茶園的光譜特性比較復(fù)雜,往往與其他木本植被相互交叉重疊形成混淆。克服茶園光譜混淆問(wèn)題的一個(gè)重要手段是在光譜特征的基礎(chǔ)上引入基于空間信息的紋理特征。由于紋理特征的復(fù)雜性,目前仍無(wú)法統(tǒng)一的判斷一個(gè)紋理提取和構(gòu)建的方法的好與壞,通常針對(duì)不同的情況給出最適合的紋理特征構(gòu)建方法。高分辨率遙感影像對(duì)地面信息的表達(dá)更豐富、更清晰,在提取地物紋理等空間信息方面有著巨大的優(yōu)勢(shì)。因此,本文基于高分辨率遙感影像,開(kāi)展結(jié)合光譜和紋理特征的茶園提取方法的研究,主要研究?jī)?nèi)容和結(jié)論如下:（1）茶園影像特征構(gòu)建。①光譜信息優(yōu)化組合�；贜DVI指數(shù)和MNDVI指數(shù)構(gòu)建了 DNDVI指數(shù),增強(qiáng)光譜信息的同時(shí)消除了部分陰影;利用最佳指數(shù)因子（OIF）選取最優(yōu)組合波段,對(duì)數(shù)據(jù)降維的同時(shí)保留了主要光譜信息。②紋理特征構(gòu)建。利用灰度共生矩陣（GLCM）、Gabor濾波器以及局部二值模式（LBP）,分別構(gòu)建了適合于WV-2影像和GF-2影像的紋理特征;并在此基礎(chǔ)上提出一種融合LBP和Gabor的紋理構(gòu)建方法,構(gòu)建了 LBP_GABOR紋理,更好地表達(dá)了影像的茶園信息。（2）茶園提取方法優(yōu)選。對(duì)比5種不同光譜、... 

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 選題背景及意義
    1.2 國(guó)內(nèi)外研究進(jìn)展
        1.2.1 茶園提取研究
        1.2.2 結(jié)合紋理特征的高分辨率遙感影像應(yīng)用
        1.2.3 紋理提取方法
    1.3 研究?jī)?nèi)容和技術(shù)路線
        1.3.1 研究目標(biāo)
        1.3.2 研究?jī)?nèi)容
        1.3.3 技術(shù)路線
        1.3.4 創(chuàng)新與特色
    1.4 論文結(jié)構(gòu)
第二章 研究區(qū)與數(shù)據(jù)預(yù)處理
    2.1 研究區(qū)概況
    2.2 數(shù)據(jù)概況
        2.2.1 WV-2數(shù)據(jù)
        2.2.2 GF-2數(shù)據(jù)
        2.2.3 輔助數(shù)據(jù)
    2.3 數(shù)據(jù)預(yù)處理
        2.3.1 正射校正
        2.3.2 大氣校正
        2.3.3 圖像融合
    2.4 本章小結(jié)
第三章 茶園影像特征構(gòu)建
    3.1 光譜信息獲取方法
        3.1.1 最佳指數(shù)因子
        3.1.2 NDVI
        3.1.3 MNDVI
    3.2 光譜信息優(yōu)化組合
        3.2.1 最優(yōu)波段組合
        3.2.2 DNDVI
    3.3 紋理提取方法
        3.3.1 灰度共生矩陣
        3.3.2 Gabor變換
        3.3.3 LBP算子
    3.4 紋理特征構(gòu)建
        3.4.1 WV-2影像茶園紋理構(gòu)建
        3.4.2 GF-2影像茶園紋理構(gòu)建
    3.5 本章小結(jié)
第四章 結(jié)合光譜和紋理信息的茶園提取
    4.1 支持向量機(jī)分類(lèi)方法
    4.2 高分影像特征組合分類(lèi)方案研究
        4.2.1 WV-2影像分類(lèi)方案研究
        4.2.2 GF-2影像分類(lèi)方案研究
    4.3 茶園提取方法驗(yàn)證
        4.3.1 安溪縣長(zhǎng)坑鄉(xiāng)南部茶園提取
        4.3.2 安溪縣藍(lán)田鄉(xiāng)茶園提取
    4.4 本章小結(jié)
第五章 結(jié)論和展望
    5.1 主要結(jié)論
    5.2 問(wèn)題與不足
    5.3 研究展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷


【參考文獻(xiàn)】：
期刊論文
[1]基于無(wú)人機(jī)和衛(wèi)星遙感影像的制種玉米田識(shí)別紋理特征尺度優(yōu)選[J]. 張超,喬敏,劉哲,金虹杉,寧明宇,孫海艷.  農(nóng)業(yè)工程學(xué)報(bào). 2017(17)
[2]基于主成分分析與局部二值模式的高光譜圖像分類(lèi)[J]. 葉珍,白璘.  激光與光電子學(xué)進(jìn)展. 2017(11)
[3]基于紋理特征和SVM的QuickBird影像蘋(píng)果園提取[J]. 宋榮杰,寧紀(jì)鋒,劉秀英,常慶瑞.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(03)
[4]采用GLCM-SVM來(lái)區(qū)分生長(zhǎng)在腦實(shí)質(zhì)區(qū)的生殖細(xì)胞瘤與腦膠質(zhì)細(xì)胞瘤[J]. 王朝陽(yáng),代廣喆,余紹德,謝耀欽.  輕工科技. 2017(03)
[5]加權(quán)融合的GLCM的目標(biāo)物體檢索算法[J]. 李雪玉,王玉德,宋金州,佟利亞.  電子技術(shù). 2017(01)
[6]傅里葉譜紋理和光譜信息結(jié)合的高分辨率遙感影像地表覆蓋分類(lèi)[J]. 佃袁勇,楊光,方圣輝.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(03)
[7]基于改進(jìn)GLCM的側(cè)掃聲納影像分類(lèi)研究[J]. 郭軍,馬金鳳,王愛(ài)學(xué).  測(cè)繪工程. 2016(06)
[8]基于增強(qiáng)方向局部二值模式的紋理分類(lèi)[J]. 孫君頂,靳姣林,李海華,劉曉惠,陳鵬鵬.  計(jì)算機(jī)應(yīng)用研究. 2017(04)
[9]基于抗噪聲局部二值模式的紋理圖像分類(lèi)[J]. 冀中,聶林紅.  計(jì)算機(jī)研究與發(fā)展. 2016(05)
[10]一種新的基于Gabor特征的零空間人臉識(shí)別算法[J]. 陳思,趙歡喜,朱順痣.  廈門(mén)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)

碩士論文
[1]基于面向?qū)ο蠛投嘣磾?shù)據(jù)融合的茶園遙感提取研究[D]. 許光明.陜西師范大學(xué) 2016
[2]遙感圖像紋理特征提取的研究[D]. 劉曉葳.華中科技大學(xué) 2007



本文編號(hào)：3704001