面向对象的高分辨率遥感影像信息提取技术_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
面向对象的高分辨率遥感影像信息提取技术
上传于||暂无简介
阅读已结束，如果下载本文需要使用
想免费下载本文？
下载文档到电脑，查找使用更方便
还剩2页未读，继续阅读
你可能喜欢一种基于概率潜在语义模型的高分辨率遥感影像分类方法--《测绘学报》2011年02期
一种基于概率潜在语义模型的高分辨率遥感影像分类方法
【摘要】：针对高分辨率遥感影像中"同谱异物","同物异谱"现象对影像分类过程造成的干扰,将文本分析中的概率潜在语义模型应用于高分辨率遥感影像分类,提出一种无监督的遥感影像分类新方法。该方法首先利用均值漂移分割方法对影像进行分割构建图像区域集合,然后提取集合各区域中每个像元的Gabor纹理特征,并对这些特征进行聚类形成视觉词汇,最后利用PLSA方法对各区域进行分析,找出其最可能属于的主题或者类别,从而完成影像分类。文中GeoEye-1和IKONOS影像试验结果表明,该方法能有效提高高分辨率遥感影像分类精度。
【作者单位】：
【关键词】：
【基金】：
【分类号】：P237【正文快照】：
1引言高分辨率遥感影像(如GeoEye-1,IKO-NOS,QuickBird),能够提供大量的地面细节信息。但是这种新型数据却对影像特征提取和分类提出了新问题和挑战。高分辨率影像中,可以观测到更多的细节特征和小目标,这造成了同种地物内部的光谱变化和异质性,也使得不同地物间的光谱差异减
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【参考文献】
中国期刊全文数据库
余鹏;张震龙;侯至群;;[J];测绘学报;2006年03期
陈小光;封举富;;[J];自动化学报;2007年05期
潘欣;张树清;李晓峰;刘春悦;;[J];武汉大学学报(信息科学版);2009年10期
黄昕;张良培;李平湘;;[J];中国图象图形学报;2006年04期
【共引文献】
中国期刊全文数据库
龚书;瞿有利;田盛丰;;[J];北京交通大学学报;2009年05期
张小平;周雪忠;黄厚宽;冯奇;陈世波;焦宏官;;[J];北京交通大学学报;2010年02期
薛晓利;胡蓉;朱金陵;;[J];成都电子机械高等专科学校学报;2011年02期
赵银娣;王行风;;[J];测绘科学;2009年06期
刘晓云;陈武凡;王振松;;[J];测绘学报;2007年04期
汪闽;张星月;;[J];测绘学报;2009年06期
陶超;谭毅华;蔡华杰;杜博;田金文;;[J];测绘学报;2010年01期
于芳;陈冬玲;王大玲;于戈;鲍玉斌;;[J];Journal of Southeast University(English Edition);2007年03期
刘生;王潇宇;邱新法;;[J];地球信息科学;2008年02期
何友松;吴炜;陈默;杨晓敏;罗代升;;[J];电视技术;2009年12期
中国重要会议论文全文数据库
庄连生;唐克坦;马启荣;俞能海;;[A];第十四届全国图象图形学学术会议论文集[C];2008年
朱学芳;邹文豪;朱鹏;;[A];第十五届全国图象图形学学术会议论文集[C];2010年
梁莘燊;刘莹;;[A];第六届（2011）中国管理学年会——信息管理分会场论文集[C];2011年
李军;李涓子;;[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年
王素格;杨安娜;;[A];第五届全国信息检索学术会议论文集[C];2009年
宋晓雷;王素格;李红霞;;[A];第五届全国青年计算语言学研讨会论文集[C];2010年
中国博士学位论文全文数据库
任桢;[D];哈尔滨工程大学;2010年
