛速發(fā)展,遙感影像的空間分辨率越來(lái)越高。研究如何從高分辨率遙感影像中高效和精確的提取各類地物的信息,不僅對(duì)遙感技術(shù)本身的發(fā)展具有推動(dòng)作用,而且對(duì)我國(guó)正在推進(jìn)的城市化和現(xiàn)代化進(jìn)程具有重要的現(xiàn)實(shí)意義。面向?qū)ο蟮募夹g(shù)是在利用影像光譜信息的基礎(chǔ)上,更多考慮影像對(duì)象的幾何信息和紋理信息以及上下文之間的語(yǔ)義關(guān)系所提出的。由于面向?qū)ο蟮姆诸惙椒軌蜻m應(yīng)高分辨率遙感影像的特點(diǎn),提高分類的精度和效率,并且能夠有效的克服基于像元方法中分類結(jié)果的“椒鹽效應(yīng)”,因而現(xiàn)在已經(jīng)成為遙感影像處理研究中的一個(gè)熱點(diǎn)領(lǐng)域。如何深入挖掘和利用遙感數(shù)據(jù)中的各類語(yǔ)義關(guān)聯(lián)知識(shí),有效的去除各種復(fù)雜的干擾因素,提高解譯的自動(dòng)化和精細(xì)化程度,已經(jīng)成為高分辨率遙感影像技術(shù)發(fā)展和應(yīng)用的主要挑戰(zhàn)。本文針對(duì)面向?qū)ο蠓诸愡^程中的關(guān)鍵步驟,即影像最優(yōu)分割參數(shù)的選擇、影像對(duì)象的特征提取和最優(yōu)特征子集選擇以及面向?qū)ο蠓诸惙椒ǖ燃夹g(shù)進(jìn)行了討論,旨在為高分辨率遙感影像的自動(dòng)化分類提供參考。本文以無(wú)錫新區(qū)的WorldView2影像為實(shí)驗(yàn)數(shù)據(jù),利用在高分辨率遙感影像分類中應(yīng)用最為廣泛的分形網(wǎng)絡(luò)演化算法對(duì)影像進(jìn)行分割。針對(duì)高分辨率遙感影像最優(yōu)分割參數(shù)較難確定的問題,本文采用基于“影像對(duì)象內(nèi)同質(zhì)性和影像對(duì)象間異質(zhì)性盡量大”原則的全局分割質(zhì)量評(píng)價(jià)函數(shù)模型來(lái)對(duì)不同的分割參數(shù)下的分割結(jié)果進(jìn)行客觀、定量的分析和評(píng)價(jià),在此基礎(chǔ)上確定最佳分割參數(shù)。本文首先對(duì)原始波段進(jìn)行相關(guān)性分析和協(xié)方差統(tǒng)計(jì)以確定各波段參與分割的權(quán)重,并針對(duì)63組不同分割尺度和光譜因子的參數(shù)組合進(jìn)行了分割質(zhì)量的評(píng)價(jià),利用全局最優(yōu)分割質(zhì)量評(píng)價(jià)模型找到了適合于研究區(qū)的合適分割尺度,經(jīng)過人工目視檢驗(yàn),利用本文方法選取的分割參數(shù)能夠較好的表達(dá)真實(shí)地物的尺度,效果較優(yōu)。針對(duì)面向?qū)ο蠓诸愡^程特征“維數(shù)災(zāi)難”的存在,研究如何從眾多影像特征中剔除與分類目標(biāo)無(wú)關(guān)的特征顯得尤為重要。本文在對(duì)影像各地物進(jìn)行光譜分析的基礎(chǔ)上確定將建筑物分為4個(gè)子類提取的類別劃分方式,并在此基礎(chǔ)上對(duì)各類地物的影像對(duì)象進(jìn)行了光譜、形狀和紋理等影像增強(qiáng)特征的提取,旨在充分挖掘高分辨率遙感影像豐富的地物信息。然后本文利用參數(shù)最優(yōu)的隨機(jī)森林算法對(duì)影像對(duì)象的83個(gè)特征進(jìn)行了特征重要性的評(píng)估,并利用基于逆向迭代特征消除的策略的隨機(jī)森林模型確定候選最優(yōu)特征子集的維度,在此基礎(chǔ)上利用相關(guān)性分析去除冗余光譜信息確定了由12個(gè)特征組成的最優(yōu)特征子集。通過對(duì)比各類地物在選取出的部分特征上和原始光譜上的可分性發(fā)現(xiàn),本文方法選取出的特征極大的提升了各類地物之間的區(qū)分度,從而驗(yàn)證了本文特征選擇方法的有效性。本文在前文對(duì)影像進(jìn)行最優(yōu)參數(shù)分割、特征提取和選擇的基礎(chǔ)上,通過面向?qū)ο蟮腒NN方法,面向?qū)ο蟮腟VM方法和面向?qū)ο蟮碾S機(jī)森林方法對(duì)研究區(qū)的高分辨率影像進(jìn)行分類,并利用混淆矩陣對(duì)三種方法的分類結(jié)果進(jìn)行對(duì)比和分析。結(jié)果表明,面向?qū)ο蟮姆椒軌蜉^好的對(duì)研究區(qū)的地物信息進(jìn)行提取,地物的形狀表達(dá)完整,且有效地避免基于像元分類的“椒鹽噪聲”現(xiàn)象。通過對(duì)三種分類方法的精度比較可以看出,面向?qū)ο蟮碾S機(jī)森林分類方法的精度較高,其能夠較為有效的對(duì)建筑物信息和其他不透水層信息進(jìn)行分離,同時(shí)由于其計(jì)算效率高、參數(shù)設(shè)置簡(jiǎn)單等優(yōu)點(diǎn),具有較強(qiáng)的應(yīng)用推廣價(jià)值。
【關(guān)鍵詞】：WorldView2影像 面向?qū)ο蠓治黾夹g(shù) 最優(yōu)分割參數(shù)選擇 特征選擇 隨機(jī)森林
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：P237
【目錄】：

