面向对象的高分影像多尺度分割土地利用分类研究

论文摘要

高空间分辨率影像是遥感数据发展的重要方向,通过高分遥感影像准确高效地提取土地利用分类信息是当前遥感领域研究的热点之一,由于土地利用分类信息较为复杂,基于像元的遥感影像土地利用分类信息提取存在精度不高的问题,无法很好地满足要求。使用面向对象的高分影像分类方法,研究多尺度分割中最优参数的选取问题,将双层尺度集分割和分类决策树(Classification And Regression Tree,CART)进行了结合,通过土地利用分类实验将该方法与基于像元的最大似然法和面向对象的最临近方法的结果进行比对,取得了如下成果:1.从尺度理论出发,综合比对FNEA(Fractal Net Evolution Approach)算法和尺度集模型的影像分割方法,利用分块分割和并行计算优化尺度集模型构建双层尺度集模型,对地物对象进行分割实验,选取最佳分割参数和最优分割方法,构建对应的分割对象层,有效避免多尺度分割中普遍存在的过分割和欠分割问题,改善多尺度分割的效果。2.通过最大面积法、均值方差法和ESP(Estimation Scale Parameter)工具验证法对影像进行分割实验,选取最优分割参数,包括:尺度参数、波段权重、形状因子和紧致度因子。并通过构建分割辅助图层提高分割边缘提取效果。基于最优分割参数,比对FNEA算法和双层尺度集模型的影像分割方法的分割结果,研究两种分割方法在相同的最优分割参数下的分割效果。3.构建CART决策树分类器,选取训练样本和对应特征变量,实现分类过程的自动特征选取和阈值选取。对基于SPM(Salford Predictive Modeler)平台构建的CART决策树进行修剪和优化,配合光谱特征设计准确合理的分类规则,提高面向对象分类实验的准确性,实现准确高效地土地利用分类提取,得到分类结果并进行精度评价,与使用基于像元的最大似然法和面向对象的最临近方法作为对照实验进行比对分析。论文创新性地将双层尺度集分割和CART分类决策树进行了结合,在土地利用分类研究中取得了较好的成果。

论文目录

摘要

Abstract

第一章绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 土地利用分类研究现状

1.2.2 影像分割研究现状

1.2.3 使用高分影像的土地利用分类研究现状

1.3 研究内容与技术路线

1.3.1 研究内容

1.3.2 技术路线

第二章研究理论与技术基础

2.1 面向对象影像分析技术

2.2 尺度理论

2.2.1 尺度转换

2.2.2 最优尺度的选择

2.3 多尺度分割方法

2.3.1 FNEA分割算法

2.3.2 双层尺度集模型

2.4 边缘检测方法

2.4.1 一阶微分算法

2.4.2 Canny边缘检测

2.5 分类决策树

第三章多尺度分割研究

3.1 数据源

3.1.1 影像数据源

3.1.2 研究区现状数据

3.2 影像预处理

3.3 最优参数选取

3.3.1 确定最优分割尺度

3.3.2 选取均质性因子

3.3.3 ESP 最佳尺度验证

3.4 建立辅助图层

3.5 影像分割结果

第四章分类实验与结果分析

4.1 面向对象的分类实验

4.1.1 基于SPM建立CART决策树

4.1.2 面向对象的分类实验结果

4.2 基于像元的分类实验

4.3 精度评价方法

4.4 分类精度分析

4.4.1 基于像元分类实验的精度分析

4.4.2 面向对象分类实验的精度分析

4.4.3 分类结果的综合比对

第五章结论与展望

5.1 结论

5.2 展望

致谢

参考文献

附录

文章来源

类型: 硕士论文

作者: 陈磊士

导师: 赵俊三

关键词: 面向对象,多尺度分割,土地利用分类,决策树,高分二号

来源: 昆明理工大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 自然地理学和测绘学,农业经济

单位: 昆明理工大学

分类号: P237;F301.24

DOI: 10.27200/d.cnki.gkmlu.2019.001682

总页数: 100

文件大小: 10750K

下载量: 117

面向对象的高分影像多尺度分割土地利用分类研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