水系作為至關(guān)重要的地理國(guó)情要素,精確獲取其空間分布和變化頻率等具有舉足輕重的意義。隨著現(xiàn)代遙感技術(shù)的快速發(fā)展,高分辨率遙感影像為我們獲取數(shù)據(jù)以及使用前沿技術(shù)手段提供了可靠的數(shù)據(jù)支撐。本文以2009年12月份杭州市部分城區(qū)WordView-2高分辨率遙感影像為數(shù)據(jù)源及研究區(qū),影像包括空間分辨率為1.8 m的8個(gè)多光譜波段影像,以及空間分辨率為0.5 m的全色波段影像,通過(guò)遙感影像預(yù)處理,采用面向?qū)ο蟮姆椒ㄓ糜谘芯克敌畔⒌奶崛　Ｃ嫦驅(qū)ο蟮挠跋穹治黾夹g(shù),基于的是影像分割形成的對(duì)象而不是傳統(tǒng)意義上的像元,這可以充分利用高分辨率遙感影像豐富的光譜、形狀、紋理、空間關(guān)系等特征信息。傳統(tǒng)的依賴于人工目視解譯的方式,如何實(shí)現(xiàn)對(duì)水系信息的快速、準(zhǔn)確提取是近幾年的研究重點(diǎn)。論文的主要內(nèi)容有以下幾個(gè)部分:（1）在WordView-2高分辨率遙感影像的預(yù)處理方面,本文以ENVI軟件為平臺(tái),依次對(duì)數(shù)據(jù)進(jìn)行影像融合、正射校正、影像裁剪的處理操作,并分別使用Brovey變換融合、Gram-schmidt Pan Sharpening（GS）、NNDiffuse三種融合方法,以信息熵、均值與標(biāo)準(zhǔn)差、平均梯度為質(zhì)量評(píng)... 

【文章來(lái)源】：成都理工大學(xué)四川省

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究區(qū)域及實(shí)驗(yàn)影像

成都理工大學(xué)專業(yè)碩士學(xué)位論文價(jià)也具有一定的可行性。因此，需要與客觀的定量評(píng)價(jià)標(biāo)準(zhǔn)相結(jié)合對(duì)遙感影像融合質(zhì)量進(jìn)行綜合評(píng)價(jià)。2.3.2.1 定性質(zhì)量評(píng)價(jià)經(jīng)過(guò)三種不同融合方式處理的遙感圖像，效果分別如圖（2-2）至圖（2-4）所示：

成都理工大學(xué)專業(yè)碩士學(xué)位論文價(jià)也具有一定的可行性。因此，需要與客觀的定量評(píng)價(jià)標(biāo)準(zhǔn)相結(jié)合對(duì)遙感影像融合質(zhì)量進(jìn)行綜合評(píng)價(jià)。2.3.2.1 定性質(zhì)量評(píng)價(jià)經(jīng)過(guò)三種不同融合方式處理的遙感圖像，效果分別如圖（2-2）至圖（2-4）所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于面向?qū)ο蟮南剃?yáng)湖水體提取方法研究[J]. 趙文琳,羊秀娟.  安徽農(nóng)學(xué)通報(bào). 2018(16)
[2]基于SEaTH算法的蘆山地震無(wú)人機(jī)低空遙感影像信息對(duì)象級(jí)分類[J]. 王之,劉超,劉秀菊,魯恒,蔡詩(shī)響,楊正麗.  地震研究. 2018(02)
[3]高分辨率遙感影像5種面向?qū)ο蠓诸惙椒▽?duì)比研究[J]. 林卉,邵聰穎,李海濤,顧海燕,王李娟.  測(cè)繪通報(bào). 2017(11)
[4]基于面向?qū)ο笏惴ǖ牡缆沸畔⑻崛⊙芯縖J]. 王旭,戴激光.  測(cè)繪與空間地理信息. 2017(09)
[5]面向?qū)ο蟮男螒B(tài)學(xué)建筑物指數(shù)及其高分辨率遙感影像建筑物提取應(yīng)用[J]. 林祥國(guó),張繼賢.  測(cè)繪學(xué)報(bào). 2017(06)
[6]采用國(guó)產(chǎn)GF-2遙感影像的復(fù)雜水網(wǎng)平原水體信息提取[J]. 付勇勇,王旭航,鄧勁松,葉自然,周夢(mèng)夢(mèng),尤淑撐,關(guān)濤.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2017(12)
[7]基于NDWI分割與面向?qū)ο蟮乃w信息提取[J]. 童李霞,燕琴,駱成鳳,杜英坤.  地理空間信息. 2017(05)
[8]面向?qū)ο蟮倪b感影像水域信息提取應(yīng)用研究——以西藏（東）地區(qū)為例[J]. 李芹,陽(yáng)春花,梁雪松,王智甫.  測(cè)繪地理信息. 2016(06)
[9]面向?qū)ο蟮某擎?zhèn)水體信息提取技術(shù)研究[J]. 于桓飛,田文婷,王新,王學(xué)強(qiáng).  浙江水利水電學(xué)院學(xué)報(bào). 2016(05)
[10]基于高空間分辨率遙感影像的城市綠地提取方法研究[J]. 陳紅順,賀輝,肖紅玉.  環(huán)境科學(xué)與管理. 2016(10)

