毕业论文-- 面向高分辨率对地观测图像的分类算法研究.docx

第 PAGE \* MERGEFORMAT 第 PAGE \* MERGEFORMAT 2 页 湖南大学毕业设计（论文） HUNAN UNIVERSITY 毕 业 论 文 论文题目 面向高分辨率对地观测图像的 分类算法研究 学生姓名 学生学号 专业班级 自动化1102 学院名称 电气与信息工程学院 指导老师 学院院长 2015 年5 月 30 日 摘要 随着遥感技术的发展，我们获得了极其丰富的有价值的信息。近年来高分辨率遥感技术的发展极大地拓宽了我们对地观测的视野。高分辨率遥感影像在遥感影像信息提取中的应用越来越广泛并且占主流地位，己经在城市规划、国土资源管理、地质调查、交通检测等区域性研究与相关的应用领域中扮演着重要角色。为了更好的应用这些图像给我们提供的数据，我们对其有了深入研究。对于高分辨率遥感卫星图片来说，传统的分类方法有监督分类和非监督分类。近年来，机器学习在图像分类中也有了较大的进展。监督分类中根据分类复杂度及精度的不同将采用不同的分类方法及不同的分类器。非监督分类称为聚类分析或点群分类，无需分析人员介入即可在多波段影像中查找光谱特征，对影像进行分类。本文使用人工提取样本，利用样本再根据影像的光谱特征对影响分类，采用监督分类的方法很好地将影像分为了道路、建筑物、绿地等几类，并且分类效果良好。 关键词：遥感影像分类，最大似然分类，ISO非监督聚类，精度分析,bp神经网络 For high resolution earth observation images classification algorithms Abstract With the development of Remote sensing technology ,we have achieved abound of available information.In the recent years,the technology of the high resolution remote has greatly broadened our horizons on Earth Observation.High resolution remote sensing image is becoming more and more widely in the application of remote sensing image information extraction and dominant position,and it has played an important role in the field of application in urban planning, land and resources management, traffic detection and other regional geological survey, research and related filed.In order to make the full use of the dates that the image applies to us,We have made a in-depth study on it.For high resolution remote sensing satellite image, the traditional classification methods have supervised classification and unsupervised classification.In recent years,machine learning:deep learning has made great progress.For supervised classification,we will adapt different classification methods and different classifier based on the different c