發(fā)布時間：2018-10-19 09:58

【摘要】：傳統(tǒng)的土地利用調查方法更新周期長、工作量大、效率低且成本較高,遙感影像分類技術能夠快速、準確地分析土地利用情況,掌握真實的土地基礎數(shù)據(jù),在土地利用調查中具有廣泛的應用前景和巨大的應用價值。而傳統(tǒng)基于像元的分類方法完全依靠地物的光譜信息,忽略了高分辨率影像中豐富的空間信息導致分類結果會受到異物同譜現(xiàn)象和椒鹽噪聲的干擾。針對這一問題,本文將面向對象分類方法引入到土地調查中,這種方法很好的克服了傳統(tǒng)分類法的弊端,且其分類結果可直接以矢量多邊形的形式輸出,能夠直接導入到GIS環(huán)境下進行編輯處理與應用分析。本文以2010年的IKONOS高分辨率遙感影像作為數(shù)據(jù)源,以東北大學及附近區(qū)域作為實驗區(qū),針對面向對象分類方法進行了大量的實驗,重點從以下幾個方面做了分析和研究：1)在分割過程中加入紋理濾波和邊緣檢測層,并通過多次試驗得到最優(yōu)分割參數(shù)。實驗對比各類地物在不同尺度下的RMAS值,確定出每一類地物對應的最佳尺度,結合層次間的拓撲關系,最終建立一個由50、70和90三個尺度層組成的網(wǎng)絡結構。2)根據(jù)國家現(xiàn)行土地分類標準,結合影像目視解譯和實地調查確定研究區(qū)包含的類別。分析研究描述地物類別的最佳特征或特征組合,建立分類規(guī)則樹,并將面向對象法分類結果與傳統(tǒng)基于像元法分類結果進行對比。在面向對象分類得到的矢量結果圖上對應實地選取地物樣本,分別對地物樣本的長、寬及面積進行量測與計算。3)采用面向對象技術對兩期Landsat-7影像進行分類,基于分類結果構建變化檢測規(guī)則,提取地物類別的變化圖斑,并對變化圖斑的面積進行統(tǒng)計分析。實驗結果表明,面向對象分類方法的總體分類精度為90.68%,比傳統(tǒng)基于像元的最大似然法總體精度提高了18.98%,將其應用到土地利用調查中,實現(xiàn)了土地利用分類過程的自動化。但由于面向對象分類法得到的矢量對象邊界多呈現(xiàn)鋸齒狀,圖上量測的部分結果并非其直線距離,致使與實地同名地物間存在一定的誤差,故需要對其邊界進行平滑處理后方能入庫。此外,將面向對象分類技術與變化檢測相結合的方法,能夠快速、準確的檢測出土地的變化信息,為及時完善和更新土地利用數(shù)據(jù)庫提供了先進的技術手段。
[Abstract]:Traditional land use survey methods have long updating period, large workload, low efficiency and high cost. Remote sensing image classification technology can analyze the land use situation quickly and accurately, and master the real land basic data. It has wide application prospect and great application value in land use survey. However, the traditional pixel based classification method completely depends on the spectral information of the ground object, and neglects the abundant spatial information in the high-resolution image, which results in the interference of the classification results from the phenomenon of foreign body isospectrum and the salt and pepper noise. In order to solve this problem, this paper introduces the object-oriented classification method into the land survey. This method overcomes the disadvantages of the traditional classification method, and the classification results can be directly output in the form of vector polygons. Can be directly imported into the GIS environment for editing processing and application analysis. In this paper, the IKONOS high-resolution remote sensing image in 2010 is used as the data source, and the Northeast University and its adjacent areas are used as the experimental areas. A large number of experiments have been carried out on the object-oriented classification method. The following aspects are analyzed and studied: 1) texture filtering and edge detection layer are added in the segmentation process and the optimal segmentation parameters are obtained through several experiments. By comparing the RMAS values of all kinds of ground objects at different scales, the optimal scale of each kind of ground objects is determined, and the topological relationship between layers is combined. Finally, a network structure consisting of three scales of 50, 70 and 90 is established. 2) according to the current national land classification standards, combined with image visual interpretation and field investigation, the types of the study area are determined. In this paper, the best feature or combination of features to describe ground objects is analyzed, and the classification rule tree is established, and the results of object-oriented classification are compared with the traditional classification results based on pixel method. In the vector result map of object oriented classification, the object samples are selected in the field, and the length, width and area of the object samples are measured and calculated respectively. 3) the object oriented technology is used to classify the two Landsat-7 images. Based on the classification results, the change detection rules are constructed, and the change patterns of the ground objects are extracted, and the area of the change patterns is analyzed statistically. The experimental results show that the overall classification accuracy of the object-oriented classification method is 90.68, which is 18.98 higher than that of the traditional maximum likelihood method based on pixel. It is applied to the land use survey to realize the automation of the land use classification process. However, the boundary of vector objects obtained by object-oriented classification is serrated, and some of the measured results on the map are not linear distance, which leads to some errors between the vector objects and the objects of the same name in the field. Therefore, it is necessary to smooth the boundary before it can be stored. In addition, the combination of object-oriented classification technology and change detection can quickly and accurately detect the land change information, and provide an advanced technical means for the timely improvement and updating of land use database.
【學位授予單位】：東北大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：P237

