高空間分辨率遙感影像具有豐富的紋理信息,為地物識(shí)別提供了便利,是當(dāng)下遙感技術(shù)應(yīng)用研究的熱點(diǎn)之一。傅里葉變換是處理和分析紋理信息的有力工具。本文以傅里葉變換提取森林的紋理特征為切入點(diǎn),對(duì)森林進(jìn)行分類(lèi),旨在探索僅以紋理特征參與分類(lèi)的情況下,提高樹(shù)種分類(lèi)精度的方法。以窗口尺度進(jìn)行傅里葉變換可以有效規(guī)避傅里葉變換不能體現(xiàn)局部信息的缺陷。本文以0.5m分辨率的World View_1全色波段影像為數(shù)據(jù)源,在移動(dòng)窗口基礎(chǔ)上分別進(jìn)行一維和二維傅里葉變換,構(gòu)建研究區(qū)9種地物的一維和二維紋理特征向量,采用不同的分類(lèi)方法依據(jù)特征向量對(duì)地類(lèi)進(jìn)行分類(lèi),以尋找合適的移動(dòng)窗口尺寸和分類(lèi)方法。試驗(yàn)了從3×3到43×43共21個(gè)邊長(zhǎng)為奇數(shù)的正方形窗口,每個(gè)邊長(zhǎng)窗口產(chǎn)生的紋理特征均采用Fisher判別法、隨機(jī)森林、支持向量機(jī)、夾角余弦和相關(guān)系數(shù)等5種分類(lèi)方法進(jìn)行分類(lèi),統(tǒng)計(jì)每個(gè)窗口分類(lèi)精度。主要基于兩個(gè)層次對(duì)森林分類(lèi)進(jìn)行研究:(1)闊葉林、雷竹林、馬尾松、毛竹林、杉木林、針闊混交林、道路、農(nóng)地和水體等9類(lèi)(全類(lèi)別)進(jìn)行提取各樹(shù)種分布信息。(2)僅對(duì)6類(lèi)樹(shù)種進(jìn)行分類(lèi)(不包括3個(gè)非森林地類(lèi)),以精度為依據(jù)確定最佳分類(lèi)窗口;在此最佳分類(lèi)窗口基礎(chǔ)上,將樹(shù)種合并一類(lèi)—森林,再與其他3種非森林進(jìn)行分類(lèi),提取森林分布信息;剔除非森林區(qū)域,再提取各樹(shù)種的分布信息。結(jié)論:基于移動(dòng)窗口傅里葉變換構(gòu)建高分辨率遙感影像地物紋理特征,在合適的窗口尺寸下,能夠高精度的提取森林以及對(duì)森林樹(shù)種進(jìn)行較精確的分類(lèi)。(1)全類(lèi)別分類(lèi):一維特征和二維特征最佳窗口下隨機(jī)森林的分類(lèi)性能優(yōu)于其他4種分類(lèi)方法;二維特征分類(lèi)效果優(yōu)于一維特征,總精度和Kappa系數(shù)為88.69%和0.863 4;(2)森林分類(lèi):一維特征和二維特征最佳窗口下Fisher判別法的分類(lèi)性能優(yōu)于其他4種分類(lèi)方法;二維特征分類(lèi)效果優(yōu)于一維特征,總精度和Kappa系數(shù)為84.86%和0.814 9;(3)森林與非森林分類(lèi):在森林最佳窗口下亦是Fisher判別法最優(yōu);一維特征分類(lèi)效果優(yōu)于二維特征,總精度和Kappa系數(shù)為99.91%和0.998 2。
【學(xué)位單位】：浙江農(nóng)林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：S771.8
【部分圖文】：

7圖 1.1 研究技術(shù)路線圖Figure1.1 The technology roadmap1.3.3 論文框架第一章簡(jiǎn)單介紹了高分辨率遙感影像相較于中低分辨率遙感影像紋理信息的重要性。主要介紹圖像紋理特征提取的方法以及歷程；主要應(yīng)用在遙感影像森林分類(lèi)中的紋理提取方法；傅里葉變換頻率域處理圖像和信號(hào)的應(yīng)用。進(jìn)而提出了本研究的目的、意義、研究?jī)?nèi)容及技術(shù)路線。第二章介紹研究區(qū)的自然地理概況、研究區(qū)植被狀況及研究數(shù)據(jù)來(lái)源和樣本獲取情況。第三章在移動(dòng)窗口的基礎(chǔ)上，利用一維傅里葉變換和二維傅里葉變換構(gòu)建森林樹(shù)種和非森林地類(lèi)的一維紋理特征和二維紋理特征及介紹 Fisher 判別法、隨機(jī)森林（Random Forest）、支持向量機(jī)（Support Vector Machine）、夾角余弦（IncludedAngleCosine）、相關(guān)系數(shù)（Correlation Coefficient）等 5 種分類(lèi)方法。

