| 【中文题名】 | 中高分辨率遥感影像分割与信息提取研究 |
| 【英文题名】 | Study on Moderate-High Spatial Resolution Remote Sensing Image Segmentation and Information Extraction |
| 【学科专业】 | 森林经理学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-9 |
| 【中关键词】 | 中高空间分辨率,遥感,均值漂移,多尺度分割,面向对象,智能解译 |
| 【英关键词】 | Medium high spatial resolution,Remote sensing,Mean shift,Multi-scale segmentation,Object oriented,Intelligent interpretation, |
| 【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】 | 近年来，遥感技术取得了巨大进展，高空间分辨率遥感数据便是其中之一。高分辨率遥感数据广泛应用于测绘、农业、林业、城市规划、国土资源管理、地质矿产勘察和军事等领域，它们的出现给遥感应用带来了前所未有的活力。遥感数据在空间分辨率提高的同时，数据量也成几何级数增加，传统的目视解译提取专题信息的方法已经远不能满足用户的需求。因此，计算机智能解译就成了解决这一问题的唯一有效途径。
现有遥感影像解译算法很多，大体上可以归为基于像元分类方法和面向对象的影像分析方法两种。前者适用于中、低空间分辨率影像信息提取，后者适宜处理中、高空间分辨率影像数据。面向对象的影像分析方法已经在诸多应用领域表现出了明显的优势。目前，国内还没有针对中高分辨率遥感影像面向对象的影像分析系统，严重制约了中高分辨率遥感影像在各行各业中的应用。因此，系统地研究中高空间分辨率遥感影像信息提取技术，开发遥感影像智能解译系统显得尤其重要和迫切。本文在此基础上进行了深入研究，主要研究成果如下：
(1)本文提出了一种新的面向对象的遥感影像智能解译框架体系VHRIII(Very High Resolution Image Intelli... |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
ABSTRACT |
6-8 |
|
目录 |
8-11 |
|
1 引言 |
11-19 |
|
1.1 本课题研究的目的与意义 |
11-13 |
|
1.2 国内、外研究现状及趋势 |
13-17 |
|
1.2.1 目视解译 |
13-14 |
|
1.2.2 基于像元的分类方法 |
14-15 |
|
1.2.3 面向对象的影像分析方法 |
15-17 |
|
1.3 本文的研究思路与内容安排 |
17-19 |
|
2 影像分割方法综述及几种基于聚类的方法介绍 |
19-29 |
|
2.1 影像分割方法综述 |
19-24 |
|
2.1.1 影像分割的定义 |
19 |
|
2.1.2 基于阈值的分割方法 |
19-20 |
|
2.1.3 基于边缘检测的分割方法 |
20 |
|
2.1.4 基于区域特征的分割方法 |
20-21 |
|
2.1.5 基于特征空间聚类的分割法 |
21 |
|
2.1.6 基于特定算法的分割方法 |
21-22 |
|
2.1.7 色彩空间描述 |
22-24 |
|
2.2 几种基于聚类的方法介绍 |
24-27 |
|
2.2.1 K-均值聚类 |
24-25 |
|
2.2.2 ISODATA聚类 |
25 |
|
2.2.3 模糊C均值聚类 |
25-27 |
|
2.3 本章小结与讨论 |
27-29 |
|
3 非参数密度估计与均值漂移 |
29-39 |
|
3.1 密度函数梯度的估计 |
29-31 |
|
3.2 分割算法设计 |
31-34 |
|
3.3 分割实验 |
34-36 |
|
3.4 本章小结与讨论 |
36-39 |
|
4 多尺度影像分割 |
39-49 |
|
4.1 多尺度分割的理论基础及必要性与可行性 |
39-40 |
|
4.2 基于均值漂移算法与区域融合的多尺度分割 |
40 |
|
4.3 分割尺度选择 |
40-41 |
|
4.4 多尺度分割实验 |
41-48 |
|
4.5 本章小结与讨论 |
48-49 |
|
5 遥感影像智能解译系统集成 |
49-59 |
|
5.1 简介 |
49 |
|
5.2 影像分割引入遥感影像智能解译系统 |
49-51 |
|
5.3 地理信息系统引入遥感影像智能解译系统 |
51-52 |
|
5.4 数据挖掘关键技术引入遥感影像智能解译系统 |
52-54 |
|
5.4.1 最大似然分类法 |
52-53 |
|
5.4.2 人工神经网络分类方法 |
53 |
|
5.4.3 专家系统分类方法 |
53-54 |
|
5.4.4 模糊数学分类方法 |
54 |
|
5.5 遥感影像智能解译框架 |
54-57 |
|
5.6 本章小结与讨论 |
57-59 |
|
6 应用实例—土地覆盖信息提取 |
59-65 |
|
6.1 试验区介绍 |
59-60 |
|
6.2 实验方法 |
60 |
|
6.3 结果分析 |
60-64 |
|
6.3.1 两种面向对象分析方法对比 |
60-61 |
|
6.3.2 VHRIII和传统基于像元解译方法对比 |
61-64 |
|
6.4 本章结论与讨论 |
64-65 |
|
7 结论与讨论 |
65-69 |
|
7.1 主要结论与创新点 |
65-66 |
|
7.1.1 提出了一种快速、稳健的影像多尺度分割方法 |
65 |
|
7.1.2 提出了一种新的影像智能解译框架体系 |
65-66 |
|
7.2 讨论 |
66-69 |
|
7.2.1 应用展望 |
66 |
|
7.2.2 今后研究的重点 |
66-69 |
|
参考文献 |
69-79 |
|
附录A 分割软件 |
79-80 |
|
附录B 部分程序代码 |
80-85 |
|
图索引 |
85-87 |
|
攻读硕士学位期间主要参与项目 |
87 |
|
攻读硕士学位期间参加学术会议 |
87-89 |
|
攻读硕士学位期间发表或撰写的论文 |
89-91 |
|
致谢 |
91 |
|
| 【DOI】 | LunWen.ID:2.2008.389403 |
