论文总字数：23720字

摘 要

Abstract IV

第一章 绪论 1

1.1引言 1

1.2国内外对高光谱的研究 2

1.3论文组织结构 2

第二章 面向对象的高光谱遥感影像分割技术研究 4

2.1面向对象的遥感影像分割基本条件 4

2.2高光谱遥感影像多尺度分割 4

2.3本章小结 7

第三章 基于多尺度分割的高光谱遥感影像的特征选取 8

3.1对象特征的提取 8

3.1.1光谱特征 8

3.1.2形状特征 9

3.1.3纹理特征 9

3.2对象特征的优化选择 11

3.3遥感影像分类技术 13

3.3.1最邻近分类法 13

3.3.2支持向量机(SVM) 14

3.4面向对象的影像分类流程 17

3.5分类精度评价 17

3.6本章小结 18

第四章 面向对象的高光谱影像分类特征选择实验 19

4.1实验软件平台 19

4.2面向对象的高光谱遥感影像地物统计特性分析 19

4.2.1实验数据 19

4.2.2多尺度分割 20

4.2.3特征选取 21

4.3分类对比实验 23

4.4本章小结 31

第五章 总结与展望 32

5.1本文工作 32

5.2存在的不足 32

参考文献 33

致谢 35

摘要

传统的基于像元的高光谱遥感影像处理时容易产生“椒盐”现象，而面向对象的方法可以很大程度减少这种现象，原因在于很好的利用了地面真实信息，同时考虑遥感影像的空间与光谱信息。本文研究了在高光谱遥感影像的背景下，利用面向对象的方法分析影像，在此基础上，分析并研究如何选取地物对象特征使得分类精度能够提高。本文完成的工作有：

（1）简述高光谱遥感作为新兴的遥感模式所具备的优势，结合近年来国外和国内迅猛的发展速度说明高光谱遥感的巨大潜力。

（2）总结了影像分割的流程和需要满足的基本条件，以及对应的相关指标参数。详细介绍了分割时不同参数的具体意义，包括多尺度分割时的波段权重值、分割尺度以及同质性标准等的选择对影像分割的效果的影响。

（3）总结了高光谱遥感影像的分类流程，对于对象特征，从光谱、形状和纹理三个方面分别介绍，除此之外重点介绍了支持向量机(SVM)原理与数学模型。

（4）在实验部分，选取七组不同的特征组合进行分类实验，最终得出结论：光谱与纹理的特征组合可以取得最好的分类效果，其中灰度共生矩阵中的不相似性和对比度起了关键作用。

关键词：高光谱影像，多尺度分割，面向对象分类，特征选取

Abstract

The "salt and pepper" phenomenon is inevitable in the traditional pixel-based hyperspectral remote sensing image processing, and the method called object-oriented is able to significantly reduce this phenomenon, because the actual ground information is well used and the space of the Remote sensing image is viewed at the same time with spectral information. On this basis, it analyzes and studies how to select the characteristics of objects on the ground to improve the accuracy of the classification. The works carried out in this article are:

(1) Briefly describe the history of development of hyperspectral remote sensing and compare the state of research at home and abroad to emphasize the importance of studying the hyperspectral and the right space for development and the trend of hyperspectral.

(2) Summarize the basic conditions of image segmentation, explain the multiscale segmentation process of hyperspectral remote sensing images and the corresponding relevant index parameters. The specific significance of the various parameters during segmentation is presented in detail, including the influence of the selection of the weight value of the strip, the scale of segmentation and the standard of homogeneity on the effect of segmentation. of the image in segmentation at several scales.

(3) The classification process is summarized for hyperspectral remote sensing images. The characteristics of objects are introduced into three aspects of the spectrum, shape and texture. In addition, the principle and the mathematical model of the SVM are introduced.

(4) Seven different combinations of characteristics were selected for classification experiments in the experimental part, and finally it was concluded that the combination of spectrum and texture characteristics can achieve the best classification effect, in which dissimilarity and contrast in the gray level co-occurrence matrix have played a key role.

Keywords: hyperspectral image, multi-scale segmentation, object-oriented classification, feature selection

第一章 绪论

1.1引言

高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息[1]。普通的遥感方式可能因为波段数目少导致部分地物没有办法分辨出来，这就令很多研究人员感到头疼，直到高光谱遥感的问世。高光谱遥感具有波段多，光谱分辨率高，数据量大，图谱合一等特点[2]。进入新世纪以后，遥感技术的发展日新月异，高光谱遥感开始走进大众视野，很多研究人员开始关注并接触高光谱遥感技术，因为高光谱遥感：

请支付后下载全文，论文总字数：23720字