遥感影像数据的面向对象分类与模糊逻辑分类研究
发布时间：2021-05-26 18:18
随着科学技术的发展,遥感影像的空间分辨率、时间分辨率以及光谱分辨率有了显著提高,在环境监测、土地利用、国防军事等领域发挥着越来越重要的作用。高分辨率遥感影像虽然具有突出的结构和纹理特征,信息量丰富,但是其波段较少,光谱信息不足,存在“同物异谱”和“同谱异物”的现象,这些因素使得影像的信息提取变得更加复杂和困难。对于遥感影像的分类,模糊方法已显示出在分析混合像元、提高分类精度方面上的优势。作为世界著名的影像分析软件,eCognition的基本思想就是面向对象的模糊分类。同时,纹理作为影像中的重要特征,体现了空间结构信息,在分类时也是一个不可忽视的重要因素。基于以上考虑,为了对面向对象的分类技术和模糊分类的思想有更加全面的认识,本文选用经过了预处理后的昆明地区的四块QuickBird影像作为实验数据,对基于像素的模糊分类和面向对象的模糊分类展开研究,以期获得运用Fuzzy logic分类的实验结果。实验工作包括：（1）以eCognition软件为实验平台,在其规则模式和快速制图模式下,运用模糊逻辑算法,对实验区影像分别进行了面向对象的分类。对多尺度分割、光谱差异分割以及边缘提取算法进行了研...
【文章来源】：昆明理工大学云南省
【文章页数】：120 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
目录
图目录
表目录
第一章 绪论
1.1 研究背景和意义
1.2 遥感影像信息提取技术
1.2.1 遥感影像信息提取方法
1.2.2 遥感影像分类
1.2.3 遥感影像信息提取研究现状和发展趋势
1.3 研究目的和内容
1.4 论文章节安排
第二章 实验区影像数据及其预处理
2.1 高分辨率卫星影像
2.1.1 高分辨率遥感卫星概览
2.1.2 QuickBird卫星
2.1.3 QuickBird影像数据及其特点
2.2 实验区数据(Data Set)
2.2.1 实验区数据(Data set)
2.3 影像的预处理(Pre-processing)
第三章 模糊逻辑理论及其在影像分类中的应用
3.1 模糊理论介绍
3.1.1 模糊理论的产生
3.1.2 模糊集合(Fuzzy set)
3.1.3 模糊逻辑(Fuzzy logic)
3.1.4 模糊算子与模糊蕴含(Fuzzy operator and implication)
3.1.5 隶属函数(Membership function)
3.1.6 隶属函数的确定
3.2 模糊理论在遥感影像分类中的应用
3.2.1 模糊模式分类方法
3.2.2 遥感影像的模糊分类系统
3.2.3 采用模糊分类技术的遥感影像分类的文献综述
第四章 运用模糊算法的面向对象分类
4.1 遥感影像分割
4.1.1 影像分割概述
4.1.2 影像分割算法(Image segmentation algorithm)
4.2 分类(Classification)
4.2.1 模糊逻辑和隶属度函数法
4.2.2 最邻近分类法
4.3 运用模糊逻辑的面向对象影像分类实验
4.3.1 实验一:基于知识库的分类实验
4.3.2 实验二:基于样本的分类实验
4.3.3 实验三:快速制图模式下的分类实验
4.4 精度评估及结果分析
4.4.1 精度评估概述
4.4.2 实验一精度评估和分析
4.4.3 实验二精度评估及分析
4.4.4 实验三精度评估及分析
第五章 基于像素并结合纹理的模糊分类
5.1 灰度共生矩阵纹理分析方法
5.1.1 灰度共生矩阵的定义
5.1.2 灰度共生矩阵纹理测度
5.1.3 灰度共生矩阵的纹理计算
5.1.4 计算灰度共生矩阵及纹理测度的MATLAB程序
5.1.5 纹理实验结果分析
5.2 基于像素的模糊分类(实验四)
5.2.1 模糊分类系统设计
5.2.2 引入纹理特征后的模糊分类
5.2.3 基于纹理特征模糊分类的MATLAB程序
5.3 MATLAB下引入纹理特征的模糊分类精度评价
第六章 实验结果的分析、比较与研究
6.1 OBIA与PIA的分类比较
6.2 eCognition与MATLAB的分类比较
6.3 精度评估方法与结果探讨
