| 【中文题名】 | 对LANDSAT7 ETM+遥感图像分类识别技术的研究与应用 |
| 【英文题名】 | Research of the Technology of LANDSET7 ETM+ Remote Sensing Image Classfication and Recognition |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-6 |
| 【中关键词】 | 遥感图像识别,纹理分析,灰度共生矩阵,神经模糊网络,, |
| 【英关键词】 | Remote Sensing Image Recognition,Texture Analysis,GLOM,Neruo-Fuzzy Network, |
| 【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】 | 遥感图像分类是遥感图像处理研究领域中的一项主要内容，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，它可以为灾害评估、城镇扩展和环境变化研究等提供必要的基础信息。但是目前从遥感图像中识别分类地物的方法多为目视判读，这种方法难以适应目前信息化时代的实时要求，耗费较多的人力和物力。
本文从“内蒙古沙源治理监测工程”项目的实际出发，以巴彦淖尔市2002年8月份的LANDSET7 ETM+遥感图像为数据源，主要研究了纹理分析与神经模糊网络两种方法在遥感图像分类中的应用。根据所选区域的实际情况，将土地覆盖／利用类型分为六类：山脉、居民区、水体、植被、沙漠、戈壁进行分类实验研究。在基于纹理特征分类实验中，我们采用灰度共生矩阵中的能量、对比度、相关、熵、逆差矩5个参数作为特征值，以模糊C均值作为分类器的遥感图像分类方法；在基于神经模糊网络方法的分类实验中，我们采用了TM1，TM3，TM4，TM5，TM7作为分类的特征值，采用“赢者胜”原则作为分类结果。
综合上述思想，使用Visual C++环境下开... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-5 |
|
目录 |
5-7 |
|
图表目录 |
7-9 |
|
第一章 绪论 |
9-12 |
|
1.1 选题依据和课题背景 |
9 |
|
1.1.1 遥感技术 |
9 |
|
1.1.2 课题提出 |
9 |
|
1.2 国内外研究动态 |
9-11 |
|
1.2.1 遥感信息处理技术的发展 |
9-10 |
|
1.2.2 模式识别在遥感图像信息处理中的应用 |
10-11 |
|
1.3 本文的主要工作和编排 |
11 |
|
1.4 本章小结 |
11-12 |
|
第二章 遥感图像分类识别技术 |
12-18 |
|
2.1 概述 |
12 |
|
2.2 遥感图像分类的概念及原理 |
12-13 |
|
2.3 遥感图像分类的特点和原则 |
13 |
|
2.4 图像分类统计量 |
13-15 |
|
2.5 监督分类和非监督分类的概念 |
15-17 |
|
2.5.1 遥感图像的非监督分类 |
15-16 |
|
2.5.2 监督分类 |
16-17 |
|
2.6 本章小结 |
17-18 |
|
第三章 纹理分析 |
18-28 |
|
3.1 概述 |
18 |
|
3.2 纹理分析概念及分析方法 |
18-19 |
|
3.3 灰度共生矩阵(Gray Level Co_occurrence Matrix,GLOM) |
19-25 |
|
3.3.1 矩阵基本原理 |
19-21 |
|
3.3.2 矩阵特征 |
21 |
|
3.3.3 二次统计特征量 |
21-25 |
|
3.4 共生矩阵的实现 |
25-26 |
|
3.5 纹理分析方法的比较 |
26 |
|
3.6 遥感图像的纹理特征 |
26-27 |
|
3.7 本章小结 |
27-28 |
|
第四草 神经模糊网络 |
28-36 |
|
4.1 神经网络的基本机理和结构 |
28-29 |
|
4.2 反向传播(BP)神经网络模型 |
29-33 |
|
4.3 模糊逻辑 |
33 |
|
4.4 神经模糊系统 |
33-35 |
|
4.5 本章小结 |
35-36 |
|
第五章 遥感图像分类试验 |
36-58 |
|
5.1 试验数据来源与实验目的 |
36 |
|
5.2 使用纹理方法对遥感图像进行分类 |
36-50 |
|
5.2.1 图像的预处理 |
37-40 |
|
5.2.2 计算灰度共生矩阵并提取二次统计特征量 |
40-42 |
|
5.2.3 遥感图像纹理识别实验 |
42-45 |
|
5.2.4 模糊C均值分类器 |
45-46 |
|
5.2.5 分类实验结果及分析 |
46-50 |
|
5.3 神经模糊网络分类 |
50-57 |
|
5.3.1 数据预处理 |
50 |
|
5.3.2 使用神经模糊系统对遥感图像进行分类实验 |
50-56 |
|
5.3.3 分类实验结果及分析 |
56-57 |
|
5.4 本章小结 |
57-58 |
|
总结与展望 |
58-59 |
|
致谢 |
59-60 |
|
研究生期间发表论文 |
60-61 |
|
参考文献 |
61-62 |
|
| 【DOI】 | LunWen.ID:2.2008.389404 |