【參考文獻】

相關期刊論文 前10條

1 李偉;;面向對象的遙感變化檢測研究[J];北京測繪;2013年01期

2 徐登云;李志娟;;面向對象的遙感影像分類方法在土地覆蓋中的應用[J];西部資源;2012年02期

3 曹雨田;閆冬梅;張麗;何挺;;基于QuickBird衛(wèi)星數(shù)據(jù)的土地利用分類規(guī)則集研究[J];地理與地理信息科學;2011年06期

4 初禹;單久庫;侯建國;;GeoEye-1遙感影像融合效果的比較分析[J];測繪與空間地理信息;2011年03期

5 陳杰;鄧敏;肖鵬峰;楊敏華;梅小明;劉慧敏;;結合支持向量機與粒度計算的高分辨率遙感影像面向對象分類[J];測繪學報;2011年02期

6 張俊;朱國龍;李妍;;面向對象高分辨率影像信息提取中的尺度效應及最優(yōu)尺度研究[J];測繪科學;2011年02期

7 侯偉;魯學軍;張春曉;王靜;;面向對象的高分辨率影像信息提取方法研究——以四川理縣居民地提取為例[J];地球信息科學學報;2010年01期

8 徐健;陳向陽;張海霞;劉偉東;;面向對象分類方法在全國第二次土地調查中的應用[J];測繪技術裝備;2009年02期

9 萬雪;;基于RBF神經(jīng)網(wǎng)絡的高分辨率遙感影像分類的研究[J];測繪通報;2009年02期

10 杜施;;遙感技術在第二次土地調查中的應用[J];國土資源導刊;2007年05期

相關博士學位論文 前5條

1 劉煒;土地利用/覆被變化信息遙感圖像自動分類識別與提取方法研究[D];西北農林科技大學;2012年

2 高偉;基于特征知識庫的遙感信息提取技術研究[D];中國地質大學;2010年

3 陳忠;高分辨率遙感圖像分類技術研究[D];中國科學院研究生院（遙感應用研究所）;2006年

4 陽愛民;模糊分類模型的研究[D];復旦大學;2005年

5 黃慧萍;面向對象影像分析中的尺度問題研究[D];中國科學院研究生院（遙感應用研究所）;2003年

相關碩士學位論文 前8條

1 陸超;基于WorldView-2影像的面向對象信息提取技術研究[D];浙江大學;2012年

2 魏宇峰;高分辨率遙感影像道路信息提取關鍵技術研究與實現(xiàn)[D];北京理工大學;2010年

3 汪求來;面向對象遙感影像分類方法及其應用研究[D];南京林業(yè)大學;2008年

4 劉常娟;面向對象分類方法在土地調查中的可行性研究[D];中南大學;2008年

5 田新光;面向對象高分辨率遙感影像信息提取[D];中國測繪科學研究院;2007年

6 馬文;高分辨率遙感影像道路分割算法研究[D];河海大學;2006年

7 周春艷;面向對象的高分辨率遙感影像信息提取技術[D];山東科技大學;2006年

8 孫華;SPOT5在森林資源調查中的應用研究[D];中南林業(yè)科技大學;2006年

，

本文編號：2280797