6.4 结论
第七章 论文感言与展望
7.1 论文总结
7.2 论文的不足与将来的工作
致谢
参考文献/Reference
附录Ⅰ 攻读学位其间发表的论文附录
附录Ⅱ eCognition使用说明
附录Ⅲ MATLAB模糊逻辑工具箱使用说明
附录Ⅳ ERDAS软件监督分类操作说明
【参考文献】：
期刊论文
[1]一种新的遥感图像海岸线检测方法[J]. 李传龙,李颖,马龙. 计算机仿真. 2010(08)
[2]基于混合多分类器结合算法的遥感分类[J]. 杨海波,王宗敏,张涛. 计算机工程. 2010(11)
[3]遥感影像分类结果的不确定性研究[J]. 黄恩兴. 中国农学通报. 2010(05)
[4]基于Matlab的高速公路路面状况分类评价[J]. 李星. 广州建筑. 2010(01)
[5]基于最小异质性区域生长法的多尺度城市地物影像分割[J]. 肖奥,赵文吉. 首都师范大学学报(自然科学版). 2010(01)
[6]面向对象森林分类的多分类器结合方法研究[J]. 李春干,邵国凡. 南京林业大学学报(自然科学版). 2010(01)
[7]高空间分辨率遥感影像分割方法研究综述[J]. 刘建华,毛政元. 遥感信息. 2009(06)
[8]基于支持向量机的遥感图像分析与处理[J]. 何曰光. 武警工程学院学报. 2009(06)
[9]多种分类器融合的遥感影像分类[J]. 张丹,杨斌,张瑞禹. 遥感信息. 2009(05)
[10]辅以纹理特征的面向对象的遥感影像分类方法研究——以陕西省杨陵县为例[J]. 鲍海英,李艳,赵萍. 遥感信息. 2009(04)
硕士论文
[1]遥感数字图像类特征的二阶统计纹理分析[D]. 吕鹏.昆明理工大学 2010
[2]高分辨率多源遥感影像融合与镶嵌、制图研究[D]. 杨红卫.兰州大学 2010
[3]辅助纹理特征的ALOS影像土地利用/覆盖分类[D]. 陈霞.浙江大学 2010
[4]纹理信息在遥感影像分类中的应用[D]. 黄丽梅.山东师范大学 2009
[5]基于对象的城市遥感影像分类方法及应用研究[D]. 钦伟瑾.长安大学 2009
[6]纹理特征提取算法及其在面向对象分类技术中的应用研究[D]. 章智儒.电子科技大学 2009
[7]面向对象的昆明滇池子流域高分辨率遥感影像地物信息提取[D]. 衣燕.昆明理工大学 2009
[8]面向对象遥感影像分类方法及其应用研究[D]. 汪求来.南京林业大学 2008
[9]面向对象的遥感影像模糊分类方法研究[D]. 颜宏娟.西安科技大学 2008
[10]基于灰度共生法和小波变换的遥感影像纹理信息提取[D]. 曾文华.东北师范大学 2006
本文编号：3206836
【文章来源】：昆明理工大学云南省
【文章页数】：120 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
目录
图目录
表目录
第一章 绪论
1.1 研究背景和意义
1.2 遥感影像信息提取技术
1.2.1 遥感影像信息提取方法
1.2.2 遥感影像分类
1.2.3 遥感影像信息提取研究现状和发展趋势
1.3 研究目的和内容
1.4 论文章节安排
第二章 实验区影像数据及其预处理
2.1 高分辨率卫星影像
2.1.1 高分辨率遥感卫星概览
2.1.2 QuickBird卫星
2.1.3 QuickBird影像数据及其特点
2.2 实验区数据(Data Set)
2.2.1 实验区数据(Data set)
2.3 影像的预处理(Pre-processing)
第三章 模糊逻辑理论及其在影像分类中的应用
3.1 模糊理论介绍
3.1.1 模糊理论的产生
3.1.2 模糊集合(Fuzzy set)
3.1.3 模糊逻辑(Fuzzy logic)
3.1.4 模糊算子与模糊蕴含(Fuzzy operator and implication)
3.1.5 隶属函数(Membership function)
3.1.6 隶属函数的确定
3.2 模糊理论在遥感影像分类中的应用
3.2.1 模糊模式分类方法
3.2.2 遥感影像的模糊分类系统
3.2.3 采用模糊分类技术的遥感影像分类的文献综述
第四章 运用模糊算法的面向对象分类
4.1 遥感影像分割