江悦;[D];国防科学技术大学;2010年
张小平;[D];北京交通大学;2011年
杨抒;[D];北京林业大学;2011年
邱雪娜;[D];华东理工大学;2011年
梁鹏;[D];华南理工大学;2011年
夏培勇;[D];中国海洋大学;2011年
吴永辉;[D];哈尔滨工业大学;2010年
祝文骏;[D];上海交通大学;2011年
刘建军;[D];国防科学技术大学;2010年
中国硕士学位论文全文数据库
娄铮铮;[D];郑州大学;2010年
赵八一;[D];大连理工大学;2010年
冯元佶;[D];湘潭大学;2010年
吴昊;[D];浙江大学;2011年
刘森;[D];浙江大学;2011年
胡建建;[D];东华大学;2011年
梁涛;[D];中原工学院;2011年
崔希鹏;[D];电子科技大学;2011年
顾国庆;[D];江南大学;2011年
王同刚;[D];北京交通大学;2011年
【二级参考文献】
中国期刊全文数据库
郑肇葆，周月琴;[J];测绘学报;1995年01期
李德仁,王树良,史文中,王新洲;[J];武汉大学学报(信息科学版);2001年06期
王树良,李德仁,史文中,王新洲;[J];武汉大学学报(信息科学版);2002年03期
余鹏,封举富;[J];中国图象图形学报;2005年03期
【相似文献】
中国期刊全文数据库
虞淑燕;;[J];科技致富向导;2010年36期
侯敏;郅彦;;[J];太原科技;2007年11期
李朝晖;;[J];自然辩证法通讯;2008年05期
高璐;陈琪;李永宏;于洪志;;[J];西北民族大学学报(自然科学版);2010年02期
马洪,周杰,马黎,唐远炎;[J];四川大学学报(自然科学版);2000年06期
吴晓侠;;[J];湖北广播电视大学学报;2007年06期
陈方园;;[J];科协论坛(下半月);2011年02期
吴婷;王玉芬;;[J];科技信息;2011年16期
;[J];杭州科技;2000年02期
李嘉;张朋柱;蒋御柱;;[J];系统管理学报;2009年03期
中国重要会议论文全文数据库
陶建华;蔡莲红;赵晟;;[A];辉煌二十年——中国中文信息学会二十周年学术会议论文集[C];2001年
王素格;杨安娜;;[A];第五届全国信息检索学术会议论文集[C];2009年
高楚舒;丁于思;;[A];计算机模拟与信息技术会议论文集[C];2001年
庄丽;包塔;朱小燕;;[A];第七届全国人机语音通讯学术会议（NCMMSC7）论文集[C];2003年
周国清;;[A];中国编辑研究（2007）[C];2007年
晓明;;[A];中国当代文学研究·2004年秋冬卷[C];2004年
巴莫曲布嫫;;[A];民间叙事的多样性——民间文化青年论坛[C];2004年
王立非;;[A];英语写作教学与研究的中国视角——第四届中国英语写作教学与研究国际研讨会论文集[C];2008年
李箭;;[A];纪念《教育史研究》创刊二十周年论文集（1）——教育史学理论及史学史研究[C];2009年
龙扬志;;[A];首都师范大学驻校诗人阿毛诗歌创作研讨会论文集[C];2010年
中国重要报纸全文数据库
;[N];网络世界;2007年
李琨;[N];中国计算机报;2006年
戴清;[N];文艺报;2002年
;[N];计算机世界;2005年
王一川;[N];中国教育报;2005年
何志钧;[N];中国文化报;2003年
;[N];中华读书报;2004年
任海平;[N];中国新闻出版报;2006年
科大讯飞公司;[N];计算机世界;2002年
北师大天津附中 张鉴;[N];天津日报;2006年
中国博士学位论文全文数据库
赵磊;[D];外交学院;2006年
蔡爱国;[D];苏州大学;2006年
刘统霞;[D];中央民族大学;2008年
郭伟宏;[D];山东大学;2008年
黄志开;[D];中国科学技术大学;2006年
