高分辨率遥感影像分类实验报告(共15页).doc

上传人:飞****2 文档编号:14538575 上传时间:2022-05-05 格式:DOC 页数:15 大小:10.59MB
返回 下载 相关 举报
高分辨率遥感影像分类实验报告(共15页).doc_第1页
第1页 / 共15页
高分辨率遥感影像分类实验报告(共15页).doc_第2页
第2页 / 共15页
点击查看更多>>
资源描述

《高分辨率遥感影像分类实验报告(共15页).doc》由会员分享,可在线阅读,更多相关《高分辨率遥感影像分类实验报告(共15页).doc(15页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、精选优质文档-倾情为你奉上高分辨率遥感影像分类实验报告班级: 姓名: 学号: 指导老师: 地球科学与环境工程学院二一四年六月目 录专心-专注-专业1实验方法面向对象方法面向对象方法是一个模拟人类大脑认知的过程,将图像分割为不同均质的对象,充分利用对象所包含的信息,将知识库转换为规则特征,从而提取影像信息。因为分析的是对象而不是像元,因此我们可以利用对象丰富的语义信息,结合各种地学概念,如面积、距离、光谱、尺度、纹理等进行分析。面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。首先需要使用一定方法对遥感影像进行分割,在提取分割单元(图像分割后所得到的内部属性相对一致或均质程度较高的图

2、像区域)的各种特征后,在特征空间中进行对象识别和标识,从而最终完成信息的分类与提取。2实验内容及详细过程2.1 影像预处理2.1.1影像数据融合实验数据为QuickBird影像,包括4个多光谱波段以及一个全色波段。QuickBird影像星下点分辨率:全色为 0.61m,多光谱为 2.44m。对于面向对象影像分类来说,越高的高空间分辨率越好,但在对对象进行分类时,光谱信息同样重要,因此,可将高分辨率的全色影像和多光谱影像进行数据融合。使用ERDAS进行数据融合:Interpreterspatialenchancementresolution merge。图 1 全色影像与多光谱影像融合2.1.2

3、 影像增强处理影像分割算法是在亮度值的基础上建立起来的,其中包括一致性和不连续性。影像分割过程中,灰度差异较小但分属不同地物类型的相邻像元,分割后易被合并为一个对象,造成目标错提、漏提。为此须对原始影像进行预处理,增大提取目标与背景的反差,以取得更好的分割效果。采用ERDAS对遥感影像进行影像增强处理,采用直方图均衡化处理:Interpreterradiometricenhancementhistogram equalization。图 2 直方图均衡化增强影像2.2 创建工程创建工程,加载入增强后的影像,为了方便计算,裁剪部分影像。图 3影像加载和裁剪2.3 分割处理在process tre

4、e中右键选择Appentnew,新建一个分割处理,点击ok。然后选中“分割”右键选择insert child,第一个child 选择基于像素分割,第二个基于image object分割,并以第一个child为基础,扩大分割尺度,可以明显看出分割破碎度减小。图 4 新建分割处理图 5 基于pixel分割 图 6 基于image object分割2.4 分类2.4.1 水体采集水体信息:classificationsamplesample editor,然后在空白区域选择select features todisplay,object featureslayervaluemean双击,点击分割图中

5、一块,显示4个波段的均值信息。创建NDVI函数:feature viewobject featurescustomizedcreate new arithmetic。图 7 样本采集器编辑图 8创建NDVI函数在process tree中新建一个水体,并插入child,选择assigned classify阈值分类,设置水体分类阈值:NDVI-0.5,NIR10。图 9 水体分类阈值设置(NDVI-0.5,NIR-0.5,NIR10,获取陆地分类。图 11 陆地分类阈值设置(NDVI-0.5,NIR10)和结果依据图11(右),可明显看出西南交大犀浦校区内的陆地显示为红色,与实际情况相符。2.

6、4.3 植被植被分类阈值设置(mean):B30,-0.15NDVI1。图 12 植被分类阈值设置(B30,-0.15NDVI1)图 13 植被分类结果依据图13,可明显看出西南交大犀浦校区内的植被显示为绿色,与实际情况相符。2.4.4 裸土裸图分类阈值设置:160B240,160G240,50NIR120,150R210,-2NDVI240,G240,NIR220,R240。图 17建筑物分类阈值设置1图 18建筑物分类阈值设置2图 19 建筑物分类结果依据图19,可明显看出西南交大犀浦校区内的建筑物显示为鲜红色,与实际情况相符。2.4.6 道路道路分类阈值设置:195B244,200G24

7、4,80NIR220,200R245,-0.5NDVI0。图 20 道路分类阈值设置1图 21道路分类阈值设置2图 22 道路分类结果依据图22,可明显看出西南交大犀浦校区内的道路显示为暗红色,与实际情况相符。2.4.7 阴影阴影分类阈值设置:50B200,NIRNDVI-0.5。图 23 阴影分类阈值设置1图 24阴影分类阈值设置2图 25 阴影分类结果依据图25,可明显看出西南交大犀浦校区内的阴影显示为鲜红色,这些区域正好位于建筑物或者树木投影的部分,与实际情况相符。2.4.8 总体分类图总体分类图中,不同颜色代表了不同的地物类型,与西南交大犀浦校区实际情况相符,如图26所示。图 26总体

8、分类图3 结语高空间分辨率遥感影像使得在较小的空间尺度上观察地表细节变化,进行大比例尺遥感制图,以及监测人为活动对环境的影响成为可能。而随着高分辨率影像的应用越来越普及,迫切要求人们对高分辨率遥感信息提取进行研究,以满足高分辨率影像信息不断增长的应用和研究需要。本实验采用面向对象方法对融合后的影像(高分辨率的全色影像和多光谱影像进行数据融合)进行有效的分割。面向对象分类技术主要分成两部分过程:影像对象构建和对象的分类。影像对象构建主要用了影像分割技术,常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法;影像对象的分类,目前常用的方法是“监督分类”和“基于知识分类”。试验中采用创建NDVI函数,通过设置不同的分类阈值参数可辨别出对应的地物类别(水体、陆地、植被、裸图、建筑物、道路和阴影),并生成总体分类图。

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 教育专区 > 教案示例

本站为文档C TO C交易模式,本站只提供存储空间、用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知淘文阁网,我们立即给予删除!客服QQ:136780468 微信:18945177775 电话:18904686070

工信部备案号:黑ICP备15003705号© 2020-2023 www.taowenge.com 淘文阁