基于面向?qū)ο蟮母涕兕?lèi)果林信息提取方法研究
本文選題：面向?qū)ο?/strong> + 模糊數(shù)學(xué)��； 參考：《江西理工大學(xué)》2017年碩士論文
【摘要】：我國(guó)是柑橘類(lèi)水果產(chǎn)品主要的生產(chǎn)國(guó)和消費(fèi)國(guó)之一,有著4000多年的栽培歷史�？焖儆行У靥崛「涕兕�(lèi)果林對(duì)指導(dǎo)果林病害防御、水果生產(chǎn)和產(chǎn)業(yè)規(guī)劃有著重要意義。傳統(tǒng)的基于像元的純光譜柑橘類(lèi)果林提取方法分類(lèi)精度較低,很難避免“椒鹽現(xiàn)象”,并且受噪聲的影響導(dǎo)致同物異譜、異物同譜現(xiàn)象較嚴(yán)重。豐富的紋理信息、形狀信息和上下文信息是高分辨率遙感圖像突出的特點(diǎn)。本文以贛州市尋烏縣柑橘類(lèi)果林種植區(qū)為研究對(duì)象,針對(duì)傳統(tǒng)基于像元分類(lèi)方法精度較低的缺點(diǎn),在高分一號(hào)數(shù)據(jù)源的基礎(chǔ)上,做了以下研究:1.為了能夠讓高分一號(hào)遙感影像數(shù)據(jù)既保存影像數(shù)據(jù)多光譜特性,又提高空間分辨率,對(duì)數(shù)據(jù)進(jìn)行了大氣校正、正射校正、圖像融合等圖像預(yù)處理步驟。2.在多尺度分割的前提下,對(duì)象的各種特征信息存在一定的變化規(guī)律。利用e Cognition軟件統(tǒng)計(jì)對(duì)象的面積均值、標(biāo)準(zhǔn)差、植被對(duì)象的NDVI均值在分割尺度上的變化情況。3.選用最大面積比法來(lái)衡量某種特定地物分割對(duì)象的優(yōu)劣程度。4.深入研究了基于模糊數(shù)學(xué)方法的最近鄰分類(lèi)模型,在深入剖析模型數(shù)學(xué)表達(dá)的基礎(chǔ)上,對(duì)整幅影像的光譜特征進(jìn)行了全面的統(tǒng)計(jì)分析。5.構(gòu)建了一種結(jié)合模糊數(shù)學(xué)理論的面向?qū)ο鬀Q策樹(shù)分類(lèi)模型,在多尺度分割建立對(duì)象層次組織結(jié)構(gòu)的基礎(chǔ)上,綜合最近鄰分類(lèi)器,建立了融合模糊數(shù)學(xué)方法和決策樹(shù)模型的面向?qū)ο鬀Q策樹(shù)分層分類(lèi)模型,選擇樣本對(duì)象進(jìn)行統(tǒng)計(jì)分析光譜特征和紋理特征,分層使用單波段閾值、NDVI、波段組合、對(duì)象幾何形態(tài)學(xué)特征和紋理特征等多種分析經(jīng)驗(yàn)值,對(duì)研究區(qū)域進(jìn)行信息提取,實(shí)現(xiàn)了多尺度分割和分層決策樹(shù)分類(lèi),使用混淆矩陣對(duì)分類(lèi)結(jié)果進(jìn)行了精度驗(yàn)證,得到總體Kappa系數(shù)0.8643,特別是果林提取精度的明顯提高。
[Abstract]:China is one of the main producing and consumer countries of citrus fruit products. It has more than 4000 years of cultivation history. It is of great significance to extract citrus fruit forest quickly and effectively to guide the defense of fruit forest diseases, fruit production and industrial planning. The phenomenon of "salt and pepper" is exempt from the phenomenon of "salt and pepper" and is influenced by the influence of noise. The phenomenon of ISO spectrum is serious. The rich texture information, shape information and context information are the prominent features of high resolution remote sensing images. This paper takes the citrus orchard planting area of Xunwu County, Ganzhou as the research object, and aims at the precision of the traditional pixel based classification method. On the basis of high score 1 data source, the following research is made: 1. in order to enable high score 1 remote sensing image data not only to preserve the multi spectral characteristics of the image data, but also to improve the spatial resolution, the image preprocessing step.2., such as atmospheric correction, orthophoto correction, image fusion, and so on, is on the premise of multiscale segmentation. The information of various features of the image has a certain change law. Using the e Cognition software, the mean area of the area, the standard deviation and the change of the NDVI mean of the vegetation object on the segmentation scale,.3. selects the maximum area ratio method to measure the good and bad degree of the object of certain specific objects,.4. based on the fuzzy mathematical method. The nearest neighbor classification model, based on the deep analysis of the mathematical expression of the model, makes a comprehensive statistical analysis of the spectral features of the entire image..5. constructs an object-oriented decision tree classification model combining the fuzzy mathematics theory. On the basis of the multi-scale segmentation and the establishment of the hierarchical organization structure of the object, the nearest neighbor classifier is built. The object oriented decision tree hierarchical classification model is combined with fuzzy mathematical method and decision tree model. The sample object is selected for statistical analysis of spectral features and texture features. A number of empirical values, such as single band threshold, NDVI, band combination, geometric morphological features and texture features of objects, are used to extract information from the research area. The classification of multi scale segmentation and stratified decision tree was realized. The accuracy of the classification results was verified by using the confusion matrix, and the total Kappa coefficient was 0.8643, especially the extraction precision of the fruit forest was obviously improved.
