遥感图像毕业设计.docVIP

本 科 毕 业 设 计（论文） 题目 遥感图像分类方法研究 院（系部）测绘与国土信息工程学院 专业名称 测绘工程 年级班级 学生姓名 指导教师 20年 月 日 摘 要 遥感图像分类一直是遥感研究领域的重要内容，如何解决多类别的图像的分类识别并满足一定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义。 遥感图像的计算机分类是通过计算机对遥感图像像素进行数值处理，达到自动分类识别地物的目的。遥感图像分类主要有两类分类方法：一种是非监督分类方法，另一种是监督分类方法。非监督分类方法是一个聚类过程，而监督分类则是一个学习和训练的过程，需要一定的先验知识。非监督分类由于不能确定类别属性，因此直接利用的价值很小，研究应用也越来越少。而监督分类随着新技术新方法的不断发展，分类方法也是层出不穷。从传统的基于贝叶斯的最大似然分类方法到现在普遍研究使用的决策树分类和人工神经网络分类方法，虽然这些方法很大程度改善了分类效果，提高了分类精度，增加了遥感的应用能力。但是不同的方法有其不同优缺点，分类效果也受很多因素的影响。 本文在对国内外遥感图像分类方法研究的进展进行充分分析的基础上，应用最大似然分类法、ISODATA分类法对鹤壁市Geoeye遥感图像进行了分类研究。在对分类实现中，首先对分类过程中两个必不可少的，并影响分类效果的步骤也进行了详细地研究，分别是分类样本和分类特征；然后详细介绍这两种方法的分类实验；最后分别分析分类结果图和采用混淆矩阵和kappa 系数对两种方法的分类结果进行精度评价。两种分类方法的分类总体精度计算都达到80％以上，满足分类要求。通过综合分析发现本次研究ISODATA方法分类精度较低，最大似然法分类精度较高。 关键词： 图像分类，最大似然法，ISODATA分类法，分类精度 ABSTRACT Remote sensing（RS）image classification is always a pivotal part of remote sensing study. How to improve the accuracy of RS interpretation is an urgent problem in RS application. Classification of remote sensing image using computer is data disposal of remote sensing image pixels by computer. There are mainly two methods: non-supervised classification, and supervised classification. Non-supervised classification is a clustering process, while supervised classification is a study and training process, and it needs preliminary knowledge. Because non-supervised classification can not ascertain attribute of sorts, its value is very little by direct used and applied. While supervised classification methods emerged in endlessly with development of new methods and technique. From traditional maximum likelihood classification(MLC) based on Byes to decision tree classification and artificial neural network(ANN) classification being studied and used now, they all enhance accuracy, improve effect and application to a great extent. Whereas different ways are different advantage and disadvantage, classification effect is affected by some factors