研究區(qū)與數(shù)據(jù)資料.1 研究區(qū)概況.1.1 地理位置本文研究區(qū)位于浙江省杭州市臨安區(qū)的東部正方形區(qū)域，如圖 2.1 所示。臨安區(qū)身是臨安市，于 2017 年 9 月 15 日正式成為杭州“第十區(qū)”，位于長(zhǎng)三角區(qū)域，地浙江省西北部天目山區(qū)，是浙江省杭州市的市轄區(qū)，東鄰杭州余杭區(qū)，南連富陽(yáng)區(qū)桐廬縣、淳安縣，西北與安徽省歙縣、浙江省安吉縣及安徽省績(jī)溪縣、寧國(guó)市接壤。東經(jīng) 118°51~119°52'，北緯 29°56'~30°23'之間。臨安區(qū)常駐人口 58.85 萬(wàn)左右，下 5 個(gè)街道、13 個(gè)鄉(xiāng)鎮(zhèn)和 298 個(gè)行政村。區(qū)境東西寬約 100km，南北長(zhǎng)約 50km，總積 3 118.77 平方公里。

樣塊分布

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 任國(guó)貞;江濤;;基于灰度共生矩陣的紋理提取方法研究[J];計(jì)算機(jī)應(yīng)用與軟件;2014年11期

2 景明利;;高維數(shù)據(jù)降維算法綜述[J];西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年04期

3 寧亮亮;張曉麗;;基于紋理信息的Landsat-8影像植被分類(lèi)初探[J];中南林業(yè)科技大學(xué)學(xué)報(bào);2014年09期

4 田文博;余健明;馬小津;朱博;;Dolph-Chebyshev窗插值FFT的諧波參數(shù)估計(jì)[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2014年02期

5 曾海東;韓峰;劉瑤琳;;傅里葉分析的發(fā)展與現(xiàn)狀[J];現(xiàn)代電子技術(shù);2014年03期

6 劉冬梅;鄭鵬;何怡剛;吳雪震;趙衛(wèi)忠;;幾種諧波檢測(cè)加窗插值FFT算法的比較[J];電測(cè)與儀表;2013年12期

7 王珂;顧行發(fā);余濤;孟慶巖;趙利民;馮莉;;基于頻譜相似性的高光譜遙感圖像分類(lèi)方法[J];中國(guó)科學(xué):技術(shù)科學(xué);2013年04期

8 王劉旺;黃建才;孫建新;王強(qiáng);朱永利;;基于加漢寧窗的FFT高精度諧波檢測(cè)改進(jìn)算法[J];電力系統(tǒng)保護(hù)與控制;2012年24期

9 徐維超;;相關(guān)系數(shù)研究綜述[J];廣東工業(yè)大學(xué)學(xué)報(bào);2012年03期

10 黃衍;查偉雄;;隨機(jī)森林與支持向量機(jī)分類(lèi)性能比較[J];軟件;2012年06期

相關(guān)碩士學(xué)位論文 前5條

1 錢(qián)軍朝;基于WorldView-2的城市綠地信息提取及生物量估算[D];浙江農(nóng)林大學(xué);2017年

2 陳亮;亞熱帶地區(qū)三種典型森林生態(tài)系統(tǒng)碳通量特征研究[D];浙江農(nóng)林大學(xué);2017年

3 高國(guó)龍;面向?qū)ο蟮母叻直媛蔬b感影像竹林多尺度碳儲(chǔ)量估算方法研究[D];浙江農(nóng)林大學(xué);2016年

4 易鑫;紋理圖像的特征提取和聚類(lèi)算法研究[D];電子科技大學(xué);2008年

5 薛玉利;基于Gabor變換的特征提取及其應(yīng)用[D];山東大學(xué);2007年

本文編號(hào)：2824267