| 【中文题名】 | 基于纹理特征的遥感图像分类技术研究 |
| 【英文题名】 | The Study on Remote Sensing Image Classification Technology Based on Textural Features |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-3-30 |
| 【中关键词】 | 遥感图像分类,纹理特征,粗糙集,纹理谱,分形,模糊 |
| 【英关键词】 | Remote Sensing image classification,textural feature,Rough Set,Texture Spectrum,Fractal,Fuzzy C-Means Clustering, |
| 【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】 | 遥感技术广泛应用的重要途径之一就是遥感图像分类，分类的精度直接
影响遥感数据的应用水平和实用价值。如何解决多类别地物的识别并满足一
定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义。
本文从“数字福建”项目的实际出发，以 TM 遥感图像的自动分类为研
究对象，以提高图像的分类精度为目的，重点解决了多波段遥感图像的波段
选择及纹理特征提取问题，其关键点是原始数据的预处理、特征提取、分类
器的选择等一系列相关技术。
文章首先针对遥感图像波段选择传统手工方法的不足，应用粗糙集理论
核属性计算的方法得到图像分类的关键波段和一些次关键波段，实现了波段
的自动选择，为遥感图像波段选择提供了崭新的方法。接着分析这些优选波
段的光谱特征，建立融合模型，得到即约简了数据又保持了原有基本信息的
合成图像。
然后将纹理分析方法作为研究的重点，对纹理谱和分形理论的定义、原
理、算法以及在遥感图像上的应用进行了较为系统的研究和探讨。其中主要
对纹理谱进行约简、用动态规划的思想改进 DBC 计盒分形维算法、实现各
种纹理特征的提取并进行结果分析等。
... |
| 【论文题纲】 |
|
摘要 |
2-3 |
|
Abstract |
3-7 |
|
第 1 章 绪论 |
7-13 |
|
1.1 遥感技术 |
7 |
|
1.2 遥感图像分类 |
7-9 |
|
1.2.1 图像分类 |
7-8 |
|
1.2.2 遥感图像传统分类方法 |
8-9 |
|
1.3 国内外研究动态 |
9-10 |
|
1.3.1 遥感分类研究现状 |
9-10 |
|
1.3.2 纹理特征分析研究现状 |
10 |
|
1.4 论文研究目的及主要工作 |
10-13 |
|
1.4.1 课题背景 |
10-11 |
|
1.4.2 主要工作 |
11-12 |
|
1.4.3 论文结构 |
12-13 |
|
第 2 章 粗糙集核计算波段优选及波段信息融合 |
13-17 |
|
2.1 粗糙集理论基本概念 |
13-15 |
|
2.1.1 信息系统、下近似、近似精度与属性约简 |
13-14 |
|
2.1.2 差别矩阵与核属性 |
14-15 |
|
2.2 基于粗糙集核计算波段优选算法 |
15 |
|
2.3 优选波段信息融合算法 |
15-17 |
|
第 3 章 遥感图像纹理谱特征研究 |
17-23 |
|
3.1 纹理谱的相关概念 |
17-20 |
|
3.1.1 纹理单元 |
17-18 |
|
3.1.2 纹理谱 |
18 |
|
3.1.3 纹理谱特征值 |
18-20 |
|
3.2 纹理谱的约简 |
20-21 |
|
3.3 纹理谱特征分析与选取 |
21-23 |
|
第 4 章 遥感图像纹理分形特征研究 |
23-41 |
|
4.1 分形理论基础 |
23-25 |
|
4.1.1 分形的概念及其哲理 |
23-25 |
|
4.1.2 分形维 |
25 |
|
4.2 遥感图像纹理分形特征分析 |
25-39 |
|
4.2.1 地毯覆盖法分形维 |
25-28 |
|
4.2.2 分形布朗运动分形维 |
28-30 |
|
4.2.3 Keller 计盒分形维 |
30-32 |
|
4.2.4 DBC 计盒分形维 |
32-35 |
|
4.2.5 多重分形 |
35-38 |
|
4.2.6 小波与分形 |
38-39 |
|
4.3 各种分形特征比较与选取 |
39-41 |
|
第 5 章 遥感图像分类设计及实验 |
41-55 |
|
5.1 系统总体设计 |
41-42 |
|
5.1.1 设计思路 |
41 |
|
5.1.2 软、硬件平台及环境要求 |
41 |
|
5.1.3 实验数据 |
41-42 |
|
5.2 遥感波段选择与波段融合 |
42-48 |
|
5.2.1 实验图像及粗糙集特征的选取 |
43-44 |
|
5.2.2 决策表的建立及数据离散化 |
44-45 |
|
5.2.3 核属性计算及最优波段的生成 |
45-46 |
|
5.2.4 优选波段 |
46 |
|
5.2.5 波段信息融合 |
46-48 |
|
5.3 纹理特征提取 |
48-49 |
|
5.4 模糊 C 均值分类器 |
49-51 |
|
5.4.1 模糊聚类基本思想 |
50-51 |
|
5.4.2 模糊 C 均值分类器构造 |
51 |
|
5.5 分类实验结果及分析 |
51-55 |
|
总结与展望 |
55-57 |
|
参考文献 |
57-60 |
|
致谢 |
60-61 |
|
个人简历、攻读学位期间发表的学术论文 |
61 |
|
| 【DOI】 | LunWen.ID:2.2008.389298 |
