高分辨率遥感图像林区提取算法研究

论文摘要

森林资源调查和监测是研究地表植被覆盖状况乃至全球生态变化的重要内容,而森林区域面积的调查和统计又是森林资源调查和监测的研究重点。利用遥感卫星或航空飞机拍摄的高空间分辨率遥感图像,研究解决森林面积的估测问题,即对高分辨率遥感图像进行分类,进而提取出森林区域的部分,是本文的研究重点和主要内容。当前高分辨率遥感图像的分类主要是以计算机为主要工具的对遥感图像像素进行数值处理,从而达到分类识别地貌特征的目的。聚类分析技术以其独特的分类优势,成为了本文的主要技术手段。由于遥感图像在成像过程中受到噪声及其它因素的干扰,使得图像具有较高的模糊性,基于传统聚类思想的图像分割算法虽然能处理此类问题,但具有一定的局限性。本文在对国内外高分辨率遥感图像分类方法大量的调研和分析基础上,针对高分辨率林区遥感图像提出了一个自适应的加权模糊C-均值聚类分割算法进行分类,并利用分形维数特征对分割后的数据中的森林区域部分进行提取。实验结果表明,该方法对高分辨率遥感图像的分割与林区提取取得了较好的效果,不仅提高了遥感数据的分割精度,也基本实现了数据处理的自动化。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.2 研究背景
• 1.3 森林遥感图像分类研究现状
• 1.3.1 国内发展现状
• 1.3.2 国外发展现状
• 1.4 本文主要研究内容
• 1.5 本文组织结构
• 2 图像特征提取及分割技术
• 2.1 图像特征提取技术
• 2.1.1 特征提取的含义
• 2.1.2 特征提取技术分类
• 2.1.3 特征提取技术小结
• 2.2 图像分割技术概述
• 2.3 图像分割的定义
• 2.4 图像分割算法概述
• 2.4.1 阈值分割方法
• 2.4.2 基于边缘检测的分割方法
• 2.4.3 基于聚类分析的分割方法
• 2.5 本章小结
• 3 高分辨率遥感图像林区提取算法
• 3.1 一个自适应的加权模糊聚类分割算法
• 3.1.1 AWFCM算法思想
• 3.1.2 AWFCM算法详细步骤
• 3.1.3 AWFCM实验定性分析对比图
• 3.1.4 AWFCM实验定量比较图表
• 3.2 遥感图像林区部分的提取
• 3.2.1 分形思想的提出
• 3.2.2 分形理论的定义
• 3.2.3 分形维数的测定方式
• 3.2.4 林区提取实验分析
• 3.3 本章小结
• 4 系统实现及测试
• 5 总结与展望
• 参考文献
• 个人简介
• 导师简介
• 获得成果目录
• 致谢