宋杰;[D];上海外国语大学;2007年
卢铭君;[D];上海外国语大学;2009年
陈运保;[D];西南大学;2007年
孔燕妮;[D];复旦大学;2011年
李小坤;[D];浙江大学;2012年
中国硕士学位论文全文数据库
欧阳薇;[D];兰州大学;2009年
魏文密;[D];长安大学;2007年
曲怡飞;[D];西北大学;2007年
熊玲林;[D];广东外语外贸大学;2007年
柳珊珊;[D];南京师范大学;2008年
姜媛媛;[D];首都师范大学;2009年
佟欣;[D];上海交通大学;2009年
蔡小燕;[D];华东师范大学;2009年
宋迎;[D];上海外国语大学;2009年
冉凡敏;[D];哈尔滨工业大学;2006年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备74号遥感影像居民地信息自动提取方法研究进展--《云南地理环境研究》2006年05期
遥感影像居民地信息自动提取方法研究进展
【摘要】：快速掌握居民地的时空分布和变化特征对于区域可持续发展具有重要意义。遥感技术的发展,为居民地的快速提取提供了新的途径。传统的人工目视解译费时费力,基于遥感影像的居民地信息自动提取势在必行。主要探讨了居民地信息自动提取的5种方法,即基于统计的分类法、谱间结构阀值法、归一化指数法、纹理分析法、地学专家知识分类法,讨论了各种方法的优缺点,总结了目前的研究进展。最后提出了居民地信息自动提取方法的发展趋势,认为多种分类方法相结合,建立居民地信息提取的专家系统将是今后研究的重点。
【作者单位】：
【关键词】：
【基金】：
【分类号】：X87【正文快照】：
0引言居民地是人类进行生产、生活的场所,是人与自然相互作用的产物。随着中国改革开放和经济建设的快速发展,居民地迅速扩张,占用了大面积的耕地资源。遥感具有覆盖面积大、及时快速的优势,通过遥感影像自动快速提取居民地已经成为监测城镇扩张,进行灾害评估和环境监测的有
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【引证文献】
中国期刊全文数据库
孟瑜;赵忠明;彭舒;黄青青;;[J];测绘通报;2008年12期
张禾;;[J];江汉石油职工大学学报;2007年04期
韩丛丛;逄杰武;吴泉源;李轶平;;[J];遥感信息;2007年06期
郝彩霞;柯长青;万玮;;[J];云南师范大学学报(自然科学版);2008年06期
中国博士学位论文全文数据库
李海光;[D];北京林业大学;2011年
鲍文东;[D];山东科技大学;2007年
中国硕士学位论文全文数据库
李彩丽;[D];南京大学;2011年
张赐;[D];华东师范大学;2011年
张殿君;[D];北京林业大学;2011年
李成范;[D];西南大学;2009年
王莉;[D];中国矿业大学;2009年
梁博;[D];太原理工大学;2010年
【参考文献】
中国期刊全文数据库
杨山,查勇;[J];长江流域资源与环境;2002年01期
杨山;[J];地理学报;2000年06期
吴宏安,蒋建军,周杰,张海龙,张丽,艾莉;[J];地理学报;2005年01期
徐涵秋;[J];地理研究;2005年02期
高永光,祝民强,朱骥,刘帅;[J];国土资源遥感;2002年04期
苏俊英,曹辉,张剑清;[J];武汉大学学报(信息科学版);2004年09期
李全,李霖,赵曦;[J];武汉大学学报(信息科学版);2005年04期
路威,张占睦;[J];信息工程大学学报;2003年02期
杨存建,周成虎;[J];遥感技术与应用;2001年01期
杨存建,周成虎;[J];遥感学报;2000年02期
【共引文献】
中国期刊全文数据库
冉江;柯长青;;[J];安徽农业科学;2007年03期
蒋金龙;李建;梁俊;;[J];安徽农业科学;2007年07期
