面向城市应用的高分辨率图像分类

论文摘要

城市应用是高分辨率遥感应用的最重要的领域之一,如何更加准确的进行城市图像分类是现在高分辨率遥感研究的一个难点。对于高分辨率数据的分类,仅靠光谱信息,采用传统的分类方法,分类精度低,不能发挥高分辨率影像的优势,无法有效区分地物。本文提出利用数学形态学中的交替顺序滤波方法进行高分辨率图像的滤波,滤波有利于图像的分割分类,运用滤波结果进行图像分割和图像分类。由于高分辨率图像具有丰富的形状信息,加入形状信息是提高分类精度的一个常用办法,如何利用形状信息是目前研究的热点。胡氏不变矩具有旋转不变性、尺度不变性以及平移不变性等特点,所以本文对图像进行了不同尺度的图像分割处理,对不同尺度分割图像计算其胡氏不变矩,与光谱信息一起参加分类,可以提高分类精度。本文提出了层次分类方法,植被采用基于光谱的分类,对城市光谱极其相似的非植被,通过不同尺度的图像分割,计算胡氏不变矩,加入形状信息,分别进行了基于像元和基于对象的两种分类方法,并通过实验比较了两种分类方法。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 城市高分辨率图像分类研究现状与存在问题
• 1.2 论文结构
• 2 图像分割及简化滤波
• 2.1 图像分割简介
• 2.2 SPRING图像分割方法
• 2.3 基于形态学的图像简化滤波
• 3 加入形状信息的图像分类
• 3.1 传统的分类方法介绍
• 3.2 胡氏不变矩原理
• 3.3 加入形状的高分辨率图像层次分类
• 4 数据与研究区
• 4.1 遥感数据选取及研究区简介
• 4.2 图像校正及数据融合处理
• 4.3 样本的选取及精度计算方法
• 5 实验结果
• 5.1 基于光谱的分类
• 5.2 加入形状的基于像元分类
• 5.3 加入形状的基于对象分类
• 6 结果比较与问题讨论
• 6.1 不同尺度分类结果比较
• 6.2 不同方法分类结果比较
• 7 结论与展望
• 致谢
• 攻读硕士期间主要成果
• 参考文献