开题报告,遥感分类

《开题报告,遥感分类》由会员分享，可在线阅读，更多相关《开题报告,遥感分类（8页珍藏版）》请在金锄头文库上搜索。

1、山东科技大学本科毕业设计（论文）开题报告题目 基于ENVI的遥感图像几种分类方法比较系部名称专业班级学生姓名学号指导教师王丞填表时间：2013年04月15 口填表说明1. 开题报告作为毕业设计（论文）答辩委员会对学生答辩资格审查的依据材料之2. 此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期完成，经指 导教师签署意见、相关系主任审查后生效。3. 学生应按照学校统一设计的电子文档标准格式，用A4纸打印。4. 参考文献不少于8篇，其中应有适当的外文资料（一般不少于2篇）。5. 开题报告作为毕业设计（论文）资料，与毕业设计（论文）一同存档。设计（论文） 题目基于ENVI的遥感图像几种分类

2、方法比较设计（论文）工程设计科研项目实验室建设理论研究其它类型（划、”）7一、本课题的研究目的和意义随着空间科技的发展，各种资源环境监测卫星的发射与运行为地表动态变化 研究提供了多平台、多光谱、多时相、大范围的实时信息，遥感技术已成为半前 人类研究地球资源环境的一种有力技术手段。在遥感技术的研究中，分类是遥感 图像应用的一个重要方面，同时也是学者们研究的重点和热点。随着成像技术及 相应数据产品不断的发展，遥感图像分类得到了越来越广泛的应用，由单波段的 遥感图像到多光谱图像再到高光谱图像，其应用研究得到不断的扩展和深入。图像分类是由图像生成专题图的过程。卫星遥感图像简称卫星图像。关于卫 星图像在

3、探测地球资源和环境中的作用，研究者将遥感的地学应用划分为制图、 监测和估算。在这三方面的应用中，制图特别是专题制图是最常用的，并切可能 是其他两种应用的一个前提条件。事实上，许多应用卫星图像进行监测和估算的 工作，也常常是与卫星图像的分类和制图联系起来的。而且有时卫星图像分类还 可以仅仅作为提取某些特种信息的手段。卫星图像分类的方法是对传统方法的重大改进，是从定性到定量的一次飞跃6 。由于分类的卫星图像都是数字图像，而数字图像的分类又必须通过计算机来 进行。这种分类能充分利用卫星数据提供的丰富信息，其结果必定是高度定量化 的结果，容易进行面积统计，并从理论上来说可以精确到图像和地面上的像元。

4、汽然，如何作好分类以及分类后的应用，并辅助以较少的人工解译，可以大规模 节省人力，节省时间，多数情况下还可以节省经费，并完全可以达到与人工解译、 勾绘、转绘、量算和传统统计方法结合相同或更高的精度。二、本课题的主要研究内容（提纲）1 .本研究使用ENVI自带的大小为640X400像素的影像美国陆地卫星Landsat-5 TM多光谱遥感图像作为主要数据源（所得图像己经经过辐射校正、几何校正 和一些增强处理，可以直接使用）进行处理计算。2. 研究应用决策树方法、最大似然法、最小距离法、支撑向量机和人工神经网 络对该地区主要地物的遥感图像的分类，并与传统的监督分类方法进行分析 和精度比较。3. 研究

5、过程中，传统的监督分类方法是采用分类精度较高的最大似然分类法和 最小距离法；决策树分类方法采用地物样本的不同特征差异建立决策规则作 为判别函数建立决策树，然后利用决策树进行分类，神经网络分类方法采用 遥感图像的不同特征（原始光谱特征、主成分分析和缨帽变换特征）o4. 对分类结果进行精度比较分析。三、文献综述（国内外研究情况及其发展）从20世纪70年代起，随着第一颗陆地卫星发射成功，人们就开始利用计算机 进行卫星遥感图像的解译研究。最初是利用数字图像处理软件对卫星数字图像进 行几何纠正与位置配准，在此基础上采用人机交互方式从遥感图像中获取有关地 学信息。这种方法的实质仍然是遥感图像目视判读，它依

6、赖于图像解译人员的解 译经验与水平，在遥感图像分类方法上并没有新的突破。20世纪80年代，主要是利用统计模式识别方法进行遥感图像的计算机分类， 例如Strahier（1980）使用最大似然法对遥感影像数据进行分类，Goldberg（1983）运 用光谱特征对多波段卫星影像进行分类，从中获取森林资源信息。这种方法的特 点是根据图像中地物的光谱特征对影像中的地物进行分类。这些方法对遥感图像 计算机分类的发展起到了推动作用。20世纪90年代期间至今，涌现出了大量的遥感图像分类方法，例如神经网络, 支撑向量机等方法都取得较好的效果。在改进波段信息方面Wilkinson. GG（1996） 通过增加空间

7、结构信息来辅助分类）采用波段比值。神经网络算法用于遥感图像分类始于1988年。因其具有对信息的分布式存储, 并行处理、自组织、自学习等特众，在遥感图像分类领域中有较为广泛的应用。 如Mural. H（1997）提出了基于神经网络和知识发现的分类方法，贾永红等提出了 基于BP神经网络的多源遥感影像分类。支撑向量机是由Vapnik提出的。其基本思想是由事先定义的非线性变换函数 集，把向量映射到高维特征空间中，按照支撑向量与决策曲面的空隙极大化的原 则来产生最优超平面，然后再把高维特征空间的线性决策边界映射到输入空间的 非线决策边界。刘志刚探讨了一种基于支撑向量机的遥感影像不完全监督分类新 方、法，