吴柏清;何政伟;张新海;;[J];安徽农业科学;2007年32期
毕东苏;郭小品;;[J];安徽农业科学;2008年07期
王大鹏;;[J];安徽农业科学;2009年05期
国巧真;蒋卫国;易文斌;;[J];安徽农业科学;2009年28期
武文波;吴云;姬翠翠;姚静;;[J];安徽农业科学;2009年30期
连懿;陈圣波;王亚楠;逄超;;[J];安徽农业科学;2010年10期
储佩佩;董雪;高琨;付梅臣;;[J];安徽农业科学;2010年24期
陈旭;何宽;常强;;[J];安徽农业科学;2011年02期
中国重要会议论文全文数据库
于瑞宏;朱超;刘廷玺;;[A];全国水资源合理配置与优化调度及水环境污染防治技术专刊[C];2011年
张恒;李刚;;[A];转型与重构——2011中国城市规划年会论文集[C];2011年
徐涵秋;杜丽萍;;[A];全国国土资源与环境遥感应用技术研讨会论文集[C];2009年
杨剑;林奎;杨大勇;赵坤荣;姜国强;;[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年
王绪龙;王瑞波;刘厚凤;;[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
顾娟;陈军;张宏伟;周启鸣;;[A];中国测绘学会2006年学术年会论文集[C];2006年
陈洁丽;申成磊;刘永学;李满春;张栋;;[A];中国测绘学会第九次全国会员代表大会暨学会成立50周年纪念大会论文集[C];2009年
潘卫华;;[A];第五届全国日地关系与灾害学术研讨会论文专辑[C];2005年
顾娟;陈军;周启鸣;张宏伟;;[A];新技术在土地调查中的应用与土地科学技术发展-2005年中国土地学会学术年会论文集[C];2005年
胡伟平;于晶涛;葛文兰;左金霞;高辉;;[A];新技术在土地调查中的应用与土地科学技术发展-2005年中国土地学会学术年会论文集[C];2005年
中国博士学位论文全文数据库
陈雁;[D];中国科学技术大学;2010年
李爱民;[D];解放军信息工程大学;2009年
胡文英;[D];昆明理工大学;2009年
汤晓莉;[D];河南大学;2011年
亓兴兰;[D];福建农林大学;2011年
卢晓旭;[D];南京师范大学;2011年
尚正永;[D];南京师范大学;2011年
孙笑古;[D];南京大学;2011年
谭雪兰;[D];湖南农业大学;2011年
仝卫国;[D];华北电力大学;2011年
中国硕士学位论文全文数据库
侯洪升;[D];山东农业大学;2009年
常成;[D];山东农业大学;2010年
李先;[D];辽宁工程技术大学;2009年
赵晓刚;[D];河南工业大学;2010年
郑青碧;[D];河南工业大学;2010年
孙步伟;[D];安徽师范大学;2010年
王俊朝;[D];安徽师范大学;2010年
付志鹏;[D];浙江大学;2011年
凌春丽;[D];昆明理工大学;2010年
吴秀庆;[D];武汉理工大学;2010年
【同被引文献】
中国期刊全文数据库
雅玉贵;海青录;徐安军;袁正军;;[J];安徽农学通报;2007年02期
张景芳;刁承泰;刘贵芬;申希兵;刘雪;;[J];安徽农业科学;2006年13期
邢厚道;杨山;;[J];安徽农业科学;2006年20期
渠霓;龚健;;[J];安徽农业科学;2006年23期
张海霞;卞正富;陈秋成;;[J];安徽农业科学;2008年01期
赵文智,程国栋;[J];冰川冻土;2001年04期
曾辉,江子瀛,喻红,许国雄;[J];北京大学学报(自然科学版);2000年02期
曹五丰,秦其明;[J];北京大学学报(自然科学版);1998年Z1期
黄华国,张晓丽,王蕾;[J];北京林业大学学报;2005年03期
张学俭;冯仲科;;[J];北京林业大学学报;2006年01期
