| 【中文题名】 | 基于卫星遥感数据的森林信息自动提取技术研究 |
| 【英文题名】 | Research of the Technology of Extracting Forestry Information from Remote Sensing Image |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-31 |
| 【中关键词】 | 遥感图像识别,纹理分析,灰度共生矩阵,神经网络,, |
| 【英关键词】 | Remote Sensing Image Recognition,Texture Analysis,GLOM,Neuron 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>> |
| 【论文摘要】 |
遥感图像信息提取是遥感图像处理研究领域中的一项主要内容，也是模式分类范畴研究的课题。遥感图像信息提取的精度直接影响遥感数据的应用水平和实用价值。从各类地物中提取森林地物信息并满足一定的精度，对统计一定区域内森林地物面积、加强生态建设、制定退耕还林政策具有重要意义。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。
本文从内蒙古林堪院与内蒙古大学生命科学学院合作的“森林资源自动提取”项目的实际出发，以准格尔旗2005年9月份的SPOT5遥感图像为数据源，主要研究了纹理分析与神经网络结合的方法在遥感图像信息提取中的应用。根据所选区域的实际情况，试验区域有六类地物：针叶林、阔叶林、水体、草地、湿地、滩地，本文主要提取其中的针叶林和阔叶林地物。在基于纹理特征的信息提取实验中，我们采用灰度共生矩阵中的能量、对比度、相关、熵、逆差矩5个参数和高程以及坡度作为特征值，并且选用SPOT5第一波段作为提取特征的对象，然后以神经网络作为分类器作为遥感图像信息提取方法，最终提取阔叶林和针叶林地物信息。
综合上述思想，使用Visual C++... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-7 |
|
目录 |
7-9 |
|
图表目录 |
9-10 |
|
第一章 绪论 |
10-15 |
|
1.1 选题依据和课题背景 |
10-11 |
|
1.1.1 遥感技术 |
10 |
|
1.1.2 课题提出 |
10-11 |
|
1.2 国内外研究动态 |
11-13 |
|
1.2.1 遥感信息处理技术的发展 |
11-12 |
|
1.2.2 模式识别在遥感图像信息处理中的应用 |
12-13 |
|
1.3 本文的主要工作和编排 |
13-14 |
|
1.4 本章小结 |
14-15 |
|
第二章 遥感图像信息提取技术 |
15-23 |
|
2.1 概述 |
15-16 |
|
2.2 遥感图像信息提取的概念及原理 |
16 |
|
2.3 遥感图像信息提取的特点和原则 |
16-17 |
|
2.4 图像分类统计量 |
17-19 |
|
2.5 监督分类和非监督分类的概念 |
19-22 |
|
2.5.1 遥感图像的非监督分类 |
19-21 |
|
2.5.2 监督分类 |
21-22 |
|
2.6 本章小结 |
22-23 |
|
第三章 纹理分析 |
23-36 |
|
3.1 概述 |
23 |
|
3.2 纹理分析概念及分析方法 |
23-25 |
|
3.3 灰度共生矩阵(Gray Level Co_occurrence Matrix, GLOM ) |
25-31 |
|
3.3.1 矩阵基本原理 |
25-27 |
|
3.3.2 矩阵特征 |
27-28 |
|
3.3.3 二次统计特征量 |
28-31 |
|
3.4 共生矩阵的实现 |
31-33 |
|
3.5 纹理分析方法的比较 |
33-34 |
|
3.6 遥感图像的纹理特征 |
34-35 |
|
3.7 本章小结 |
35-36 |
|
第四章 神经网络 |
36-40 |
|
4.1 神经网络的基本机理和结构 |
36-37 |
|
4.2 反向传播(BP)神经网络模型 |
37-38 |
|
4.3 学习效率问题 |
38-39 |
|
4.4 停止准则 |
39 |
|
4.5 本章小结 |
39-40 |
|
第五章 遥感图像信息提取试验 |
40-62 |
|
5.1 试验数据来源与实验目的 |
40 |
|
5.2 使用光谱特征提取针叶林地物信息 |
40-43 |
|
5.3 使用纹理方法提取阔叶林信息 |
43-56 |
|
5.3.1 图像的预处理 |
45-49 |
|
5.3.2 计算灰度共生矩阵并提取二次统计特征量 |
49-51 |
|
5.3.3 遥感图像纹理识别 |
51-53 |
|
5.3.4 遥感图像识别 |
53-56 |
|
5.4 信息提取实验结果及分析 |
56-61 |
|
5.5 本章小结 |
61-62 |
|
总结与展望 |
62-64 |
|
致谢 |
64-65 |
|
参考文献 |
65-67 |
|
| 【DOI】 | LunWen.ID:2.2008.389480 |
