基于SPOT5的土地信息提取技术研究

论文摘要

土地信息调查是土地管理中重要的基础工作,是我国土地利用现状数据的有效来源。传统的土地信息调查手段需要耗费大量的人力、物力和财力,且工作效率低下。遥感技术、地理信息系统技术和全球定位系统技术的发展,以及高分辨率卫星影像的出现,为土地信息的调查提供了高效的信息来源。本文是以泰来县为研究区域,针对其SPOT5遥感数据,对土地信息提取技术进行研究。从控制点数据、重采样方法、正射校正方法等方面对影像预处理进行分析,并在ERDAS软件平台上对原始数据SPOT5遥感影像进行几何校正、辐射校正等预处理。在对影像的融合技术进行研究的基础上,分析了各种融合方法,提出了融合评价指标。实验采用Mutiplicative变换法、Brovey变换法、PCA变换法和Pansharp变换法,对SPOT5的高分辨率全色波段影像和低分辨率多光谱波段影像进行融合,从定性和定量综合评价融合后影像,具体计算了各特征影像的均值、方差、信息熵、平均梯度和相关系数。对各非监督分类和监督分类方法进行研究,提出基于多特征的决策树分类法。以Pansharp融合后影像为分类底图,进行波段分析,确定波段组合(光谱特征)；计算影像的归一化植被指数(NDVI);在ENVI软件平台下,分析了影像纹理特征；应用纸质地形图和ARCGIS软件建立DEM模型,分析地形特征；选出样本数据,应用see5.0建立决策树,提取分类规则,对影像进行分类,最后根据各评价指标对分类精度进行分析。通过实验研究证明,SPOT5融合后的影像不仅保留了源于多光谱影像的丰富的光谱信息,而且提高了其空间分辨率,大大改善了目视解译的效果和自动分类精度。确定出Pansharp法更适合SPOT5影像融合。针对具有高空间分辨率的SPOT5影像,一般的分类方法已不再适用,分类精度不能满足要求。通过引进决策树思想,并综合光谱特征、植被指数、地形特征、纹理特征等多特征建立决策树,进而依据决策规则分类,最终分类精度有很大提高。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 RS技术概述
• 1.1.1 遥感系统
• 1.1.2 遥感的分类及特点
• 1.1.3 常用于土地信息提取的遥感卫星
• 1.2 RS技术在土地信息提取中的研究
• 1.2.1 国外利用遥感进行土地信息调查的动态
• 1.2.2 国内利用遥感进行土地信息调查的动态
• 1.3 SPOT卫星
• 1.4 本文研究的主要内容
• 1.4.1 论文的研究意义
• 1.4.2 论文主要研究内容
• 2 SPOT5影像预处理
• 2.1 辐射校正
• 2.2 几何校正
• 2.2.1 控制点数据
• 2.2.2 重采样方法
• 2.2.3 正射校正
• 2.2.4 校正后精度检查
• 2.3 SPOT5影像的几何校正过程
• 2.3.1 SPOT5影像校正前的预处理及波段组合
• 2.3.2 SPOT5影像几何校正
• 2.4 影像配准
• 3 SPOT5影像融合处理
• 3.1 影像融合的综述
• 3.1.1 影像融合的发展
• 3.1.2 影像融合的分类及模型
• 3.2 影像融合处理过程
• 3.2.1 融合前处理
• 3.2.2 融合方法
• 3.2.3 遥感影像融合质量评价
• 3.3 SPOT5影像全色和多光谱波段的融合
• 3.4 融合后影像增强处理
• 3.4.1 线性变换
• 3.4.2 直方图均衡化
• 3.4.3 直方图匹配
• 3.4.4 影像增强效果对比
• 4 SPOT5影像信息提取
• 4.1 遥感影像的人工判读分类方法研究
• 4.1.1 解译标志的建立
• 4.1.2 遥感影像人工判读原则与方法
• 4.2 遥感影像的自动分类方法研究
• 4.2.1 非监督分类
• 4.2.2 监督分类
• 4.2.3 决策树分类法
• 4.2.4 不同分类方法的比较
• 4.3 基于多特征的SPOT5影像决策树分类
• 4.3.1 多特征的提取
• 4.3.2 决策树建立和SPOT5影像分类
• 结论
• 5.1 结论
• 5.2 存在的问题及展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