LANDSAT 影像多种分类方法比较研究.docVIP

LANDSAT 影像多种分类方法比较研究 09级林学一班 学号 姓名：宋良良 【摘要】：构建了一种结合光谱特征和纹理特征的多光谱影像决策树分类方法。以Landsat-7影像作为试验数据,通过分析Landsat-7影像的光谱特征值及NDVI、NDWI和NDBI特征值,确定各类地物的综合阈值,同时运用灰度共生矩阵对影像进行纹理信息提取,得到对比度、熵、逆差矩和相关性等纹理特征图像。在此基础上,运用决策树分类法对Landsat-7影像进行分类。结果表明,结合光谱特征和纹理特征的决策树分类方法,相比传统的最大似然法和决策树法,具有更高的分类精度。 【关键词】： 多光谱影像决策树分类纹理特征光谱特征Abstract: It studies the area forest type using the remote sensing phantom to carry on the computer classification, the over all precision is not generally high. Also, many woodlands class of the producer precision and the user precision are quite low with the type and the examination sample having the biggest deviation. In four taxonomic approaches, the precision is highest, and the overall precision achieves the 57.13% Kappa coefficient 0. 5208. Key word: The remote sensing, image classification, supervised classification, unsupervised classification, artificial neural net work. 1.遥感技术以及遥感影像发展背景 1.1 选题背景 我们知道，随着社会经济的快速发展，人们的生活需求与资源环境的矛盾越来越突出，遥感技术(RS) 作为一种准确、客观、及时获取地球表面宏观信息的手段，在城市规划建设、土地利用监测、农业、林业以及自然灾害预报等方面越来越得到广泛的重视和应用。另外由于航空航天遥感以及计算机技术的迅猛发展，应用于遥感的传感器分辨率越来越高，获取的遥感影像质量也越来越好。特别是SPOT、IKONOS、QUICKBIRD等高分辨率遥感卫星影像的出现更为后期遥感影像的分析和应用带来了更好的数据源和更广大深入的应用前景。要更好地利用遥感影像进行资源调查和动态监测就必须利用各种方法对获取的高分辨率遥感影像进行融合、分类等处理，以提取并区分各种地物地貌信息，同时对分类结果加以统计分析以满足不同的需要。当今，进行遥感影像分类处理的方法很多如常用的监督分类法、非监督分类法、最大似然法以及人工神经元网络、小波变换等方法。他们进行遥感影像分类主要是利用这一基本原理即：不同的地物在同一波段影像上表现的亮度互不相同，同时不同地物在各个波段影像上亮度呈现的规律也不同，也就是说遥感影像上的地物光谱特征通常是以地物在多光谱影像上的亮度体现出来的。这一点构成了区分不同影像地物的依据。但是我们很多的影像分类技术与算法更多地着重于遥感影像上像元亮度或光谱信息的本身而没有综合考虑影像地物之间的特征相关性如植被和土壤的关系、土壤与水分的关系；也没有考虑到地形起伏或地物高度变化的影响因素；更没有将一幅遥感影像而非像素来作为一个对象进行面向对象的综合分析如纹理、形状、特征继承相关等特殊要素。 遥感科学与技术是在二十世纪由空间科学、电子科学、地球科学、计算机科学以及其他边缘学科交叉渗透、相互融合的基础上发展起来的一门新型地球空间信息科学。它利用非接触传感器使人们能离开地球来获取有关地球的时空信息,不仅着眼于解决传统目标的几何定位,更为重要的是对利用外层空间传感器获取的影像和非影像信息进行语义和非语义解译,提取客观世界中各种目标对象的物理特征和信息,从而为人们认识自然和改造自然提供科学的技术和方法,为国家和部门的重大决策和社会可持续发展提供科学依据和决策保障。由于它的科学性、技术性、应用性、服务性以及所涉及的广泛科学技术领域,因此,它的应用已深入到经济建设、社会发展、国家安全和人民生活等各个方面。我国已具有研制与生产各种对地观测卫星、各类遥感仪器与空间信息处理设备的能力,许多设备达到国际先进水平,多层次遥感数据获取、数据分析与处理、遥感数据