中国重要会议论文全文数据库
申雅琪;贾蓓;董宇阳;;[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
邓书斌;陈秋锦;;[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年
中国博士学位论文全文数据库
谭永忠;[D];浙江大学;2004年
蔡为民;[D];中国农业大学;2004年
赵晶;[D];华东师范大学;2004年
李新运;[D];山东科技大学;2004年
郑新奇;[D];解放军信息工程大学;2004年
郧文聚;[D];中国农业大学;2005年
岳文泽;[D];华东师范大学;2005年
张学真;[D];长安大学;2005年
何国松;[D];武汉大学;2004年
孟飞;[D];华东师范大学;2006年
中国硕士学位论文全文数据库
鲁克新;[D];西安理工大学;2001年
林文鹏;[D];福建师范大学;2001年
董芳;[D];山东农业大学;2003年
凌怡莹;[D];华东师范大学;2004年
余娟清;[D];福建师范大学;2004年
王伟;[D];山东师范大学;2004年
王艳;[D];山东师范大学;2004年
李森林;[D];福州大学;2005年
汪坚强;[D];清华大学;2004年
黄浩;[D];河海大学;2005年
【二级引证文献】
中国期刊全文数据库
连懿;陈圣波;王亚楠;逄超;;[J];安徽农业科学;2010年10期
杨洪鉴;王文茂;;[J];安徽农业科学;2011年03期
刘磊;江东;徐敏;尹芳;;[J];安徽农业科学;2011年25期
邢著荣;杨贵军;王萍;李存军;黄文江;;[J];测绘科学;2010年05期
张雪峰;杨晏立;何政伟;王锐;张东辉;;[J];测绘科学;2011年02期
黄茜;杨武年;郑富强;;[J];地理空间信息;2010年04期
范熙伟;谢元礼;李志军;张苏;王文娟;;[J];地下水;2010年05期
万玮;肖鹏峰;冯学智;李晖;马荣华;段洪涛;;[J];湖泊科学;2010年06期
武文波;陈静;;[J];甘肃农业大学学报;2008年05期
刘铁冬;龚文峰;李丹;庞颖;吴妍;胡远东;朱磊;;[J];国土与自然资源研究;2011年04期
中国重要会议论文全文数据库
肖志坤;姜良美;全斌;;[A];2010年中国土地学会学术年会论文集[C];2010年
中国博士学位论文全文数据库
刘铁冬;[D];东北林业大学;2011年
孟磊;[D];中国矿业大学;2010年
韩淑梅;[D];北京林业大学;2012年
王大成;[D];浙江大学;2011年
马晓勇;[D];山西大学;2011年
郗静;[D];西北大学;2009年
任明磊;[D];大连理工大学;2009年
尹晓琴;[D];北京交通大学;2010年
刘廷祥;[D];中国科学院研究生院(东北地理与农业生态研究所);2012年
中国硕士学位论文全文数据库
边亮;[D];辽宁工程技术大学;2009年
王少华;[D];中国地质大学（北京）;2011年
李斌;[D];山东农业大学;2011年
李彩丽;[D];南京大学;2011年
庞国锦;[D];兰州大学;2011年
刘青柳;[D];河北工程大学;2011年
张义生;[D];解放军信息工程大学;2009年
叶满珠;[D];西安科技大学;2011年
潘爱丰;[D];华中科技大学;2011年
刘瑞卿;[D];河北农业大学;2012年
【二级参考文献】
中国期刊全文数据库
林澎;[J];城市发展研究;1999年06期
吴良镛;[J];城市规划;1997年03期
刘盛和;[J];地理科学进展;2002年01期
杨山;[J];地理学报;2000年06期
徐冠华，田国良，王超，牛铮，郝鹏威，黄波，刘震;[J];地理学报;1996年05期
李秀彬;[J];地理学报;1996年06期
