面向对象的高分辨率遥感影像分类技术研究-地理学(城市与区域规划)专业毕业论文.docxVIP

万方数据 万方数据 致谢 首先要感谢我的导师林卉副教授。从论文的选题、研究方向的确定再到论文 的撰写以及最后的定稿无不凝聚着导师巨大的心血。导师治学严谨、学识渊博、 工作精益求精、品德高尚、平易近人，在我学习期间不仅传授了做学问的秘诀， 还传授了做人的准则。另外导师在生活及其它方面的关怀和照顾时我在研究生学 习阶段倍感温暖，在此要表达我对导师深深的谢意！ 在研究生阶段的学习和论文的撰写期间还得到了赵长胜老师、张连蓬老师、 冯遵德老师、王爱生老师、周兴东老师、梁亮老师、李行老师给予的建议和帮助。 感谢陈士城、马维维等师兄师姐在学习和研究上的帮助；感谢同学李明哲、 陆益红、王蒙、闻永俊、张蒙等在生活和学习上给予的帮助。 感谢我的爸爸、妈妈、姐姐，是你们给我勇气，你们的关爱是我力量的源泉。 最后，感谢所有批评、关心和帮助过我的人们。 I 摘要 相对于中低分辨率遥感影像，高分辨率遥感影像具有更丰富的空间信息和纹 理信息，能更清楚地表现地物细节。传统分类方法是基于像元的，由于忽略了图 像的纹理特征、结构层次特征等，受噪声影响大，分类结果“椒盐”现象严重。 因此，传统的基于像元的分类方法，并不适用于高分辨率遥感影像分类。面向对 象的遥感影像分类方法就此产生。 本文研究了面向对象的高分辨率遥感影像分类技术，主要包括高分辨率遥感 影像分割技术和面向对象分类技术。在此基础上，以徐州市部分地区的 Quickbird 影像为例，验证了本文的研究结果。主要成果如下： （1）高分辨率遥感影像分割技术。论述了多尺度分割理论，及传统和新型的 分割方法，提出了适用于高分辨率遥感影像的基于局域同质性梯度的颜色结构编 码分割方法。 （2）面向对象的分类方法。由于不同的地物具有不同的光谱、纹理及空间结 构特征，因此需要根据不同地物类型特点选择不同的分类方法。本文在多尺度分 割的基础上，用自定义阈值法提取水体、阴影和植被；用支持向量机方法提取道 路和建筑。 本文以江苏师范大学部分 Quickbird 影像作为数据源，用上述方法进行了分 割分类，由于所用的是面向对象的分类方法，传统的误差矩阵分析不适用于其精 度评价，因此应用基于模糊数学的最佳分类结果和分类稳定性两种指标来评价分 类结果。分析结果表明，本文所用方法，分类结果完整准确，适用于高分辨率遥 感影像信息提取。 关键词：高分辨率遥感影像；多尺度分割；面向对象分类；颜色结构编码； 支持向量机 I Abstract Compared with the low resolution remote sensing image, high resolution remote sensing image has more Spatial information and texture information, and can show more clearly feature details, Traditional classification methods are generally focused on local pixels，use of the image spectrum information only. Traditional classification method is based on the pixels, and due to ignoring the image texture features, structural hierarchy, etc , salt and pepper phenomenon in classification results is serious. Therefore，the traditional pixel-based classification method，is not suitable for high resolution remote sensing image classification. The object-oriented information extraction method of remote sensing emerged as a reflection of the times. This paper studies the technology of object-oriented classification for high-resolution remote sensing image，including high resolution remote sensing image segmentation technology and object-oriented classification