【摘要】：隨著遙感技術(shù)的發(fā)展,更高空間分辨率的航天遙感數(shù)據(jù)產(chǎn)品不斷出現(xiàn),以及航空遙感技術(shù)的日臻成熟,為城鄉(xiāng)規(guī)劃遙感監(jiān)測(cè)提供了有效而適用的數(shù)據(jù)源。本文以WorldView-Ⅱ衛(wèi)星遙感數(shù)據(jù)結(jié)合高分辨率的航空遙感數(shù)據(jù),針對(duì)我國(guó)迅速城市化過(guò)程中城鄉(xiāng)規(guī)劃與建設(shè)的監(jiān)測(cè)問(wèn)題,開展適合高空間分辨率遙感影像的面向?qū)ο筇卣鳂?gòu)建、特征選擇和城市地物分類等技術(shù)研究,并進(jìn)一步應(yīng)用于城鄉(xiāng)規(guī)劃的控制性詳細(xì)規(guī)劃監(jiān)測(cè)。主要研究?jī)?nèi)容與結(jié)果如下： (1)在影像多尺度分割生成對(duì)象的基礎(chǔ)上,研究了對(duì)象特征構(gòu)建算法,重點(diǎn)研究了城市地物較突出的紋理特征和形狀特征構(gòu)建算法。首先研究了基于半變異函數(shù)的紋理計(jì)算尺度問(wèn)題,并進(jìn)一步研究了基于灰度共生矩陣的對(duì)象紋理特征計(jì)算算法。針對(duì)城市建筑地物形狀規(guī)整的特點(diǎn),研究了多種形狀特征計(jì)算算法。 (2)分割后的高分遙感影像對(duì)象有光譜、紋理和形狀等多種特征的特點(diǎn),眾多特征參與分類,分類效率會(huì)降低,但分類精度也未必能提高。針對(duì)面向?qū)ο蠓诸愑幸嫣卣鬟x擇問(wèn)題,研究了對(duì)象特征選擇的技術(shù)流程,首先基于改進(jìn)的ReliefF去除無(wú)關(guān)特征,再利用特征間的互信息初步去除冗余特征,形成特征粗集,最后利用遺傳算法,以類內(nèi)、類間距離為適應(yīng)度函數(shù),對(duì)影像對(duì)象分類的最優(yōu)特征子集進(jìn)行搜索和評(píng)價(jià),最終得到有益于城鄉(xiāng)地物對(duì)象分類的特征子集。 (3)針對(duì)面向?qū)ο蠓诸惖男颖締?wèn)題,結(jié)合SVM適合小樣本的特點(diǎn),本文針對(duì)基于SVM的面向?qū)ο蠓诸愔械牟糠汁h(huán)節(jié)進(jìn)行了研究。針對(duì)徑向基核函數(shù)SVM的C和γ參數(shù)對(duì)分類精度影響大的問(wèn)題,在前人研究的基礎(chǔ)上,結(jié)合城市監(jiān)測(cè)的需要,研究了三步搜索法的參數(shù)優(yōu)化算法。SVM是針對(duì)二分類問(wèn)題,本文設(shè)計(jì)了多類分類的流程,即在投票法SVM分類的基礎(chǔ)上,進(jìn)一步利用最近鄰法,對(duì)票數(shù)相同或相差一票的情況進(jìn)一步分類。最后,以北京市某2個(gè)區(qū)域?yàn)檠芯繀^(qū),以高分辨率的WorldView-Ⅱ航天衛(wèi)星遙感影像為數(shù)據(jù)源,輔以研究區(qū)航空遙感影像,構(gòu)建遙感城鄉(xiāng)土地利用分類體系。在影像分割的基礎(chǔ)上,利用本文研究的特征構(gòu)建算法、特征優(yōu)選技術(shù)流程,以及基于改進(jìn)SVM分類算法,完成研究區(qū)的城市地類分類。最后以研究區(qū)的城市規(guī)劃圖為依據(jù),對(duì)該區(qū)域的城市規(guī)劃執(zhí)行情況進(jìn)行監(jiān)測(cè)和評(píng)價(jià)。
[Abstract]:With the development of remote sensing technology, higher spatial resolution spaceflight remote sensing data products are emerging, and the aeronautical remote sensing technology is becoming more and more mature, which provides an effective and applicable data source for urban and rural planning remote sensing monitoring. In this paper, WorldView- 鈪，

本文編號(hào)：2296433