4.1.1 影像分割概述
4.1.2 影像分割算法(Image segmentation algorithm)
4.2 分类(Classification)
4.2.1 模糊逻辑和隶属度函数法
4.2.2 最邻近分类法
4.3 运用模糊逻辑的面向对象影像分类实验
4.3.1 实验一:基于知识库的分类实验
4.3.2 实验二:基于样本的分类实验
4.3.3 实验三:快速制图模式下的分类实验
4.4 精度评估及结果分析
4.4.1 精度评估概述
4.4.2 实验一精度评估和分析
4.4.3 实验二精度评估及分析
4.4.4 实验三精度评估及分析
第五章 基于像素并结合纹理的模糊分类
5.1 灰度共生矩阵纹理分析方法
5.1.1 灰度共生矩阵的定义
5.1.2 灰度共生矩阵纹理测度
5.1.3 灰度共生矩阵的纹理计算
5.1.4 计算灰度共生矩阵及纹理测度的MATLAB程序
5.1.5 纹理实验结果分析
5.2 基于像素的模糊分类(实验四)
5.2.1 模糊分类系统设计
5.2.2 引入纹理特征后的模糊分类
5.2.3 基于纹理特征模糊分类的MATLAB程序
5.3 MATLAB下引入纹理特征的模糊分类精度评价
第六章 实验结果的分析、比较与研究
6.1 OBIA与PIA的分类比较
6.2 eCognition与MATLAB的分类比较
6.3 精度评估方法与结果探讨
6.4 结论
第七章 论文感言与展望
7.1 论文总结
7.2 论文的不足与将来的工作
致谢
参考文献/Reference
附录Ⅰ 攻读学位其间发表的论文附录
附录Ⅱ eCognition使用说明
附录Ⅲ MATLAB模糊逻辑工具箱使用说明
附录Ⅳ ERDAS软件监督分类操作说明
【参考文献】：
期刊论文
[1]一种新的遥感图像海岸线检测方法[J]. 李传龙,李颖,马龙. 计算机仿真. 2010(08)
[2]基于混合多分类器结合算法的遥感分类[J]. 杨海波,王宗敏,张涛. 计算机工程. 2010(11)
[3]遥感影像分类结果的不确定性研究[J]. 黄恩兴. 中国农学通报. 2010(05)
[4]基于Matlab的高速公路路面状况分类评价[J]. 李星. 广州建筑. 2010(01)
[5]基于最小异质性区域生长法的多尺度城市地物影像分割[J]. 肖奥,赵文吉. 首都师范大学学报(自然科学版). 2010(01)
[6]面向对象森林分类的多分类器结合方法研究[J]. 李春干,邵国凡. 南京林业大学学报(自然科学版). 2010(01)
[7]高空间分辨率遥感影像分割方法研究综述[J]. 刘建华,毛政元. 遥感信息. 2009(06)
[8]基于支持向量机的遥感图像分析与处理[J]. 何曰光. 武警工程学院学报. 2009(06)
[9]多种分类器融合的遥感影像分类[J]. 张丹,杨斌,张瑞禹. 遥感信息. 2009(05)
[10]辅以纹理特征的面向对象的遥感影像分类方法研究——以陕西省杨陵县为例[J]. 鲍海英,李艳,赵萍. 遥感信息. 2009(04)
硕士论文
[1]遥感数字图像类特征的二阶统计纹理分析[D]. 吕鹏.昆明理工大学 2010
[2]高分辨率多源遥感影像融合与镶嵌、制图研究[D]. 杨红卫.兰州大学 2010
[3]辅助纹理特征的ALOS影像土地利用/覆盖分类[D]. 陈霞.浙江大学 2010
[4]纹理信息在遥感影像分类中的应用[D]. 黄丽梅.山东师范大学 2009
[5]基于对象的城市遥感影像分类方法及应用研究[D]. 钦伟瑾.长安大学 2009
[6]纹理特征提取算法及其在面向对象分类技术中的应用研究[D]. 章智儒.电子科技大学 2009
[7]面向对象的昆明滇池子流域高分辨率遥感影像地物信息提取[D]. 衣燕.昆明理工大学 2009
[8]面向对象遥感影像分类方法及其应用研究[D]. 汪求来.南京林业大学 2008
[9]面向对象的遥感影像模糊分类方法研究[D]. 颜宏娟.西安科技大学 2008
[10]基于灰度共生法和小波变换的遥感影像纹理信息提取[D]. 曾文华.东北师范大学 2006
本文编号：3206836
本文链接：https://www.wllwen.com/shekelunwen/ljx/3206836.html
