毕业论文移动版

Band 3 - Green 0。560 10

Band 4 - Red 0。665 10

Band 5 - Vegetation Red Edge 0。705 20

Band 6 - Vegetation Red Edge 0。740 20

Band 7 - Vegetation Red Edge 0。783 20

Band 8 - NIR 0。842 10

Band 8A - Vegetation Red Edge 0。865 20

Band 11 - SWIR 1。610 20

Band 12 - SWIR 2。190 20

3。2 处理方法

3。2。1 多尺度影像分割法文献综述

多尺度分割就是采用一定的分割尺度，形状及紧致度参数，进行多次分割。每次分割都是将下一层的像元最为基底进行合并，且合并会受到其父对象的限制，最终分割区域的大小是由底部像元总和数量来控制的，如果像元父对象不相同则无法合并，父对象相同但分割尺度不够大也同样不能进行合并。

分割原理如图1所示。

多尺度分割以单个像元为始，计算单个像元与相邻像元，若相邻像元合并后异质性小于软件所给阈值就合并，一次合并结束之后再以此次结果为基础像元进行计算合并，重复多次合并过程，直到分割尺度达到软件所给最大数值则结束合并过程，这就是完整的分割过程。

综合使用遥感影像不同波段数据，采用不同分割尺度，基于像元计算其相邻对象异质性指标，并根据设定的阈值判断是否为同质的对象，同质则合并，成为一个对象，最终将整个影像划分为范围不同的对象。对象可以看作是光谱特性、形状、颜色、平滑程度以及紧密程度像元的集合。本文对于图像进行分割，主要进行以下计算[19]：