基于最佳尺度的面向对象高分辨率遥感影像分类及应用的中期报告.docxVIP

基于最佳尺度的面向对象高分辨率遥感影像分类及应用的中期报告 此中期报告旨在介绍基于最佳尺度的面向对象高分辨率遥感影像分类及应用的研究进展，总结目前已有成果，并描述未来研究的计划。 研究背景： 高分辨率遥感技术的发展带来了巨大的数据挖掘和信息提取的挑战，传统的像元级分类方法已经无法满足实际需求，而面向对象的分类方法在一定程度上可以解决这个问题。同时，最佳尺度的概念也在面向对象分类中被广泛应用，它是指在特定调查空间尺度下进行分类时，能够获取最高分类精度的那个尺度。 研究进展： 本研究针对基于最佳尺度的面向对象高分辨率遥感影像分类，已经完成了以下工作： 1. 收集并处理了一定量的高分辨率遥感影像数据。 2. 运用对象分割技术对影像进行了分割，获得了较为完整的目标，为分类提供了基础。 3. 将分割的目标进行组合，形成面向对象的分类单元，为分类提供了完整性和精确度的保证。 4. 运用不同的分类算法，包括支持向量机、决策树等，在最佳尺度下完成了影像分类工作。 5. 在分类结果中提取了多个特征参数，如面积、周长、纹理等，得到了详细的分类信息。 未来计划： 在后续研究中，我们将继续深入探索基于最佳尺度的面向对象高分辨率遥感影像分类方法的优化与改进，具体计划如下： 1. 通过比较不同分类算法在面向对象分类中的表现，寻找最优算法。 2. 探究最佳尺度的选取方法，寻找最优的特征尺度。 3. 尝试引入深度