• 摘要4-6
• Abstract6-16
• 第一章 緒論16-26
• 1.1 選題背景與研究意義16-17
• 1.2 國(guó)內(nèi)外研究進(jìn)展17-22
• 1.2.1 遙感影像分割進(jìn)展17-19
• 1.2.2 特征選擇的研究19-21
• 1.2.3 分類方法的研究21-22
• 1.3 研究?jī)?nèi)容與技術(shù)路線22-24
• 1.3.1 研究?jī)?nèi)容22-23
• 1.3.2 技術(shù)路線23-24
• 1.4 論文結(jié)構(gòu)24-26
• 第二章 研究區(qū)概況與影像數(shù)據(jù)預(yù)處理26-31
• 2.1 研究區(qū)概況26-27
• 2.2 影像數(shù)據(jù)介紹27-29
• 2.3 遙感影像預(yù)處理29-31
• 2.3.1 輻射校正29-30
• 2.3.2 幾何精校正30
• 2.3.3 影像融合30-31
• 第三章 遙感影像的分割31-42
• 3.1 影像多尺度分割技術(shù)31-32
• 3.2 最優(yōu)分割參數(shù)確定32-42
• 3.2.1 最優(yōu)尺度及其計(jì)算模型33-34
• 3.2.2 最優(yōu)尺度計(jì)算結(jié)果與分析34-42
• 第四章 隨機(jī)森林及特征選擇42-65
• 4.1 地物光譜特征分析42-47
• 4.2 地物特征提取47-53
• 4.2.1 光譜特征提取47-50
• 4.2.2 形狀特征提取50-51
• 4.2.3 紋理特征提取51-53
• 4.3 基于隨機(jī)森林的特征選擇53-65
• 4.3.1 隨機(jī)森林基本原理54-55
• 4.3.2 基于隨機(jī)森林的特征選擇55-60
• 4.3.3 特征選擇結(jié)果與分析60-65
• 第五章 遙感影像的分類65-76
• 5.1 面向?qū)ο蟮腒NN方法及精度評(píng)價(jià)65-68
• 5.1.1 面向?qū)ο驥NN分類方法65
• 5.1.2 面向?qū)ο驥NN分類過程65
• 5.1.3 面向?qū)ο驥NN分類結(jié)果與分析65-68
• 5.2 面向?qū)ο蟮腟VM分類68-70
• 5.2.1 面向?qū)ο骃VM分類方法68
• 5.2.2 面向?qū)ο骃VM分類過程68
• 5.2.3 面向?qū)ο骃VM分類結(jié)果與分析68-70
• 5.3 面向?qū)ο蟮碾S機(jī)森林分類70-73
• 5.3.1 面向?qū)ο驲F分類方法70-71
• 5.3.2 面向?qū)ο驲F分類過程71
• 5.3.3 面向?qū)ο驲F分類結(jié)果與分析71-73
• 5.4 不同分類器分類結(jié)果與精度比較分析73-76
• 第六章 研究結(jié)論與展望76-78
• 6.1 研究結(jié)論76-77
• 6.2 研究展望77-78
• 參考文獻(xiàn)78-87
• 學(xué)術(shù)履歷87-88
• 致謝88-91

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 劉永學(xué);李滿春;毛亮;;基于邊緣的多光譜遙感圖像分割方法[J];遙感學(xué)報(bào);2006年03期

2 于歡;張樹清;孔博;李曉峰;;面向?qū)ο筮b感影像分類的最優(yōu)分割尺度選擇研究[J];中國(guó)圖象圖形學(xué)報(bào);2010年02期

  本文關(guān)鍵詞：基于Worldview2影像的無(wú)錫新區(qū)地物信息提取，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：322109