基于GF-2遥感影像的农田面向对象变化检测方法研究

《基于GF-2遥感影像的农田面向对象变化检测方法研究》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：P237单位代码：10183基研究生学号：2015622023密级：公开基于高分二号遥感影像吉林大学的农田硕士学位论文变化（学术学位）检测方基于GF-2遥感影像的农田面向对象变化检测方法研究法研究ResearchonFarmlandObject-OrientedChangeDetectionMethodBasedonGF-2RemoteSensingImage李毕晏作者姓名：毕晏珲珲专业：地图制图学与地理信息工程研究方向：3S应用吉吉指导教师：杨国东教授林大培养单位：地球探测科学与技术学院学2018年6月—————————————————————基于GF-2遥感影像的农田面向对象变化

2、检测方法研究—————————————————————ResearchonFarmlandObject-OrientedChangeDetectionMethodBasedonGF-2RemoteSensingImage作者姓名：毕晏珲专业名称：地图制图学与地理信息工程指导教师：杨国东教授学位类别：工学硕士答辩日期：2018年6月3日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕士学位论文原创

3、性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托研究生院向中国学术期刊（光盘版）电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《

4、中国博硕士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益。论文级别：☑硕士□博士学科专业：地图制图学与地理信息工程论文题目：基于GF-2遥感影像的农田面向对象变化检测方法研究作者签名：指导教师签名：年月日作者联系地址（邮编）：吉林省长春市朝阳区西民主大街938号（130026）作者联系电话：18204303066基于GF-2遥感影像的农田面向对象变化检测方法研究摘要（作者：毕晏珲指导教师：杨国东教授）由于城市化、工业化的进程加快以及自然灾害的频发，在人为因素和自然因素的双重影响下我国自然资源安全受到了严重威胁。所以及时了解农田变化情况对我国农业建设和自然资源可持续

5、发展具有重要意义。农田变化检测是根据同一感兴趣区不同时相的农田信息来确定农田变化情况的过程。随着遥感技术和图像处理技术的快速发展，利用高分辨率遥感影像进行感兴趣区变化检测变得十分方便。但是利用传统的基于像元的变化检测方法已无法适用于含有丰富信息特征的高分辨率遥感影像。因此，采用面向对象的变化检测方法成为目前国内外学者研究的关键问题。本文选取大安市舍力镇作为研究区。选择两期时相分别为2015年9月、2017年8月的高分二号遥感影像作为变化检测试验数据。采用面向对象的分类方法完成对两期遥感影像农田信息的提取并对分类结果进行精度评价，然后采用面向对象的变化检测方法实现农田信息的变化检测。本文主要研

6、究成果如下：（1）对基于边界的分割算法与基于区域的分割算法的区别进行详细研究，从客观和主观两方面分析出基于区域分割算法的多尺度分割在同时提取多种目标地物类型时具有优越性，并总结出多尺度分割参数的选择方法。在不同影像对象层采用不同的分割参数进行多尺度分割。利用试错法得出第一层植被与非植被的最优分割尺度为90、形状因子为0.2、紧致度因子为0.5，第二层旱田、水田及其它植被的最优分割尺度为150、形状因子为0.2、紧致度因子为0.5。（2）综合利用高分遥感影像的光谱特征、形状特征、自定义特征对目标地物类型进行信息提取。建立影像对象的分类层次后，通过对目标地物特征的描述和组合，建立目标地物的提取规

7、则。以多尺度分割后的影像对象为分类的基本单元，利用阈值分类和最邻近分类相结合的方法实现了研究区农田信息的提取。（3）以2015年、2017年高分二号遥感影像目视解译结果作为参考影像，对分类结果进行精度评价。对两期研究区遥感影像进行目视解译，人工判读农田信息。利用混淆矩阵对两期自动分类结果与目视解译结果进行对比，得出2015I年总体精度为91.6%、Kappa系数为84.8%，2017年总体精度为90.8%、K