翁源县基于纹理信息及CART决策树技术的遥感影像分类研究

摘要

遥感科学技术的形成与发展，以及与全球定位系统等地理信息系统科学的融合、渗透和统一，形成了新型的对地观测系统，为林业科学研究提供了全新的科学方法和技术手段，其生产意义和社会经济效益是不言而喻的。 传统的基于像素光谱信息分类的方法仅依靠影像中的光谱信息进行分类，会出现很多的误分和错分。特别是在面对高分辨率遥感影像分类时，显得力不从心，所得的精确度远远达不到生产的要求。大量实验研究表明，只依靠光谱信息来解决遥感中的地类分类是远远不够的。遥感影像中还蕴含着地类的细节纹理信息。我们可以结合光谱信息及纹理信息来进行有效的分类。 在分类方法的选择上，决策树分类法已被应用于许多分类问题，但应用于遥感分类的研究成果并不多见。决策树分类法具有灵活，直观，清晰，强健，运算效率高等特点，在遥感分类问题上表现出巨大优势。本次论文中以广东省翁源县的Landsat TM／ETM+遥感影像为研究数据源。利用决策树算法，加入提取的纹理信息进行遥感地类分类，并把获得的结果与传统的最大似然法进行分类进行比较。结果表明：在卫星影像的整体分类精度上，决策树分类技术要优于最大似然法，加入纹理信息的分类方法能有效提高分类精度。相对于最大似然分类，决策树的树状分类结构对数据特征空间分布不需要预先假设某种参数化密度分布，所以其总体分类精度优于传统的参数化分类精度。

目录

文摘

英文文摘

声明

致谢

第一章概论

1.1选题来源及研究目的和意义

1.2国内外研究现状及发展趋势

1.3研究内容和技术路线

第二章研究区概况

2.1自然地理条件

2.2社会经济条件

第三章研究区遥感数据分析与预处理

3.1研究区遥感数据分析

3.2主要地物的光谱特征分析

3.3遥感数据及地面数据来源

3.4 TM数据的预处理

第四章遥感图像的融合处理

4.1主成分变换

4.2基于第一主成分的IHS融合

4.3基于第一主成分的BROVEY融合

4.4小波融合

4.5各种植被指数提取

第五章单时相遥感图像纹理特征提取

5.1纹理的定义及特征

5.2灰度共生矩阵法生成纹理特征

第六章遥感图像分类

6.1遥感图像分类概述

6.2分类系统

6.3特征波段的选取

6.4训练区的选取

6.5决策树分类

6.6最大似然法分类

6.7分类结果评价

第七章结论与展望

7.1结论

7.2展望

参考文献：