《基于面向对象影像分类方法的居民地信息提取研究 开题报告》由会员分享，可在线阅读，更多相关《基于面向对象影像分类方法的居民地信息提取研究 开题报告（3页珍藏版）》请在金锄头文库上搜索。
1、大学毕业设计（论文）开题报告表课题名称基于面向对象影像分类方法的居民地信息提取研究课题来源自选题目课题类型专题研究指导教师学生姓名学 号专 业遥感科学与技术一一课题意义课题意义高分辨率遥感影像信息提取是指从含有丰富的纹理信息和空间结构信息的 高分辨率遥感影像上进行地物信息的分类及判别。 传统的遥感影像分类是基于像素、利用影像中像素的光谱值进行分类。一 般分为两种方法：监督分类和非监督分类。其中，监督分类的思想是：首先根 据已知的样本类别和类别的先验知识，确定判别函数和相应的判别准则，利用 一定数量的已知类别的样本的观测值求解待定参数的过程成为学习或训练，然 后将未知类别的样本的观测值带入判别函
2、数，再依据判别准则对该样本的所属 类别作出判定（孙家炳，2003） 。非监督分类是指不施加任何先验知识，仅凭遥 感影像地物的光谱特征的分布规律进行盲目的聚类，其分类结果只是对不同类 别达到了区分，但不能确定类别的属性（孙家炳，2003） 。但是，由于遥感影像 上“同物异谱” 、 “同谱异物”现象的存在，传统的基于像素、利用像素的光谱 值进行分类这种方法，存在椒盐噪声且得出的分类精度受到限制。 随着遥感技术的不断发展，遥感影像中含有的地物信息越来越丰富，传统 的只考虑像素光谱值的分类方法不能充分利用遥感影像中所包含的信息。因此， 面向对象的分类方法也就出现了而且被广泛用于高分辨率影像的信息提取中
3、。 面向对象的高分辨率遥感影像分类指对高分辨率影像进行同质区域的分割以形 成小片图斑，然后基于图斑并结合高分辨率影像的特征（光谱特征、高程信息、 纹理特征、关联特征、形状特征等）进行地物信息的提取。 面向对象的分类方法是对高分辨率进行信息提取的行之有效的方法，能充 分利用高分辨率遥感影像的信息且提取的精度相比传统的方法提取的精度高。二二国内外发展状况国内外发展状况目前，遥感朝着“三高”即高空间分辨率、高光谱分辨率、高时相分辨率 的趋势发展。遥感影像上记录的地物信息更加丰富，也更能反映出不同地物之 间的微小特征。 对遥感图像进行计算机分类传统的方法主要是依据地物光谱数据,以像素作 为识别的基本单
4、元,依靠不同光谱数据组合在统计上的差别来进行的。可见,传 统的分类方法未能充分利用遥感图像提供的大小、形状、纹理、相邻像素间的 关系等形状和空间位置特征。然而,影像上地物的形状和结构信息对于某些地物 类型的分类十分重要（王文宇，李博，2006）。然而，高分辨率影像含有丰富 的光谱及纹理信息，传统的基于像素的遥感影像分类方法已不能满足高分辨率 影像的分类，面向对象的分类方法应运而生。采用面向对象遥感影像分类方法对高分辨率遥感影像进行信息提取时，提 取的地物与真实地物具有较高的形状和属性一致性，分类的精度更高，有效地 避免了运用传统的方法进行分类时所产生的“椒盐现象” ，分类结果也更易于理 解和解
5、释（游丽平，2007） 。同时，利用面向对象的方法对高分辨率影像进行分 类的精度也大大提高。 一般，对高分辨率遥感影像进行分类处理的三种特殊方法：基于光谱信息 及相关监测模型综合分类技术、利用高程信息辅助分类技术和面向对象的特征 相关属性分类。其中，使用基于光谱信息及相关监测模型综合分类方法对一幅 遥感影像进行分类时更多关注的是影像中地物在不同环境或不同时间条件下的 光谱特性而不仅仅是关注影像本身所包含的光谱信息，而且通过这种分类还可 以为下一 次的分类建立更准确的相关监测辅助分类的模型。对于利用高程信息辅助分类 技术进行遥感影像分类在当前还是有一定的局限性，只是在植被或不同高度的 建筑物分类
