摘 要

近些年来遥感技术的飞速发展，让高分辨率遥感影像已广泛应用于土地利用分类工作。相比于中低分辨率影像，高分辨率影像信息丰富，在利用图像上，因此能产生更多的应用。但传统的基于像素的方法对高分辨率影像的效果很差，椒盐噪声十分严重。因此为了满足高分辨率影像日益增长的应用和研究需要，需要人们对高分辨影像的信息提取进行研究。

本文采用的具体方法为基于支持向量机和基于规则的面向对象分类，着重介绍了面向对象分类方法，首先对影像进行多尺度分割合并处理，分割后图像上每一块都被填充上该影像的平均光谱值，在这个基础上根据地物特征建立规则进行提取。结果显示在加入纹理，几何特征等后，地物的异物同谱现象有很大改善。

关键词： 高分辨率影像 自动分类 ENVI 面向对象

Research on Automatic Classification Method of High Resolution Image

Abstract

The rapid development of remote sensing technology in recent years has made high-resolution remote sensing images widely used in land use classification. Compared with medium and low resolution images, high-resolution image information is rich, and the image is used, so more applications can be generated. However, the traditional pixel-based method has a poor effect on high-resolution images, and the salt and pepper noise is very serious. Therefore, in order to meet the increasing application and research needs of high-resolution images, people need to study the information extraction of high-resolution images.

The specific method adopted in this paper is based on support vector machine and rule-based object-oriented classification. The object-oriented classification method is introduced. Firstly, the image is multi-scale segmentation and merged. Each block on the image is filled with the average of the image. The spectral value is extracted on the basis of the feature of the feature of the feature. The results show that after adding texture, geometric features, etc., the foreign matter of the ground object is greatly improved.

Keywords: High resolution image Automatic classification ENVI Object oriented

目录

第一章 绪论

1.1高分辨率影像自动分类研究背景 3

1.2选题依据 4

1.2自动分类研究方法 5

1.3论文组织结构 6

第二章 高分辨率影像自动分类方法原理

2.1 影像自动分类原理 8

2.2监督分类 8

2.2.1六种监督分类器 8

2.2.2聚类处理 9

2.2.3分类统计 9

2.2.4 kappa系数 10

2.3面向对象分类 10

2.3.1面向对象原理 10

2.3.2 ENVI软件与ENVI FX工具 11

2.3.3多尺度分割与合并 13

2.3.4归一化植被指数 14

第三章 高分辨率影像自动分类实例

3.1 实验区选取和基本情况 15

3.2监督分类 15

3.2.1分类标准 15

3.3.2执行分类 15

3.3基于规则的面向对象信息提取 17

3.3.1多尺度分割合并尺度选择 17

3.3.2绿地信息提取 19

3.3.3房屋信息提取 20

3.3.4水体信息提取 22

3.3.5道路信息提取 24

参考文献 29

致 谢 30

第一章 绪论

1.1高分辨率影像自动分类研究背景

近年来，遥感技术的急速发展让高分辨率遥感影像已广泛应用于土地利用分类工作^[1]。遥感数据的分类主要是以遥感图像数据中地面物体类型的光谱，纹理和空间特征为基础。然而，分配和识别地面对象类型有两种主要方式，即人机交互解释和计算机分类。其中，计算机分类具有高效率和客观性的优点，是大规模重复遥感数据分类的最有效方法。

基于样本的监督分类是在分割对象中选择各种地物的样本区域，然后用用样本的数据来识别其他区域的地物实现分类；而不同的是基于规则的分类是首先认识地物的不同的空几何光谱纹理等特征，然后利用这些特征建立对应地物的规则，完成建立规则然后使用这些规则（区分光谱几何纹理特征）对分割成的对象进行分类。以像元作为基础的监督分类主要的是使用地面物体的光谱特征来分类对象。但是以规则为分类基础的面向对象分类对比以样本为基础的分类来说，还得考虑地物的结构、纹理和几何特征,但是因为地物的规则都比较难以建立，考虑的地物的特征也相比来说也多了不少，所以相对的基于规则的分类一般精度都比较高。本文主要使用的是基于规则的知识分类，面向对象技术因为提取的特征属性的增加，可以避免仅仅基于像元监督分类时的同谱异物，异谱同物等现象，在视觉方面也更符合人的感受，分类精度大幅提高^[3]。

1.2选题依据

基于高分辨率图像的分类主要由手工完成，也就是运营商的图像在计算机中进行比较，人工判读后，引出不同类别的区域和标签的相应类别。由于分类和区域的划分都是手工完成，这种分类方法是很费力的。如果计算机可以将图像自动分类，它肯定会减少操作者的手工劳动，提高了工作效率。

在实际的分类过程中，这是一个很复杂的过程，须根据影像特征，制定和完善一套严格的处理过程。遥感图像的自动分类是研究的热点和难点。目前，通过模式识别技术使用计算机自动识别土地类型的能力不能达到人工识别的准确性，但是制定合理的分类过程，并采用计算机辅助自动分类。减少人工干预的同时提高工作效率是非常可行的。高分辨率影像相比中低分辨率影像具有高几何精度和丰富的信息，并且通常具有大的分类目标。因此，自动分类比低分辨率图像更难，基于像素的监督分类方法在处理高分辨率影像上已经不够准确。因此对高分辨率影像的自动分类方法研究格外重要。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：