黎夏;[J];地理学报;1997年03期
胡伟平,杨国清,吴志峰,何建邦;[J];地理研究;2003年06期
徐雪仁，万庆;[J];地理研究;1997年03期
郑度;[J];地理研究;1998年01期
【相似文献】
中国期刊全文数据库
张禾;;[J];江汉石油职工大学学报;2007年04期
杨涛;薛云;戴塔根;;[J];地球与环境;2008年01期
那晓东;张树清;李晓峰;于欢;刘春悦;;[J];生态学杂志;2009年02期
李泽熙;武友德;陈立;;[J];云南地理环境研究;2011年01期
邓孺孺,何执兼,陈晓翔,关履基,柯栋;[J];中山大学学报(自然科学版);2002年03期
江万哲;章成广;;[J];石油天然气学报;2005年06期
王心源;李文达;严小华;陆应城;周鑫;李祥;夏林益;唐晓光;梅长青;;[J];湖泊科学;2007年03期
范一大;史培军;李素菊;;[J];自然灾害学报;2007年05期
兰添才;郑汉垣;;[J];龙岩学院学报;2008年06期
徐磊;陈富林;王振士;;[J];工业控制计算机;2010年03期
中国重要会议论文全文数据库
刘玉芳;刘定生;;[A];中国地理学会2004年学术年会暨海峡两岸地理学术研讨会论文摘要集[C];2004年
赵玥;苏剑波;李熠;;[A];中国自动化学会控制理论专业委员会C卷[C];2011年
李国明;赵海燕;;[A];吉林省测绘学会2008年学术年会论文集（下）[C];2008年
张磊;朱磊;;[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
王锐玲;施俊;;[A];中国仪器仪表学会第十二届青年学术会议论文集[C];2010年
王艳娟;孙劲光;张志艳;崔彩峰;;[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年
彭玲;赵忠明;;[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年
张涛;王成儒;;[A];第七届青年学术会议论文集[C];2005年
秦健;李涛;;[A];2009第五届苏皖两省大气探测、环境遥感与电子技术学术研讨会专辑[C];2009年
邢莉新;许惠平;;[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年
中国重要报纸全文数据库
沈占锋;[N];计算机世界;2006年
颜廷杰;[N];地质勘查导报;2006年
邱阳;[N];科技日报;2007年
顾宸宇;[N];人民政协报;2003年
中国科学院东北地理与农业生态研究所
李建平;[N];中国水利报;2008年
王丽霞;[N];中国交通报;2007年
于莘明;[N];科技日报;2009年
郑丽红;[N];科技日报;2006年
山西省文物考古研究所
宋建忠;[N];中国文物报;2008年
德仁;[N];经济日报;2006年
中国博士学位论文全文数据库
吕苗荣;[D];中南大学;2003年
刘亚岚;[D];中国科学院研究生院（遥感应用研究所）;2004年
姚琛;[D];西南交通大学;2011年
郭冬梅;[D];大连理工大学;2011年
刘伟东;[D];中国科学院研究生院（遥感应用研究所）;2002年
刘顺喜;[D];北京林业大学;2005年
吴淑莲;[D];福建师范大学;2011年
许建潮;[D];吉林大学;2005年
郑跃鹏;[D];中国地质大学（北京）;2009年
杨尔弘;[D];北京语言大学;2005年
中国硕士学位论文全文数据库
王庆;[D];西北大学;2008年
许勇;[D];北京工业大学;2001年
张磊;[D];西北工业大学;2003年
李慧;[D];福建师范大学;2005年
曹鲁慧;[D];山东大学;2005年