8、骆剑承则提出了基于支撑向量机(SVM)的遥感影像空间特征提取的新方 法，并以SPOT全色波段影像上城市特征信息的提取为应用实例，并与人工神经网 络(ANN)等特征提取方法进行综合比较，认为SVM方法不但能够获得比较高的分 类精度，而且在学习速度、自适应能力、特征空间高维不限制、可表达性等方面 具有优势。自从1965年扎德教授提出模糊集理论以来，有关模糊信息处理的理论和应用 均取得了重大的进展，并由此产生了模糊模式识别方法。后来陆续应用于文字识 别、图像分割和语音识别中，并取得了很好的效果。由于地球表层信息的复杂性 和开放性，地表信息是多维的、无限的，遥感信息传递过程中的局限性以及遥感 信息之间

9、的复杂相关性，决定了感信息的分析具有不确定性、多解性和模糊性， 实际上遥感图像所包含的不一定是单纯的地物信息，特别是空间分辨率低的或者 是地表复杂度高的影像单元中，往往是多种地物的综合反映(即模糊性)。这一特 点使得基于模糊模式识别分类成为遥感影像分类研究中的一个重要趋势。此外，还有像莫源富等专门针对山区遥感图象，提出分区分类法，结合GIS 多因子辅助分类及人工屏幕修改，有效地改善了山区遥感图象的识别分类。四、拟解决的关键问题1. 研究应用决策树方法、最大似然法、最小距离法、支撑向量机和人工神经网 络对该地区主要地物的遥感图像的分类，并与传统的监督分类方法进行分析 和精度比较。2. 决策树分类

10、方法采用地物样本的不同特征差异建立决策规则作为判别函数 建立决策树，然后利用决策树进行分类。3. 神经网络分类方法采用遥感图像的不同特征(原始光谱特征、主成分分析和 缨帽变换特征)。4. 对分类结果进行精度比较分析。五、研究思路和方法(1) 在广泛查阅国内外有关遥感影像分类的文献资料后，进一步了解遥感分类 的研究进展和发展趋势，重点是最大似然法和决策树在遥感分类中的应用与研究 现状。(2) 掌握遥感图像各种不同分类特征的分析理论和计算方法。(3) 熟练掌握基本的遥感图像分类方法和理论、以及最大似然和决策树的理论 知识，确定研究中采用的最大似然和决策树的模型及其算法。(4) 熟练掌握混淆矩阵和k

11、appa分析技术对分类结果进行精度计算方法。(5) 熟练掌握遥感图像的处理软件ENVI5.0中图像预处理、分析及分类等基本 的操作功能。六、本课题的进度安排第56周：收集有关资料、论文。第7周：编写开题报告。第89周：查读并学习遥感分类知识，包括不同遥感分类方法等。第1011周：学习并利用ENVI软件进行遥感图像分类。第1213周：根据实验结果，编写毕业论文。第1415周：根据修改意见，认真修改、完善并按照规范进行誉写。第16周：进行毕业答辩。七、参考文献1 李石华，王金亮，毕艳，陈姚，朱妙园，杨帅，朱佳.遥感图像分类方法研 究综述J.国土资源遥感，2005, ( 2) : 1 - 6.2 邓

12、书斌.ENVI遥感图像处理方法M.北京：科学出版社，2010.3 陈君颖，田庆久等人高分辨率遥感植被分类研究J .遥感学报，2007, 11 (2) : 221 - 227.4 刘 礼，于 强1分层分类与监督分类相结合的遥感分类法研究J .林业 调查规划,2007, 32 (4) : 37 - 39, 44.5 王莉雯，卫亚星，牛铮1基于遥感的青海省植被覆盖时空变化定量分析J .环境科学，2008, 29 ( 6 ) : 1754- 1760.6 陈定贵，周德民，吕宪国，等1三江平原洪河自然保护区湿地遥感分类研究J .遥感技术与应用，2007,22 (4):485-491.7 张蓬涛，周 雁，

13、刘晓庄，等1人工神经网络在农业自然资源研究中的应用J .安徽农业科学,2007,35 (27):8711-8713.8 孙秀邦，范 伟，严 平，等1遥感影像土地覆被分类研究进展J.中国 农学通报，2007, 23 (9) : 607 - 610.9 黄昕，张良培，李平湘1基于多尺度特征融合和支持向量机的高分辨率遥 感影像分类J .遥感学报,2007, 11 (1) : 48 - 54.10 张蓬涛，周雁，刘晓庄，等1人工神经网络在农业自然资源研究中的应用 J .安徽农业科学，2007, 35 (27) : 8711 - 8713.11 张 肃1地物频谱在解译遥感图像中的应用研究J.成都理工大学

14、学报(自 然科学版),2006, 33 ( 2 ) :198 - 202.12 骆剑承，周成虎，杨艳.人工神经网络遥感影像分类模型及其与知识集成方 法研究J.遥感学报,2001, 5 (2)： 122-129.13 陈姝，居为民.遥感图像分类方法及研究进展J河北农业科学，2009, 13 (1)： 143-146.14 Fan R E, Chen P H, Lin C J. Working set selection using the second order information for training SVMJ. Journal of Machine Learning Research, 2005 (6) : 1889-1918.15 Platt J. Fast training of support vector machines using sequential minimal optimizationJ.Advances in Kernel Methods-Support Vecto rLearning. S.1.： MTT Press, 1999： 185-208.指导教师意见指导教师（签名）:年 月 日所在系（所）意见负责人（签章）:年 月 FI