《毕业设计（论文）高分辨率遥感影像空间特征提取》由会员分享，可在线阅读，更多相关《毕业设计（论文）高分辨率遥感影像空间特征提取（22页珍藏版）》请在金锄头文库上搜索。
1、毕 业 设 计中文题目高分辨率遥感影像空间特征提取英文题目The Spatial Feature Extraction of High Resolution Remotely Sensed Imagery院 系：计算机与信息工程学院年级专业：2010级空间信息与数字技术姓 名：学 号：1020012105指导教师：职 称：副教授、助理实验师2014 年 5 月 05 日诚信声明书毕业设计诚信声明书本人郑重声明：在毕业设计工作中严格遵守学校有关规定，恪守学术规范；我所提交的毕业设计是本人在 指导教师的指导下独立研究、撰写的成果，设计中所引用他人的文字、研究成果，均已在设计中加以说明；在本人的毕业
2、设计中未剽窃、抄袭他人的学术观点、思想和成果，未篡改实验数据。本设计和资料若有不实之处，本人愿承担一切相关责任。 学生签名： 年 月 I摘要摘 要从地理信息行业发展以来，遥感广泛应用于土壤检测、区域环境变化、海洋等方面，为科学研究提供重要的实验数据，然而近年来随着高空间分辨率遥感的发展，高空间分辨率遥感影像提供了大量的信息，细节愈加复杂，同物异谱和异物同谱的现象加重，使传统的遥感影像光谱分类方法面临着巨大的挑战。但是图像的空间特征对检索有很大帮助，而且空间特征的使用可加强对图像内容的描述区分能力，基于此背景，本文提出了空间特征的提取方法，旨在提取空间特征，用以更好的区分地类等目的。本次的毕业设
3、计中空间特征的提取参考了前人所做的研究。以资源3号遥感影像为数据源，选取厦门地区研究区，提取空间特征并进行分析，研究结果表明：表示的是方向线的条数，方向数越多，能反映更多的细节信息，而本文中一般选取20-24即可；参数的值越大，PSI提取的值也相应变大，即较大的在实验中能取得较好的效果；是PSI的尺度因子，衡量目标的关注尺度。还知道了空间特征对于高分辨率影像的解译是必须的，各种空间特征都能弥补光谱特征的信息不足。另外PSI计算简单，易于实现，考虑到高分辨率影像信息量大，它的存储和处理都需要大量的时间和空间，所以PSI算法具有较强的实用性。关键词：高分辨率；空间特征；PSI算法IVABSTRAC
4、TABSTRACTSince the development of geographic information industry, widely used in remote sensing of soil testing, regional environmental change, oceans, etc, which provides important experimental data for scientific research, but with the development of high spatial resolution remote sensing in rece
5、nt years, high spatial resolution remote sensing image provides a wealth of information, details become more complicated, the same phenomenon of the synonyms spectrum and the foreign body of spectrum increased, the traditional spectral remote sensing image classification method faces enormous challe
6、nges. But the spatial features of the image with great help for retrieval, and the use of spatial features can enhance the ability to distinguish between image description content, based on this background, this paper proposes a method for extracting spatial features, designed to extract spatial fea
7、tures for better the distinction class. The extraction of the spatial features of the graduate design made reference to the previous analysis. The ZY-3 as for the resource, and select the Xiamen area as the study area, extract features and analyze space. The same phenomenon of the synonyms spectrum
8、and the foreign body of spectrum increased. The results show that: represents the direction of the line, the more the number of direction, the more details will be reflected, but this paper can generally select 20-24; the value of increased, the value of PSI extracted corresponding change larger, th
