遥感影像分类方法的研究

《遥感影像分类方法的研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、遥感影像分类方法的研究郑州大学毕业设计论文题目遥感影像的分类方法研究指导教师职称讲师学生姓名学号专业地理信息系统院系水利与环境学院完成时间201年5月27日201年5月27遥感影像分类方法的研究郑州大学毕业设计论文题目遥感影像的分类方法研究指导教师职称讲师学生姓名学号专业地理信息系统院系水利与环境学院完成时间201年5月27日201年5月27遥感影像分类方法的研究郑州大学毕业设计论文题目遥感影像的分类方法研究指导教师职称讲师学生姓名学号专业地理信息系统院系水利与环境学院完成时间201年5月27日201年5月27日目录摘要IAbstractI

2、I1绪论111研究背景112遥感影像分类研究现状113提高分类精度的新方法和新技术214本文主要研究内容315本文研究技术路线32遥感影像计算机分类方法421遥感影像计算机分类的基本原理422传统的非监督分类方法4221K均值分类5222ISODATA分类方法523传统的监督分类方法5231遥感影像计算机分类流程5232最大似然分类6233最小距离分类6234马氏距离分类724新型的监督分类方法7241支持向量机7242决策树分类方法825遥感影像分类精度评价9251评价的标准9252混淆矩阵9253Kappa系数93特征的提取和选择113

3、1研究区概况1132样本的确定原则1133波段的分析和选择114新型分类方法技术支持1441支持向量机14411核函数选取14412其他参数设置1542决策树分类的技术支持15421不同地物光谱响应特征分析统计15422NDVI植被指数分析统计17423高程值分析统计18424坡度值分析统计19425主成分变换分析统计205遥感影像分类的实现和精度评价2251传统的监督分类的实现22511训练样本的提纯22512最大似然分类22513马氏距离分类23514最小距离分类24515传统的监督分类精度分析与评价2552新型的监督分类方法的实现26

4、521支持向量机分类26522决策树分类27523新型分类方法与传统方法的比较分析296结论与展望3061结论3062展望30致谢32参考文献33摘要传统的遥感影像分类方法有监督分类和非监督分类本文主要研究监督分类传统的分类方法一般是基于概率统计主要有最大似然分类马氏距离分类最小距离分类人们不断的尝试和研究新的方法以便改善分类精度近年来研究较多的是决策树支持向量机等本文首先对五种分类方法进行简单概述然后选取训练样本最后进行分类重点介绍了以NDVI值高程值坡度值和主成分变换为分类条件的决策树分类过程最后输出分类图通过误差矩阵和Kappa系数对

5、不同分类方法的结果进行精度评价最后通过数据比较和图表分析可以看出这五种分类方法中分类精度由高到低依次是支持向量机最大似然法决策树马氏距离和最小距离新型方法优势明显决策树的精度有待提高关键词遥感影像分类支持向量机决策树精度分析AbstractThetraditionalclassificationmethodaresupervisedclassificationandthesupervisedclassificationthispaperresearchthesupervisedclassificationmainlyThetradition

6、alremotesensingimageclassificationmethodisbasedontheprobabilityandstatisticsmainlyhastheimumlikelihoodMahalanobisdistanceMinimumdistancePeoplekeeptryandstudythenewmethodtoimprovetheaccuracyofclassificationInrecentyearsthemoststudyareDecisiontreeandSupportvectormachineetcTh

7、ispaperfirstgivesabriefoverviewonthefivetypesofclassificationmethodthendeterminesandchoosesthetrainingsamplefinallyclassifytheimageThispaperfocusesonthedecisiontreeclassificationprocessmainlywhichonbaseofNDVIvalueelevationvaluesslopevaluesandthetransformationofprincipalcom

8、ponentsFinallytheaccuracyoftheresultsofdifferentclassificationsisevaluatedthroughtheerror