高分辨率遥感影像土地利用信息提取技术研究

摘要

近些年来随着高分辨率遥感影像变得更加普及且数据获取更加方便，其清晰的形状、丰富的纹理等特征优势，使其在地质、环保、农业、林业、水文、气象等领域被广泛地应用。传统的基于像素的分类技术在高分辨率遥感信息提取中精度不高，无法更加准确的提取高分辨率遥感影像上的地物信息，而面向对象的影像分类技术在高分辨率遥感影像中具有更高的分类精度而被普遍应用。 本文以天津市蓟县水土流失监测中土地利用信息提取为例，基于国产GF-1高分辨率影像数据及其它辅助数据，重点研究两点来提高研究区地物信息提取的自动化程度和分类精度。首先是影像的分割，针对高分辨率遥感影像具备地物多种尺度分布的统一性与复杂性，无法简单的用单一的尺度来高精度的提取所有的地物类型[1]，本文通过最大面积法和影像特征分析法分别从定量和定性两个角度确定最优分割尺度并构建多尺度分割等级网，最终确定三个尺度层Level60、Level85、Level120分别作为相应地物类型的适宜提取尺度；其次是影像的分类，为了建立与现实匹配的分类规则，本研究在专家知识的支持下，通过数字高程模型（DEM）、坡度、多元多时相数据的辅助，首先开展主要类型的划分，再使用SEaTH算法选择最佳特征及阈值分别对对各个综合类下的地类进行细分；最终实现整个研究区土地覆被信息的提取。实验精度评定表明：总分类精度为90.17%,Kappa系数是0.89，表明基于专家知识和SEaTH算法构建的土地覆盖分类方法的可靠性。分类结果为蓟县水土保持监测提供了精准的数据支持。

目录

第一个书签之前

1 绪论

1.1研究背景和意义

1.2国内外研究现状

1.2.1传统的遥感信息提取研究现状

1.2.2面向对象遥感信息提取研究现状

1.3试验内容和技术流程

1.3.1研究内容

1.3.2技术流程

1.4 本章小结

2 面向对象的高分辨率影像信息提取技术

2.1图像分割

2.1.1图像分割概述

2.1.2高分辨率遥感影像分割常用方法

2.2影像对象的特征介绍

2.2.1光谱特征

2.2.2形状特征

2.2.3纹理特征

2.2.4语义特征

2.2.5区域地学特征

2.2.6影像对象的自定义特征

2.3面向对象分类的特征选择

2.3.1关于特征优选

2.3.2关于特征阈值的确定

2.4精度评定

2.5本章小结

3 研究区概况及数据预处理

3.1研究区概况

3.2数据来源

3.2.1遥感数据

3.2.2实地调查数据

3.2.3地形和多时相数据

3.3数据预处理

3.3.1辐射校正

3.3.2正射校正

3.3.3影像融合

3.3.4镶嵌与裁剪

3.4软件平台

3.5本章小结

4 研究区影像分割与特征空间构建

4.1土地利用地物影像解译标志的建立

4.2研究区影像分割试验

4.2.1多尺度分割的概念

4.2.2多尺度分割的原理

4.2.3多尺度分割流程

4.2.4最优分割尺度选择分析

4.3分类特征空间的构建

4.4本章小结

5 基于专家知识与SEaTH算法的土地覆盖分类

5.1专家知识的获取

5.2基于SEaTH算法的特征选择与阈值确定

5.3规则实现与分类结果

5.4精度评价与分析

5.5本章小结

6 结论与展望

6.1研究结论

6.2研究展望

致 谢

参考文献