博士論文
[1]基于知識(shí)的高分辨率遙感影像耕地自動(dòng)提取技術(shù)研究[D]. 孫家波.中國(guó)農(nóng)業(yè)大學(xué) 2014
[2]高分辨率遙感影像對(duì)象分類方法研究及其城鄉(xiāng)規(guī)劃監(jiān)測(cè)應(yīng)用[D]. 李海霞.中國(guó)農(nóng)業(yè)大學(xué) 2014
[3]基于特征知識(shí)庫(kù)的遙感信息提取技術(shù)研究[D]. 高偉.中國(guó)地質(zhì)大學(xué) 2010
[4]高分辨率遙感影像多尺度紋理、形狀特征提取與面向?qū)ο蠓诸愌芯縖D]. 黃昕.武漢大學(xué) 2009
[5]高分辨率遙感影像在城市綠地信息提取中的應(yīng)用研究[D]. 費(fèi)鮮蕓.山東農(nóng)業(yè)大學(xué) 2006

碩士論文
[1]基于專家知識(shí)和改進(jìn)SEaTH算法的遙感影像土地覆被分類研究[D]. 姚戀秋.南京師范大學(xué) 2018
[2]面向?qū)ο蟮母叻直媛蔬b感影像土地覆被分類制圖研究[D]. 韓希光.蘭州大學(xué) 2018
[3]面向?qū)ο蟮母叻诌b感影像建筑物提取方法研究[D]. 朱姝.成都理工大學(xué) 2017
[4]基于GF-2影像面向?qū)ο笸恋乩眯畔⑻崛⊙芯縖D]. 胡佳佳.成都理工大學(xué) 2017
[5]基于高分辨率遙感影像紋理特征的面向?qū)ο笾脖环诸惙椒ㄑ芯縖D]. 楊盼盼.云南師范大學(xué) 2017
[6]基于特征選擇的數(shù)據(jù)降維算法研究[D]. 余大龍.安徽大學(xué) 2017
[7]高分辨率遙感影像融合及面向?qū)ο笮畔⑻崛⊙芯縖D]. 徐鵬.北京交通大學(xué) 2017
[8]基于分割的高分辨率遙感影像建筑物提取方法[D]. 蔡淑寬.福建師范大學(xué) 2017
[9]高分辨率遙感影像面向?qū)ο蟮木G地信息提取方法研究[D]. 馬鑫.寧夏大學(xué) 2017
[10]基于面向?qū)ο蟮倪b感影像梯田信息提取研究[D]. 張雨果.西北農(nóng)林科技大學(xué) 2016



本文編號(hào)：3145136