11

6.5 两种分类方法的比较 12

7 结论 13

参考文献 14

致谢 15

图清单

图序号 图名称 页码

图5-1 基于DEM数据的TM图像分类工作流程 7

图6-1 研究区的遥感数字影像 9

图6-2 无DEM数据参与分类的结果 10

图6-3 基于DEM数据参与分类的结果 10

图6-4 混淆矩阵的定义 11

表清单

表序号 表名称 页码

表6-1 无DEM数据参与分类的精度混淆矩阵 12

表6-2 基于DEM数据参与分类的精度混淆矩阵 12

1 绪论

1.1 选题的依据与意义

遥感影像计算机分类的常规方法是,采用统计学的方法,来对地物进行分类,按照的是,地物光谱响应特性中的点独立原则[1];各个波段灰度数据的统计特征,是采用统计学方法的依据。一般情况下,遥感影像的像元都具有综合光谱的数据信息[2],是由于常常受限于卫星图像的分辨率,由此在影像分类中,往往带来了错误分类的情况;尤其同物异谱,同谱异物的现象普遍存在,给地物的分类带来了困难。因此提升影像分类方法,将有助于提高地物识别的精度。本文正是通过引入DEM数据作为辅助信息,参与遥感影像分类,来比较两种方法的地物识别精度,从而得出结论:在地物高程差异明显的情况下,DEM数据参与遥感影像分类有助于提高遥感影像的分类精度。论文网

地物光谱的反射特征,常常受到起伏变化的地形影响[3];往往出现的现象是,不同种类地物的光谱特征却出现一致的情况;另外的现象是,处在不同高程上的同种地物,却表现出有差异的的光谱特征。这两种现象的存在,最终影响了图像的分类精度。因此,在对遥感影像进行计算机分类时,加入高程,坡度,坡面等辅助信息[4],对于提高图像分类的精度,有着突出的作用。

伴随着科学技术的发展,尤其是测绘技术,测量手段的迅猛发展,GIS地理信息系统技术的广泛普及, DEM数据越来越成为空间分析中重要的基础数据。

1.2 本文研究内容

本文的研究平台是ERDAS软件,首先提取地形数据,建立数字高程模型,即DEM数据,把DEM数据作为辅助信息参与分类。

(1)遥感图像分类的原理和过程 

(2)利用等高线生成格网DEM的过程

(3)遥感影像的分类方法

(4)高程数据参与遥感影像分类的原理

(5)比较两种分类方法的结果

通过比较两种分类结果的精度,认识到在地物高程差异明显时,以DEM数据为辅助信息,明显地提高了遥感影像的分类精度。

2 遥感图像分类的原理和过程

2.1 遥感图像分类的原理

遥感图像分类是指,把处在图像里的各个区域和像元,划分到许多种类别中的一个;即经过剖析各种类别地物的光谱特征后,对特征参数进行选择。用互不重合的子空间,来组成特征空间。而后,把影像中的每个像元,分别得区分到相对应的子空间去[5],由此完成图像的分类。文献综述

上一篇:杭州新课程背景下初中科学实验教学研究
下一篇:玻色—爱因斯坦凝聚动量空间的相变特征

强磁场下高斯基组的优化

初中科学光学实验教学研...

多媒体辅助科学教学的时效性研究

双盘转子在变结构情况下的动力学特性分析

Comsol激光激发水下薄板中...

铁路隧道施工茬复杂地质...

软流塑淤泥地质条件下P...

网络语言“XX体”研究

老年2型糖尿病患者运动疗...

我国风险投资的发展现状问题及对策分析

互联网教育”变革路径研究进展【7972字】

ASP.net+sqlserver企业设备管理系统设计与开发

LiMn1-xFexPO4正极材料合成及充放电性能研究

张洁小说《无字》中的女性意识

麦秸秆还田和沼液灌溉对...

新課改下小學语文洧效阅...

安康汉江网讯