9、at is bigger in the experiment can achieve better results; is the PSI scale factor, a measure of concern scale goals. It is knows that the spatial features must be interpreted for the high resolution images, various spatial features can compensate for the lack of information to the spectral characte
10、ristics. Also PSI calculation is simple, easy to implement, considering the large amount of information to high resolution images, it needs large amounts of time and space to store and process, so the PSI algorithm has strong practicality.Key Words: high resolution; spatial features; PSI algorithm目录
11、目 录第1章绪论11.1 研究背景及意义11.2 国内外研究现状11.3 主要研究内容2第2章PSI算法原理32.1 根据光谱特征相似性，延长方向线32.2 计算每个方向线的长度42.3 计算PSI4第3章实验及分析63.1 研究区概况63.2 数据源63.3 数据预处理73.3.1 几何校正73.3.2 影像融合73.3.3 影像裁剪83.4 实验平台介绍83.5 采用不同参数进行空间特征提取93.6 研究结果分析12第4章总结与展望14参考文献15致 谢17第1章 绪论第1章 绪论1.1 研究背景及意义图像是对客观现象一种相似性的描述，它包含被描述对象的信息，是人们最主要的信息源1。遥感图
12、像具有能够大面积的同步观测、多波段性、多时相性、经济性等特点，这同时说明遥感图像的处理非常重要，但是日益丰富的遥感信息(光谱的、空间结构的)没有充分挖掘和处理，所以遥感图像的处理是制约RS发展的关键之一2。随着空间信息技术的飞速发展，高分辨率遥感数据影像急剧增加，而与此相应的现状却是信息提取方法的滞后，特别是高空间分辨率遥感数据的信息利用，需要准确、有效地提取图像上的空间特征，它们的可用性在图像分类上提出了挑战34。高分辨率遥感影像具有更丰富的信息和细节，同时同物异谱和同谱异物的现象严重，类内方差加大，类间方差变小，因此仅仅根据光谱特征进行高分辨率遥感影像信息提取难度加大，所以需要提取空间特征
13、作为光谱特征的补充6。从光谱特征中可以根据一定规则计算出空间特征，把目标物的形状、大小、或者边缘，线性构造等几何性特征提取出，比如说使用PSI算法，它是通过像元及其邻域的光谱相似性描述其上下文的形状分布，然后把归一化后的形状和光谱特征输入支持向量机(SVM)进行分类67。这对于某些地物这些特征更能够反映地物的特点，弥补光谱特征的不足。因此本选题通过提取空间特征，可以结合遥感影像的光谱、纹理、统计等特征用于遥感图像地物识别与分类，实现更好的分类精度5，也可以在GIS、摄影测量、计算机视觉等领域和气象、农林、地理、海洋、水利、国土资源和环保等行业使用4。1.2 国内外研究现状遥感技术日新月异，以Q
14、UICKBIRD/IKONOS为代表的高分辨率影像，给我们带来丰富的地理信息，同时为全球的研究人员提供了及时又详实的地理资讯。目前城市管理中的主要数据来源是高分辨率遥感数据，因为它具有更加丰富的纹理特征和空间结构信息8。国内学者李平湘，张良培，黄昕提出了一种像元形状指数及基于形状和光谱特征融合的高空间分辨率遥感影像分类方法，即PSI算法。它是用像元及其邻域的关系来描述其空间结构，同时为了更全面地利用影像特征，提出了基于支持向量机的形状和光谱融合分类方法。实验证明了该方法计算简便，能有效表达高分辨率影像的地物特征，提高分类精度9。中国地质大学叶菁在她的博士论文提及通过分析数据的纹理特征，利用面向
15、对象的思想进行土地利用信息研究，并总结出纹理特征在高分辨率数据中的最优组合，明确指出面向对象最优尺度与影像对象间的关系。论文围绕如何提高高分辨率遥感影像分类精度的这一问题，从光谱、纹理和地学知识辅助三方面进行分析，重点对纹理特征组合和面向对象的尺度选择加以论述10。辽宁工程技术大学顾海燕硕士论文中研究了面向对象的高分辨率遥感影像分类技术。主要包括面向对象分类技术、特征选择与提取技术、多尺度分割技术这三大关键技术，在此基础上开发出了面向对象的高分辨率遥感影像智能解译系统，并利用该系统对高分辨率影像进行分类实验，结果表明了面向对象分类方法的优越性11。国外学者Shackelford和Davis提出了一种有效的算法：长宽提取算法(LWEA)提取出相似光谱连接像素群的长度和宽度。LWEA的概念是类似的灰度共生矩阵，它还能测量沿一定方向的光谱类似的邻里的空间特征，这样更加的补足完善了光谱信息12。F. DellAcqua，P. Gamba，A. Ferari，J. A. Palmason，J. A. Benediktsson，和K. Arnason提出我们不仅仅要使用光
