基于TM数据土地分类方法研究——-以武汉地区为例.docVIP

遥感应用模型结课论文 基于TM数据土地分类方法研究 ——以武汉地区为例 学生姓名: 张修远 学科专业: 遥感科学与技术 指导老师: 田玉刚 所在学院: 信工学院 摘要: 利用武汉地区TM数据以遥感为手段对土地分类进行研究，遥感技术已经广泛的应用于土地利用与土地覆盖数据获取中。现综合分析了目前主要的遥感图像分类方法，将遥感图像分类方法归纳为:基于传统统计分析的分类方法、神经网络分类方法、模糊分类方法、决策树分类方法、专家系统分类方法，并对各种方法的应用情况进行了综述，对比各种分类方法的优劣，对随机森林决策树分类方法进行展开和延伸，提出改进算法。 Abstract: Using TM Data to classify land use and land cover. Recently, Remote sensing technique has been widely applied in land use and land cover, and get the information. The popular methods of remote sensing image classification have been generally analyzed and summarized : are classification based on statistic, neural network classification, fuzzy classification, decision tree classification, expert system classification. I not only introduce characteristic in every classification way, but also compare them with each other. What`s more, I will introduce the random forest way deeper and further, and put up with new advanced algorithm. 目录 摘要: - 2 - 1 绪论 - 4 - 1.1选题背景和意义: - 4 - 1.2 参考文献综述： - 4 - 1.3土地分类简介： - 6 - 1.3.1 土地分类概述： - 6 - 1.3.2 土地分类系统： - 7 - 1.3.3 利用遥感进行土地分类国内外研究现状： - 7 - 1.4 本文工作内容及行文思路： - 8 - 2 实验与分析： - 8 - 2.1 实验数据和软件平台： - 8 - 2.2 影像分类： - 9 - 2.2.1 无先验信息对原始影像进行分类： - 9 - 2.2.2 无先验信息对拓展波段影像进行分类： - 10 - 2.2.3 基于先验信息对拓展波段影像进行分类： - 11 - 2.2.4 非监督分类结果参照： - 12 - 2.3分类结果分析： - 13 - 2.3.1分类精度评价体系： - 13 - 2.3.2分类精度评估： - 14 - 2.4结论： - 15 - 3 关于决策树分类算法改进： - 15 - 3.1决策树分类算法改进几点想法： - 15 - 3.2利用改进算法编写程序实现： - 16 - 3.3对疑似点进行拓扑连通性分类： - 17 - 3.4改进算法分类精度评估： - 18 - 4 结束语： - 19 - 1 绪论 1.1选题背景和意义: 利用遥感手段获得土地利用、覆盖信息的一个重要的中间环节就是分类。最先出现的分类技术是图像目视解译分类，它可充分利用判读人员的知识，灵活性好。擅长提取空间相关信息，但定位不准确，时效性差，可重复性差，并存在个人差异。目视解译现在仍然被广泛地应用于对精度要求较高的应用中，特别是在对米级高分辨率遥感图像分类时，目视解译精度一般高于计算机分类精度。 为了更好地帮助国家有关部门及时、快速和准确地掌握土地利用情况, 进而建立起土地利用管理和决策信息系统, 就要涉及利用遥感进行土地分类的问题。卫星遥感以其覆盖面广、信息量大、实时性强等特点在地学领域得到广泛应用, 尤其在土地利用现状调查中更体现了其快速、经济等特点。 遥感数据的土地利用分类一直是遥感图像处理里面的研究热点，其核心其中心内容是设计一个将遥感图像分类形成各种专题图像的图像处理程序。经过数十年细致研究，现有的土地；利用分类的方法非常之多，对诸多的分类方法进行评价和比较，有利于确定特定条件下，分类方法的选取，以及土地分类算法的优化。 本课题研究基于传统统计分析的分类方法、神经网络分类方法、模糊分类方法、决策树分类方法和专家系统分类方法在遥感土地分类中的应用，并学习