欢迎来到天天文库
浏览记录
ID:35187953
大小:5.69 MB
页数:64页
时间:2019-03-21
《高分遥感图像的植被分类与识别研究》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、:TN753密级:公开.中图分类号UDC:62139学校代码:誦2HEBEIUNIVERSrrVOFSCIENCEAND下ECHNOLOGY硕dr学位论文""高分遥感图像的植被分类与识别硏究巧g^;v||Kt论文作者:刘静/i指导教师:王晓君教授Hp副指导教师:P学科、领撤测试计量技术及仪器-所在单位:信息科学与工程学院答辩日期:2016年12月..'-.--.^’.河北科技大学学位论文原创性声明本人郑
2、重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。对本文的研究做出重要贡献的个人和集体,均己在文中明确方式标明。除文中己经注明引用的内容外,本论文不包含任何其他个人或集体己经发表或撰写进的作品或成果。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:指导教师签名:玉对^月从曰>^2。/佔/年/月曰2I河北科技大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留,同意学校保留、使用学位论文的规定并向国家有关部口或机构送交论文的复印件和电子版,允许论文被
3、查阅和借阁。本人授权柯北科技大学可iレ:?将本学位论文的全部或部分内容编入有。关数据库进行检索,可切采用影印、缩印或扫描等复制手段保存和汇编本学位论文□保密,在__年解密后适用本授权书。本学位论文属于保密"。V"(请在上方框内打)学位论文作者签名;為指导教师签名:言腐月又^日年1文月7^曰Zu/占年IClassifiedIndex:TN753SecrecyRate:PublicizedUDC:621.39UniversityCode:10082HebeiUniversityofScienc
4、eandTechnologyDissertationfortheMasterDegreeVegetationClassificationandRecognitionof"High-resolution"RemoteSensingImageCandidate:LiuJingSupervisor:Prof.WangXiaojunAssociateSupervisor:AcademicDegreeApppliedfor:MasterofEngineeringSpeciality:MeasurementTechniquesandInst
5、rumentationEmployer:SchoolofInformationScience&EngineeringDateofOralExamination:December,2016摘要摘要随着我国“高分专项”系统的进一步推进,为我国提供了更大空间产业化发展机会,在技术和应用等方面获得了一系列成果,同时取得了良好的社会和经济效益。植被调查是遥感的重要应用领域。植被分类识别为政府部门对监测和优化植被群落结构提供了科学的依据,对于人类生存环境的可持续发展有着重要意义。本文研究对象主要针对目前“高分”系列运用最广泛的GF-1遥感卫
6、星影像。通过不同地物反射的电磁波在影像上呈现的光谱、纹理等进行特征分析,对遥感影像中的植被进行分类识别。论文主要完成了以下内容:首先对原始遥感影像进行预处理,对预处理的各个步骤的原理及操作方法做了详细的阐述,其中主要对融合算法进行分析,试验后选择效果好的Pansharpen算法,使得融合后的影像清晰度更高,为后面的工作做好铺垫。然后对预处理后的影像进行植被光谱和纹理特征的提取,分析特征提取的算法以及常见的植被指数类型,通过实验发现利用植被指数NDVI效果比其他植被指数效果理想;证明了基DS理论证据融合多特征的遥感图像植被提取方法
7、,效果优于单独使用光谱特征或者纹理特征的方法。其次利用监督的BP神经网络分类方法完成植被分类识别,分析监督分类和非监督分类的各自特点,深入研究多种类型的BP神经网络的优缺点及优化算法,通过仿真结果显示LM算法收敛效果最好,适合做分类识别。最后完成植被分类识别系统的实现,在VisualStudio2010的平台上利用C#语言,并结合GDAL库编程技术,开发了一个对植被进行提取和分类识别的系统,其特点是用户可以自由选择样本和提取方法进行分类识别。关键词“高分”;植被分类;BP神经网络;分类识别系统IAbstractAbstractW
8、iththefurtheradvanceofourcountry's“High-resolutionspecialproject”system,industrializationdevelopmentopportunitiesforourcountryprovi
此文档下载收益归作者所有