原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
PAGE 4
摘 要
遥感技术的发展使我们能够获得及其丰富的信息。尤其是近年来高分辨率遥感影像的出现更扩大了人们对自然界观察的视野。与中低分辨率的遥感影像相比，QuickBird和IKONOS等高分辨率遥感影像具有更加丰富的结构信息和纹理信息，对于高分辨率遥感影像来说，对于单一的传统的基于像元光谱信息分类方法不但会导致分类精度降低，而且也会造成空间数据大量冗余和资源浪费。
在对传统的基于像元的分类方法分析的基础上，把一种新的信息提取方法——面向对象的信息提取方法引入到高分辨率遥感影像提取中，影像分割和信息提取是这种方法的两个关键步骤。
本文所做的工作如下：
多尺度影像分割，需要用户输
文档评论（0）