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：S666;S127
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 林亞斌;賈貴剛;李蓮;;高分遙感影像陰影檢測(cè)與消除方法[J];測(cè)繪與空間地理信息;2014年08期
2 羅衛(wèi);況潤(rùn)元;;利用環(huán)境衛(wèi)星影像的東江源地區(qū)果園信息提取[J];測(cè)繪科學(xué);2014年08期
3 張昊然;;遙感影像信息提取的方式[J];測(cè)繪與空間地理信息;2014年02期
4 金杰;朱海巖;李子瀟;孫建偉;;ENVI遙感圖像處理中幾種監(jiān)督分類(lèi)方法的比較[J];水利科技與經(jīng)濟(jì);2014年01期
5 尹展;張建國(guó);李宏斌;;面向?qū)ο蠓诸?lèi)技術(shù)在高分辨率遙感影像信息提取中的應(yīng)用研究[J];測(cè)繪與空間地理信息;2013年08期
6 奚歌;吳正鵬;侯晨;姜偉男;;基本地形圖更新衛(wèi)星影像優(yōu)選探討[J];測(cè)繪與空間地理信息;2012年10期
7 胡文亮;趙萍;董張玉;;一種改進(jìn)的遙感影像面向?qū)ο笞顑?yōu)分割尺度計(jì)算模型[J];地理與地理信息科學(xué);2010年06期
8 陳杰;鄧敏;肖鵬峰;楊敏華;梅小明;劉慧敏;;基于分水嶺變換與空間聚類(lèi)的高分辨率遙感影像面向?qū)ο蠓诸?lèi)[J];遙感技術(shù)與應(yīng)用;2010年05期
9 曾濤;楊武年;黎小東;劉漢湖;彭立;簡(jiǎn)季;;面向?qū)ο蟮母呖臻g分辨率遙感影像信息提取——汶川地震城市震害房屋案例研究[J];自然災(zāi)害學(xué)報(bào);2010年05期
10 于歡;張樹(shù)清;孔博;李曉峰;;面向?qū)ο筮b感影像分類(lèi)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
相關(guān)博士學(xué)位論文 前1條
1 黃慧萍;面向?qū)ο笥跋穹治鲋械某叨葐?wèn)題研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年
相關(guān)碩士學(xué)位論文 前8條
1 陳建容;面向?qū)ο蟮耐恋乩?覆被信息提取[D];成都理工大學(xué);2016年
2 成麗;基于SPOT5遙感影像面向?qū)ο蠓指罘诸?lèi)研究和應(yīng)用[D];南京林業(yè)大學(xué);2014年
3 詹福雷;基于面向?qū)ο蟮母叻直媛蔬b感影像信息提取[D];吉林大學(xué);2014年
4 陳滌非;基于面向?qū)ο蠓椒ǖ牡乇砀脖环诸?lèi)研究[D];成都理工大學(xué);2013年
5 賀洪元;面向?qū)ο蟾叻直媛视跋穸喑叨确指頪D];華中科技大學(xué);2013年
6 李宏宏;面向?qū)ο蟮母叻直媛蔬b感影像分類(lèi)及泥石流信息提取研究[D];南京理工大學(xué);2013年
7 齊義娜;面向?qū)ο蟮母叻直媛蔬b感影像信息提取與尺度效應(yīng)分析[D];東北師范大學(xué);2009年
8 汪求來(lái);面向?qū)ο筮b感影像分類(lèi)方法及其應(yīng)用研究[D];南京林業(yè)大學(xué);2008年
，本文編號(hào)：2102583
本文鏈接：http://www.sikaile.net/kejilunwen/nykj/2102583.html