6、中比较有效，同时应辅助纹理等信息。面向对象的特征相关属性分 类方法是一种新型的影像分类技术，它打破了像素的局限，充分利用了地物内 在的特征相关性，使用一种模糊逻辑语言来分类。面向对象的分类方法已经在 商业软件 eCognition developer trial 中得到很好的应用（吴洪涛，2008） 。面向对象的分类方法对高分辨率影像进行信息提取时常用的特征有高程值、 植被指数、灰度共生矩阵、关联特征等。利用这些特征并设置合适的阈值，可 以有效的提取出目标地物。三本课题的研究内容、方法及预期目标三本课题的研究内容、方法及预期目标研究内容及方法： 1. 面向对象的高分辨率遥感影像分类首先应对影像
7、进行同质区域的分割， 因此此次研究首先应基于遥感影像进行多尺度的影像分割，确定合适的影像分 割参数，一般包括影像分割的尺度参数、层的权重、颜色和形状的比例、类间 紧密度与平滑度。 2. 在易康软件上，利用多尺度影像分割所形成的同质图斑的情况，依据高 分辨率遥感影像的特征（包括光谱特征、形状特征、高程信息、关联特征等） 对高分辨率影像上的各种地物进行居民地信息的提取，确定居民地信息提取的 特征参数等。 3.对提取出的居民地信息进行精度评定预期目标： 1.对高分辨率遥感影像进行影像分割时，确定合适的多尺度分割参数以便 后续分类。 2.利用面向对象的方法能够从高分辨率影像中以较高精度提取出居民地的
8、信息，对高分辨率影像进行较好的分类。 3.真正理解面向对象分类方法的基本思想。4.熟练掌握 eCognition developer trial 软件的操作。四任务完成的阶段安排及时间安排四任务完成的阶段安排及时间安排（1） 1 月 5 日至 3 月 17 日：搜索基于面向对象影像分类方法的居民地 信息提取研究的相关资料，包括学术论文、易康软件的使用指导及电子教程， 并完成一篇 3000 字以上的英语论文的翻译。 （2） 3 月 18 日至 3 月 25 日：完成开题报告。 （3） 3 月 28 日至 5 月 31 日：在指导老师的帮助下，学习 eCognition developer tri
9、al 软件的操作并进行基于面向对象影像分类方法的居民地信 息提取研究的相关实验。与此同时，记录实验所得的相关结果并对相关内容 作出总结。 （4）6 月 1 日至 6 月 13 日：在指导老师的指导下，对实验结果及相关总 结进行完善，撰写论文。 （5）6 月 14 日至 6 月 22 日：对实验材料、相关总结及论文进行整理，进 行答辩的准备及论文的提交。 五完成任务所具备的条件因素五完成任务所具备的条件因素1. 阅读与基于面向对象影像分类方法的居民地信息提取研究相关的中 文及外文文献，了解利用面向对象的方法进行高分辨率影像信息提取的发展现 状，其特点及其优缺点。2熟练掌握 eCognition developer trial 软件的操作。3. 对高分辨率遥感影像的特点有系统的认识。4. 对面向对象的分类方法有系统的认识。5. 毕业设计期间应该勤奋、努力，有较高的自我约束力，能够在规定时间 优秀地完成此次实验。 6.要有指导老师的指导和监督，遇到不懂的善于向老师请教或跟同学探讨。7.要有一定的信息提取和语言组织表达能力。指导教师意见及建议：年 月 日注：1、课题来源分为：国家重点、省部级重点、学校科研、校外协作、实验室建设和自选项目；课题类型分为：工程设计、专题研究、文献综述、综合实验。2、此表由学生填写，交指导教师签署意见后方可开题。
