绿色植被二级分类计算机解译方法的实验研究

论文摘要

我国从1984年开始,先后进行过两次土地大调查。两次调查历时十多年,耗资、耗时、耗人力,主要原因在于面对遥感图像多数据源、多时相及大数据量造成的复杂问题,难以解决计算机解译分类,而采用野外实地核查为主的土地调查分类方法,其中工作的艰苦还不算最大问题,因时间跨度很大,数据的时效性都难以保证,因此,遥感图像解译的传统方法已面临巨大挑战。遥感科学与技术的快速发展,应用遥感图像进行土地利用现状调查无疑是最为科学、有效的方法。在目前的遥感分类应用中,用得较多的的是传统的模式识别分类方法,其分类结果由于遥感影像本身的空间分辨率以及“同物异谱”、“异物同谱”现象的存在,而往往出现较多的错分、漏分情况,导致分类精度不高。本选题的研究目标是完善遥感图像的计算机解译理论方法,应用计算机自动、高效地完成土地调查中的地类划分问题,特别是要解决难度最大的林地、草地、园地和耕地等绿色植被的地类划分问题。具体的工作是:(1)对地物自动提取的可行性进行分析,将现有数据做感兴趣区域进行分析,为后面的图像分类做数据准备。(2)为了进一步提高分类结果,选用频率域增强中同态滤波、空间域增强中直方图均衡、辐射增强中去霾方法,对遥感影像进行了预处理,在一定程度上提高了影像中地物的识别度。(3)论文通过分析目前比较流行的地物信息自动提取方法,在全面分析研究区影像的光谱值、纹理结构等特征的基础上,构建了研究区地物的新的分类规则。(4)通过得到的新规则树,对影像进行决策树分类。发现结合像元与纹理信息的分类方法比传统的基于像元的分类方法准确性高,特别是对有“同物异谱”、“同谱异物”现象的影像进行地物信息的自动提取时具有绝对优势。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 概述
• 1.2.2 遥感影像分类的地物信息提取
• 1.2.3 遥感影像计算机分类算法研究新动向
• 2 遥感影像地物分类提取的可行性分析
• 2.1 遥感影像地物光谱信息的提取
• 2.1.1 传统的计算机分类方法
• 2.1.2 计算机分类方法的发展前景
• 2.2 遥感影像纹理信息对分类的作用
• 2.3 遥感影像地物空间信息对影像分类的影响
• 2.4 研究内容与目标
• 2.4.1 研究内容
• 2.4.2 研究目标
• 2.4.3 技术路线
• 3 数据与预处理
• 3.1 数据
• 3.1.1 数据来源
• 3.1.2 数据准备
• 3.2 数据预处理
• 3.2.1 数据预处理的方法介绍
• 3.2.2 数据预处理的方法选取
• 4 遥感影像地物信息提取
• 4.1 选择训练样本
• 4.1.1 样本选取原则
• 4.1.2 实验区样本类型确定
• 4.1.3 样本的评价
• 4.2 植被像元结构的获取
• 4.2.1 原理
• 4.2.2 植被像元结构获取的实现
• 4.2.3 实验结果
• 4.3 纹理信息的提取
• 4.3.1 纹理概述
• 4.3.2 纹理基元与影调
• 4.3.3 纹理分析方法
• 4.3.4 提取实验
• 5 实验
• 5.1 分类原理
• 5.2 分类实验
• 5.2.1 训练样本的选择和优化
• 5.2.2 确定分类规则
• 5.2.3 分类结果
• 5.3 分类精度评价
• 6 结论
• 6.1 主要结论
• 6.2 存在问题与展望
• 致谢
• 参考文献
• 附录