資源描述：
《基于worldview2影像的面向對象信息提取技術研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、浙江大學碩士學位論文基于WorldView--2影像的面向對象信息提取技術研究姓名：陸超申請學位級別：碩士專業(yè)：農業(yè)遙感與信息技術指導教師：沈掌泉20120308浙江大學碩士學位論文摘要摘要近年來，衛(wèi)星遙感技術發(fā)展迅速．隨著應用領域的不斷擴展，遙感技術作為一門先進的空間探測技術越來越受到人們的重視。隨著新型傳感器日新月異的發(fā)展，遙感影像的空間分辨率越來越高，這為眾多應用領域提供了豐富多樣的數據資料．然而面對海量的遙感數據，如何充分挖掘和利用這些數據所蘊藏的信息，如何快速、自動、精確地識別并提取出所需要的信息，已成為當前遙感技術應用領域中迫切需要解決的
2、問題和新的挑戰(zhàn)．傳統(tǒng)的遙感影像分類方法主要是依據地物的光譜特征進行的，比較適合中低分辨率的遙感影像。而高分辨率影像的特點是具有豐富的幾何形狀、空間位置和紋理等信息，但光譜信息相對較弱。這樣，用基于像元的傳統(tǒng)分類方法提取高分辨遙感影像不僅不能有效利用其豐富的空間結構信息，還會導致分類結果出現較多的誤分和漏分現象以及相同地物光譜異質性引起的椒鹽效應，嚴重影響分類精度。因此，傳統(tǒng)的分類方法難于應用在高分辨率遙感影像的信患提取上。針對上述問題，研究者提出了面向對象技術，由于面向對象的分類方法能夠克服傳統(tǒng)方法的局限，充分利用高分辨率影像的光譜和空間信息，從而快
3、速準確地提取所需的專題信息，因而得到重視。本文以富陽市漁山鄉(xiāng)為研究區(qū)，采用w．0rldⅥew．2遙感影像對其中的地物信息進行識另0和提取。wbrldⅥew-2是DigitalGlobe公司于2009年10月發(fā)射成功的新一代高分辨率8波段商用衛(wèi)星。該衛(wèi)星能夠提供0．5米全色圖像和1．8米分辨率的多光譜圖像。而且，它除了擁有較高的分辨率和豐富的空間信息外，其豐富的光譜波段與光譜信息將更加有利于信息的提取和遙感制圖能力。在文中，對w．0rldⅥew．2影像的融合進行了一些研究。從主觀定性和客觀定量兩個方面對四種融合方法的結果進行了質量評價，發(fā)現Gmm．sc
4、IlIllidt變換法能夠更好地保持影像的光譜信息特征并增強影像的紋理和細節(jié)信息。本研究對影像融合作出的分析評價，為wbrldⅥew-2影像的融合提供了參考。通過影像的多尺度分割試驗，取得了適合研究區(qū)各地物的分割參數：分割尺度為175時，提取水體較為理想；分割尺度為130時，提取林地、耕地、植被陰影、道路、廠房、裸地等最好；分割尺度為55時，提取農居點和建筑物陰影比較理想。這樣，通l浙江大學碩士學位論文摘要過多分辨率分割，各類地物能夠在不同尺度上進行提取，進而建立起合適的分類等級體系．通過對影像光譜、形狀和紋理信息以及對象間關系的統(tǒng)計分析，選取各地物
5、最佳的特征組合，以此構建合理的分類規(guī)則，運用最近鄰法和成員函數法相結合的方法對研究區(qū)地物信息進行提取，并獲得最終的分類結果。研究結果表明，面向對象信息提取方法的總體精度達到88．29％，比最大似然法提高12．58％，loppa系數由0．7167提高到O．8633。特別是林地、裸地和建筑物的分類精度均有較大幅度的提高。因此，與傳統(tǒng)的基于像元方法的分類方法相比較，面向對象的分類方法更適合于高分辨率遙感影像的信息提取。關鍵詞：wbrldⅥew．2影像；面向對象分析技術；影像融合；多尺度分割；特征組合浙江大學碩士學位論文Abst怕ctAbstractInre
6、centyca璐，sa鈀llitc∞motc∞nsmgtechnologyisdeVeIopedrapidly．WitlltIleexp鋤sionof印plication，remotesensingtechnologyisat啾dmore鋤dmo∞甜ention嬲鋤advancedspatialeXplorationtecllnolo黟WimtheiIIlpr0V鋤蛐tofsensorSystems，thespatialresolutionsofimagesarehigher，whichproVidesm鋤ydiverSedataform鋤yfiel
7、ds．HoweVer，itisanu略entrequirement鋤dchallengeofremotesensingforutil泣ingthesehighspatialresolutionimagesthathowt0utilize向llynlei11fonllationiIlnle∞data鋤dhowtoidenti夠鋤dex心actnleinfo姍ationquicklyandaccumtely．ThditiomlclaSsificationmethodsforrcmotesensiIlgimagesaremainlybasedontlles
8、pec仃alchar∞teristicsoffea_tures，whicharesuitableforrem
