| 【中文题名】 | GIS辅助遥感影像分类面积提取技术和方法研究 |
| 【英文题名】 | |
| 【学科专业】 | 机械制造及自动化 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-7-7 |
| 【中关键词】 | 3S,GIS,遥感影像,模式识别,BP神经网络,精准农业 |
| 【英关键词】 | 3S,GIS,RS-Image,Pattern Recognition,BPNN,Precision Agriculture, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>遥感图像的解译、识别与处理>图像处理方法> |
| 【论文摘要】 | 国家863项目“重大行业3S应用示范——农业”是为了发展“精准农业”开展的科研项目。本项目研究的目标之一是开发基于3S(GPS、GIS、RS)技术的作物品质与肥水调优栽培系统。为了开发实用的GIS系统,增强系统遥感影像预处理模块功能,提出本课题要求——“GIS辅助遥感影像分类面积提取技术和方法研究”。
本论文在研究“3S”、模式识别、遥感影像处理理论基础上,提出了在GIS辅助下的遥感影像分类提取作物面积的方法。论文中着重论述遥感影像从转入到预处理,到神经网络分类器分类,再到分类后处理,以及面积统计等环节的设计及实现。
本课题遥感影像模式分类所基于BP神经网络分类器,在GIS功能辅助下,提高了地物分类的精度,能够为本系统的决策及其他操作打下基础。本课题的研究为今后GIS下集成遥感影像处理功能,实现GIS辅助影像分类,提供理论依据和实践经验。
本课题实现了RS作为系统的重要信息源与GIS的集成,克服了传统提取作物面积时必须使用遥感影像处理软件的缺陷。遥感影像处理模块能够实现信息控制、查询、统计等多种功能。
通过采用WebGIS技术、ComGIS技术、组件技术以及公式... |
| 【论文题纲】 |
|
1 绪论 |
7-13 |
|
1.1 前言 |
7 |
|
1.2 本论文研究内容及组织结构 |
7-8 |
|
1.2.1 本论文研究内容 |
7 |
|
1.2.2 本论文组织结构 |
7-8 |
|
1.3 本课题的需求与提出 |
8 |
|
1.4 本课题所属的研究领域、理论意义及应用价值 |
8-9 |
|
1.4.1 本课题所属的研究领域 |
8 |
|
1.4.2 本课题的理论意义 |
8-9 |
|
1.4.3 本课题的应用价值 |
9 |
|
1.5 本课题国内外研究现状 |
9-13 |
|
1.5.1 GIS系统与精准农业 |
9-10 |
|
1.5.2 遥感影像分类 |
10-11 |
|
1.5.3 作物面积提取 |
11 |
|
1.5.4 GIS对遥感影像分类判读的辅助作用 |
11-13 |
|
2 3S理论 |
13-21 |
|
2.1 遥感(RS) |
13-14 |
|
2.2 全球定位系统(GPS) |
14 |
|
2.3 地理信息系统(GIS) |
14-19 |
|
2.3.1 GIS基本概念 |
14 |
|
2.3.2 GIS功能概述 |
14-15 |
|
2.3.3 GIS软件的发展 |
15-17 |
|
2.3.4 GIS实现方式的分析与比较 |
17 |
|
2.3.5 ComGIS技术 |
17-18 |
|
2.3.6 WebGIS技术 |
18-19 |
|
2.3.7 SuperMap Objects |
19 |
|
2.4 遥感与GIS |
19-21 |
|
2.4.1 研究过程中的结合应用 |
20 |
|
2.4.2 结合的技术途径 |
20 |
|
2.4.3 地理信息系统在遥感的应用 |
20-21 |
|
3 作物品质遥感监测与肥水调优栽培系统 |
21-33 |
|
3.1 “重大行业3S应用示范--农业”项目 |
21-22 |
|
3.1.1 国内外研究开发背景 |
21 |
|
3.1.2 研发目的和意义 |
21 |
|
3.1.3 研发基础 |
21-22 |
|
3.1.4 研究内容 |
22 |
|
3.1.5 研究的学术影响及经济效益、社会意义的评价 |
22 |
|
3.2 作物品质遥感监测与肥水调优栽培系统 |
22-33 |
|
3.2.1 系统研发目标 |
22-23 |
|
3.2.2 系统研发及运行环境 |
23 |
|
3.2.3 系统总体结构 |
23-25 |
|
3.2.4 系统设计原则 |
25 |
|
3.2.5 系统功能结构 |
25 |
|
3.2.6 系统功能实现的数据流程及本课题地位论述 |
25-28 |
|
3.2.7 影像预处理模块功能论述 |
28-31 |
|
3.2.8 作物品质遥感监测与肥水调优栽培系统特点 |
31-32 |
|
3.2.9 本论文期间完成系统的工作内容 |
32-33 |
|
4 作物种植面积提取 |
33-57 |
|
4.1 遥感模式识别分类 |
33-35 |
|
4.1.1 遥感分类传统方法 |
33-34 |
|
4.1.2 遥感分类新方法 |
34-35 |
|
4.2 BP神经网络分类器 |
35-42 |
|
4.2.1 人工神经网络概述 |
35-36 |
|
4.2.2 神经元的工作原理 |
36 |
|
4.2.3 神经网络学习 |
36-37 |
|
4.2.4 本课题基于的BP网络分类器 |
37-42 |
|
4.3 作物种植面积提取 |
42-54 |
|
4.3.1 步骤及关键技术 |
42 |
|
4.3.2 遥感影像的预处理 |
42-49 |
|
4.3.3 BP网络分类器分类 |
49-52 |
|
4.3.4 分类说明 |
52 |
|
4.3.5 分类的后处理 |
52-53 |
|
4.3.6 分类评价及面积提取 |
53-54 |
|
4.4 本课题技术小结 |
54-57 |
|
4.4.1 采用面向对象方法 |
54 |
|
4.4.2 采用关系数据库管理空间数据 |
54 |
|
4.4.3 采用组件技术与ComGIS技术 |
54-55 |
|
4.4.4 采用基于网络GIS技术 |
55 |
|
4.4.5 采用矢量与栅格数据一体化集成应用技术 |
55 |
|
4.4.6 采用时态GIS相关理论技术组织管理多时相数据 |
55-56 |
|
4.4.7 采用公式识别技术实现灵活管理模型 |
56-57 |
|
5 结论与展望 |
57-60 |
|
5.1 结论 |
57-58 |
|
5.1.1 本论文期间的学习、研究重点: |
57 |
|
5.1.2 本论文完成的主要工作 |
57-58 |
|
5.1.3 本论文的特点及创新点: |
58 |
|
5.2 展望 |
58-60 |
|
参考文献 |
60-63 |
|
致谢 |
63-64 |
|
作者在攻读硕士学位期间发表的论文及参与的科研项目 |
64-66 |
|
| 【DOI】 | LunWen.ID:2.2008.389258 |