全國林地變更調(diào)查是在全國林地“一張圖”的基礎上,對林地范圍、林地保護利用狀況等進行調(diào)查分析,它是提高林地監(jiān)管能力,加強林地保護利用管理,深化國家和地方政府宏觀決策管理的重要基礎和支撐。傳統(tǒng)林地變更主要依靠地面測量,人工勾繪變化邊界,存在工作量大、效率低下以及周期較長等問題,因此傳統(tǒng)方法已經(jīng)無法適應當前林地變更調(diào)查的實際情況。紋理特征具有良好的空間結構特征,它是在圖像分析理解中重要的信息輔助源,如何有效利用高分辨率影像的紋理特征輔助林地變化檢測成為了目前研究的重點。本文以覆蓋黑龍江省穆棱市境內(nèi)八面通林場的高分1號衛(wèi)星影像數(shù)據(jù)作為研究對象,分別通過灰度共生矩陣和二維Gabor濾波器兩種不同的紋理提取技術進行分析討論,通過實驗分析得到兩種紋理信息提取方法輔助林地變化檢測的技術手段是可靠可行的。具體的研究內(nèi)容如下:（1）采用灰度共生矩陣提取紋理信息方法。針對灰度共生矩陣提取出的較多紋理測度信息進行分析,通過研究發(fā)現(xiàn),不同測度之間存在著較大的相關性,為此本文對紋理測度選擇進行了分析討論。（2）采用二維Gabor濾波器提取紋理信息方法。二維Gabor濾波器在時域頻域具有著非常好的分析檢索能力,其濾... 

【文章來源】：西安科技大學陜西省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 變化檢測國內(nèi)外研究現(xiàn)狀
        1.2.2 紋理國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容
    1.4 技術路線
    1.5 論文結構
    1.6 本章小結
2 變化檢測綜述
    2.1 概述
    2.2 變化檢測方法
        2.2.1 圖像差值法
        2.2.2 圖像比值法
        2.2.3 內(nèi)積分析法
        2.2.4 PCA變化法
        2.2.5 變化向量法
        2.2.6 影像分割法
        2.2.7 特征級檢測法
        2.2.8 分類后比較法
    2.3 本章小結
3 高分影像預處理
    3.1 研究區(qū)概況
    3.2 數(shù)據(jù)獲取
    3.3 影像預處理
        3.3.1 輻射定標
        3.3.2 大氣校正
        3.3.3 正射校正
        3.3.4 影像融合
        3.3.5 主成分變換
    3.4 本章小結
4 紋理特征提取研究
    4.1 灰度共生矩陣提取紋理
        4.1.1 灰度共生矩陣定義
        4.1.2 灰度共生矩陣紋理特征提取步驟
        4.1.3 灰度共生紋理測度
        4.1.4 紋理提取因子選擇
    4.2 二維Gabor濾波器提取紋理
        4.2.1 Gabor濾波器定義
        4.2.2 二維Gabor濾波器參數(shù)分析
        4.2.3 二維Gabor濾波器自適應參數(shù)獲取
        4.2.4 二維Gabor濾波器的參數(shù)優(yōu)選
    4.3 本章小結
5 林地變化檢測
    5.1 輔助紋理特征分類
        5.1.1 輔助灰度共生矩陣紋理特征分類
        5.1.2 輔助二維Gabor濾波器紋理特征分類
        5.1.3 二維Gabor濾波器和GLCM兩種方法比較
    5.2 林地變化區(qū)域分析
    5.3 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]基于融合和IFLICM算法的非監(jiān)督遙感影像變化檢測[J]. 嚴宇,劉耀林.  測繪通報. 2018(03)
[2]面向對象的多特征分級CVA遙感影像變化檢測[J]. 趙敏,趙銀娣.  遙感學報. 2018(01)
[3]核典型相關分析的高分辨遙感影像變化檢測[J]. 李建磊,王光輝,楊化超.  測繪科學. 2018(01)
[4]高分辨率遙感影像的深度學習變化檢測方法[J]. 張鑫龍,陳秀萬,李飛,楊婷.  測繪學報. 2017(08)
[5]基于小波變換和K-means算法的遙感影像分類[J]. 縱清華,王志宇,過仲陽,馬品.  杭州師范大學學報(自然科學版). 2016(02)
[6]多尺度分割的高分辨率遙感影像變化檢測[J]. 佃袁勇,方圣輝,姚崇懷.  遙感學報. 2016(01)
[7]基于PCA的變化向量分析法遙感影像變化檢測[J]. 黃維,黃進良,王立輝,胡硯霞,韓鵬鵬.  國土資源遙感. 2016(01)
[8]全國林地“一張圖”數(shù)據(jù)庫建設及擴展應用[J]. 許等平,李暉,龐麗杰,張煜星,黃國勝,韓愛惠.  林業(yè)資源管理. 2015(05)
[9]結合Gabor紋理與幾何特征的高分辨率遙感影像城區(qū)道路提取方法[J]. 胡華龍,吳冰,黃邵美.  測繪科學技術學報. 2015(04)
[10]基于小波融合和PCA-核模糊聚類的遙感圖像變化檢測[J]. 慕彩紅,霍利利,劉逸,劉若辰,焦李成.  電子學報. 2015(07)

博士論文
[1]基于紋理特征的遙感影像居民地提取技術研究[D]. 金飛.解放軍信息工程大學 2013
[2]面向對象的高分辨率影像城市多特征變化檢測研究[D]. 湯玉奇.武漢大學 2013
[3]隨機森林及其在遙感影像處理中應用研究[D]. 雷震.上海交通大學 2012
[4]彩色航空圖像森林紋理特征提取方法的研究[D]. 畢于慧.北京林業(yè)大學 2007

碩士論文
[1]基于GF-1多光譜影像的林地變化檢測方法研究[D]. 郝榮欣.西安科技大學 2016
[2]遙感影像變化檢測方法及應用研究[D]. 張家琦.中國地質大學(北京) 2015
[3]基于Gabor濾波器的紋理特征提取研究及應用[D]. 張艷.西安科技大學 2014
[4]基于遙感TM影像紋理特征的長江河口流態(tài)信息分析[D]. 喬遠英.華東師范大學 2014
[5]遙感圖像變化檢測研究[D]. 熊羽.昆明理工大學 2013
[6]基于Gabor濾波器的鐵路圖像軌枕分割[D]. 胡光燦.西南交通大學 2013
[7]基于紋理特征的典型遙感影像面狀地物提取方法研究[D]. 過林.解放軍信息工程大學 2011
[8]輔助紋理特征的ALOS影像土地利用/覆蓋分類[D]. 陳霞.浙江大學 2010
[9]高分辨率遙感圖像的變化檢測技術研究[D]. 劉小洲.國防科學技術大學 2007
[10]地統(tǒng)計學和神經(jīng)網(wǎng)絡在遙感影像分類中的應用研究[D]. 李小濤.山東科技大學 2004



本文編號：3202845