高分辨率遥感图像面向对象分割与分类方法研究

高分辨率遥感图像面向对象分割与分类方法研究

ID:34888433

大小:10.24 MB

页数:78页

时间:2019-03-13

高分辨率遥感图像面向对象分割与分类方法研究_第1页
高分辨率遥感图像面向对象分割与分类方法研究_第2页
高分辨率遥感图像面向对象分割与分类方法研究_第3页
高分辨率遥感图像面向对象分割与分类方法研究_第4页
高分辨率遥感图像面向对象分割与分类方法研究_第5页
资源描述:

《高分辨率遥感图像面向对象分割与分类方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号密级中国地质大学(北京)硕士学位论文高分辨率遥感图像面向对象分割与分类方法研究学号:2104120030研究生:邓海龙专业:计算机技术研究方向:计算机应用技术指导教师:姚国清教授企业导师:甘甫平教授级高工2015年5月声明本人声明所呈交的论文是我个人在导师指导下进行的研宄工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研宄成果,也不包含为获得中国地质大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示

2、了谢意。签名:负沲‘曰期关于论文使用授权的说明本人完全了解中国地质大学有关保留、使用学位论文的规定,即:学校有权保留送交论文的复印件,允许论文被查阅和借阅;学校可以公布论文的全部或部分内容,可以釆用影印、缩印或其他复制手段保存论文。0^>幵•保密(—年)《保密的论文在解密后应遵守此规定)签名:^导师签名:吻责曰期:災工分类号密级中国地质大学(北京)硕士学位论文高分辨率遥感图像面向对象分割与分类方法研究学号:2104120030研究生:邓海龙专业:计算机技术研究方向:计算机应用技术指导教师:姚国清教授企业导师:甘甫平教授级高工2

3、015年5月ADisssertationSubmittedtoChinaUniversityofGeosciencesforMasterDegreeResearchonObject-orientedSegmentationandClassificationMethodsofHighResolutionRemoteSensingImageMasterCandidate:DengHailongMajor:ComputerTechnologyStudyOrientation:AppliedTechnologyofComputerDi

4、ssertationSupervisor:Prof.YaoGuoqingEnterpriseMentor:Prof.GanFupingChinaUniversityofGeosciences(Beijing)摘要随着遥感技术的深入发展和人们对图像空间分辨率要求的不断提高,高分辨率遥感图像也变得更加普及。相比于中、低分辨率遥感图像,高分辨率遥感图像有着更丰富的细节信息。因而,对高分辨率遥感图像的信息提取需要综合运用光谱和空间结构信息。由此,面向对象的遥感图像分割和分类方法成为目前的研究热点。面向对象的分割和分类方法以对象(同质性

5、像元的集合)作为基本处理单元,对象比单个像元含有更加丰富的类别信息,能在更多维数特征下表征其类别属性,通过特征的计算和组合,以达到信息提取的目的。通过图像分割算法将图像分割成特征相近的同质性对象区域,在分割的过程中综合光谱、形状、纹理等信息能使分割对象多边形更贴近真实地物边界,后续的特征计算和分类都是在分割对象基础上完成,因此,图像分割是基础,分割效果的好坏决定了分类的精度。分形网络演化方法(FNEA)的多尺度分割是一种比较经典的面向对象分割方法,分割过程结合了对象光谱和几何形状信息,多尺度分割形成的层次网络结构让不同地物都有

6、最适合的分割参数,在避免噪声影响的同时也取得很好的分割视觉效果。另一方面,FNEA方法的分割参数较多,且每一层次都有不同的分割参数,操作繁琐且参数的设置没有严密的数学理论约束,层次越多,人的主观影响越严重。本文基于此点考虑实验一种FNEA单一尺度的分割,通过初始分割对象快速构建和分割效果优化对其进行改进。在此基础上采用模糊分类法将对象分类,通过和多尺度分割的分类效果进行量化对比分析,从数据可知FNEA多尺度分割和改进FNEA分割的分类总体精度都达到了85%以上,Kappa系数0.8以上,都取得很好的分类效果。在城市图像分类中两

7、种分割方法的分类精度几乎一致,郊区图像分类中改进FNEA方法虽然和FNEA多尺度方法的分类精度有所差距但差别不大。研究表明:改进FNEA分割方法比FNEA多尺度分割操作更加简单且初始分割时间效率有很大程度的提高,对象的分类精度也能达到多尺度分割的精度要求,对地物尺度相差越小的图像改进FNEA分割的分类效果也越好。关键词:面向对象,图像分割,FNEA算法,模糊分类ResearchonObject-orientedSegmentationandClassificationMethodsofHighResolutionRemoteS

8、ensingImageAbstractWiththerapiddevelopmentofremotesensingtechnologyandthegrowingdemandofhigh-resolutionimage,highresolutionremotesensingim

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。