基于SPOT5特征波段的太白地区土地覆被遥感分类方法研究

论文摘要

SPOT5影像不仅空间分辨率高,而且还包含有丰富的形状、纹理等空间信息,但基于像素的传统分类方法在利用这些信息时常面临着一系列的困难。此外,SPOT5-XS影像只包含4个波段：绿（0.50～0.59u m）、红（0.61～0.68u m）、近红外（0.78～0.89μm）和短波红外（1.58～1.75u m）,若仅使用这4个波段进行土地覆被遥感识别,常面临信息量的不足以及地物复杂的光谱特性而导致的地物之间可分性减小、自动提取难度加大等问题。基于此,本文在分析地物光谱特征的基础上,利用波段运算构建了归一化水体指数（NDWI）、归一化植被指数（NDVI）、归一化差异土壤指数（NDSI）、和值植被指数（SVI）、调整后的归一化植被指数（ANDVI）等多个特征波段并将它们作为新的波段融入原始影像中,生成了一个新的SPOT5影像集,在此基础上,对影像分别进行基于图斑的面向对象分类和基于像素的决策树分类,并利用相同的评价样本对两种分类结果进行精度评价。结果显示,上述两种方法的分类效果均较好,但面向对象分类的精度要高于决策树分类,并且能够有效克服“椒盐”噪声。这一结果表明,特征波段的构建和形状、纹理特征的运用可以充分利用原始影像的空间信息,从而提高地物的可分性；优良的分割尺度有利于分类精度的提高。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 目视解译
• 1.2.2 基于像素的影像分类
• 1.2.3 基于图斑的面向对象分类
• 1.3 论文的主要研究内容及方法
• 1.3.1 论文结构安排
• 1.3.2 研究方法
• 1.3.3 技术流程
• 第二章 太白山区概况与数据预处理
• 2.1 太白山区概况
• 2.2 数据源特征分析
• 2.3 数据预处理
• 2.3.1 几何校正和数据裁剪
• 2.3.2 特征波段构建
• 2.3.3 影像重构及格式转换
• 2.4 研究区土地覆被分类体系的确立
• 第三章 基于面向对象分类法的土地覆被遥感分类
• 3.1 影像分割
• 3.1.1 基本内涵
• 3.1.2 相关参数介绍
• 3.1.3 本研究区相关参数的设定
• 3.2 信息提取
• 3.2.1 模糊分类法简述
• 3.2.2 影像对象的特征描述
• 3.2.3 研究区内对象特征库的建立
• 3.3 分类后处理
• 第四章 基于专家知识决策树分类法的土地覆被遥感分类
• 4.1 决策树分类思路
• 4.2 决策树分类的具体步骤
• 4.2.1 纹理波段的构建
• 4.2.2 空间位置波段的构建
• 4.2.3 决策树知识库的构建
• 4.2.4 分类后处理
• 第五章 精度评价和结果分析
• 5.1 精度评价基本方法介绍
• 5.2 两种分类结果的精度评价
• 5.3 两种分类结果的分析
• 第六章 结论与讨论
• 6.1 工作总结与创新点
• 6.2 存在的问题与研究展望
• 参考文献
• 攻读硕士学位期间发表论文及科研项目情况
• 致谢