基于数据挖掘的遥感影像海岸带地物分类方法研究

《基于数据挖掘的遥感影像海岸带地物分类方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国海洋大学博士学位论文基于数据挖掘的遥感影像海岸带地物分类方法研究姓名：王常颖申请学位级别：博士专业：环境科学指导教师：倪岳峰;张杰20090601基于数据挖掘的遥感影像海岸带地物分类方法研究摘要本文在“908海岛海岸带遥感调查"课题的支持下，引入数据挖掘技术，开展了海岸线提取方法和海岸带土地利用分类方法等研究。对于海岸线提取方法研究，针对课题调查内容，海岸线划分为人工岸线、基岩岸线、砂质岸线、粉沙淤泥质岸线和生物岸线等五种类型，本文在设计海岸线提取方法时，首先分析了不同类型岸线的特征，然后基于数据挖掘中的关联规则技术，分别提出了相应五种岸线类型的提取方法。为了验证本文岸线提取方法

2、的有效性，选取30m分辨率的LandsatTM／ETM+影像开展了实验研究，提取结果都优于3个像元。本文提出的岸线提取方法算法直观、容易实现，而且岸线提取连续。另外，为了对海岸线提取精度进行评价，提出了一种线段匹配精度评价方法。对于海岸带地物分类方法研究，本文以课题调查中的土地利用调查分类体系为例开展研究，提出了两种地物分类方法，基于证据理论的面向对象的遥感影像海岸带地物分类方法和面向对象的高分辨率影像海岸带地物分层分类方法。针对海岸带遥感调查中的土地利用Ⅱ级地物分类需要，引入了证据理论的思想，提出了基于证据理论的面向对象的遥感影像海岸带地物分类方法。为了验证方法的有效性，选取10r

3、n分辨率的SPOT影像为数据源，综合考虑了光谱、纹理和形状等特征，在鸭绿江口区域进行了实验研究，分类精度达到了80％以上。该方法解决了单个特征属性类型识别时的不确定性问题，提高了分类精度。另外，为了能够处理研究区域已知样本空间不完备的情况，对基本的证据理论进行了推广。针对调查中土地利用Ⅲ级地物分类需要，提出了面向对象的高分辨率影像海岸带地物分层分类方法。为了验证方法的有效性，选取0．61m分辨率的Quickbird影像为数据源，在众多光谱、纹理、形状和邻居特征中，应用关联规则技术，首先找到最能够区分各种地物类型的特征属性及其相关规则，然后基于这些挖掘出来的规则实现最终的分类，分类结果

4、精度超过了80％。该方法解决了分类结果精度对专家经验的依赖，实现了精细地物的自动分类。关键词：海岸线；土地利用；分类；高分辨率影像；数据挖掘CoastallandcoversclassificationofremotesensingimagesbasedondataminningtechnologyAbstractSupposedby908ProjectsofMarinecomprehensiveinvestigationandassessmentinChina，intheviewofdataminingtechnique，coastlineinterpretationmethoda

5、ndcoastallandcoversclassificationmethodfromremotesensingimagesarestudied．Forcoastlineinterpretationmethod，sinceshorelinearedividedseveraltypes，suchasartificialshoreline’be(1rockshoreline，arenaceousshoreline，siltsorelineandbiologicshoreline，charactersofdi伍锄eIltshorelinesareanalysedfirstlyandfive

6、kindsofcoastlineinterpretationmethodsofthecorrespondingfivetypesaredesigned．ToV嘶匆thepresentedmethods，experimentsareimplementedbyLandsatTM／ETM+imageswiththeimageresolution30m．Thepreeisionsovermatchthreepixels．Ourproposedmethodsareintuitionisticandeasytorealize．Moreover,theinterpretationcoastline

7、sareconsecutive．Inaddition，acoastlineinterpretationaccuracyassessmeritalgorithmisproposedtoevaluatetheexperimentresults．Forc0邪协ll锄dcoversclassificationmethod，aimingattheincreasingresolutionofremotesensingimages，twoclassificationme