赵长领;[D];山东大学;2005年
田新光;[D];中国测绘科学研究院;2007年
董庆吉;[D];吉林大学;2005年
徐艳;[D];苏州大学;2005年
马雪梅;[D];河海大学;2006年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备74号作者：&作者本人请参看导师姓名：&学位授予单位：&授予学位：博士学位年度：2013专业：&关键词：&&&&&&&&&&摘要:（摘要内容经过系统自动伪原创处理以避免复制，下载原文正常，内容请直接查看目录。）激光雷达丈量（LiDAR）作为一种疾速获得空间数据的老手段，在地球空间信息迷信范畴获得了普遍运用。借助LiDAR技巧获得的地物三维点云数据与传统意义上的遥感技巧获得的影象数据比拟，仍存在语义信息匮乏、特点不持续等缺点，使得地物智能化分类和辨认等处置难度加年夜。而高分辩率影象虽具有光谱特点明显、纹理信息丰硕等长处，但同物异谱、同谱异物等景象招致应用影象停止目的主动解译靠得住性下降。是以，针对分歧传感器获得数据的长处和局限性，将点云与影象数据融会停止地物智能分类和辨认以填补单个数据源的缺点具有主要的研讨价值。本文基于多源数据融会实际，以支撑向量机（SVM）、决议计划树为分类器，对机载LiDAR点云与高分辩率多光谱遥感影象融会的地物分类实际和技巧停止深刻研讨，经由过程试验及特点空间剖析提醒两种数据融会分类的深入内在。研讨任务及立异点重要包含：1．从技巧层面临机载LiDAR点云与遥感影象融会分类触及的配准和滤波成绩停止了研讨。特别是应用统计矩道理完成了基于偏度均衡的点云滤波算法，该算法最年夜的优势在于无需阈值或参数支撑，且自力于LiDAR数据格局和分辩率，采取非监视分类法将空中点与非空中点主动分别。与传统算法比拟，此算法在Ⅱ类误差的掌握上略有缺乏，但高效、智能化处置的特色使其仍具有较年夜的适用价值。2．针对以往点云与影象融会分类技巧中存在的“特点少，精度低”的缺陷，重点增强点云特点优化提取战略研讨。将点云特点根据分歧的提取准绳分为直接特点和直接特点，提出了在特点向量中参加原始点云部分几何属性特点以进步分类精度及稳固性的思绪，并完成了五类法向量特点提取办法。对特点影象的剖析注解，法向量特点可以或许有用辨别途径、分歧外形的修建物、植被，并对车辆和植被辨认有较强的敏理性。3．将SVM引入点云与影象融会分类，提出了影象帮助点云及点云帮助影象两种多特点分类形式。分类成果注解，本文办法对分歧数据均具有较强的顺应性，而且两种分类形式都取得了较高的分类精度，特殊是点云整体分类精度和Kappa值到达了90%以上，且胜利完成车辆这一特别地物类型的提取。比较试验注解，不管在分类精度上照样在地物种别数目上，本文办法均显著优于传统的分类办法。4．采取正反向联合办法对影象帮助点云及点云帮助影象两种分类形式下的特点空间停止了深刻剖析，得出以下结论：①在影象帮助点云形式下，点云归一化高度（NH）特点对分类精度影响最年夜；②参加点云部分几何属性特点后，年夜年夜下降了修建物与树木类的错分几率，处理了修建物边沿点提取困难；③两种分类形式的比较剖析注解，点云对影象分类的进献量弘远于影象对点云分类的进献量，点云帮助影象分类更具现实意义；④以机载LiDAR点云为帮助数据的地物融会分类技巧将在将来占领主要的计谋位置。5．改良了非线性Mode滤波器以改良点云和影象数据的分类成果质量。针对点云和影象两种数据的分歧特色，分离应用k近邻型和窗口型Mode滤波器去除雀斑噪声和椒盐噪声。比较试验成果证实，改良的Mode滤波器能有用地进步点云和影象两种数据分类成果的精度。6．提出并完成了点云高程数据支撑下影象上地物精致分类的办法。为包管高精度地同种别地物再划分，综合斟酌帮助数据源、Mode滤波器、点云密度及影象空间分辩率、初次回波四种身分，应用决议计划树明显地进步了影象上修建物、植被的分类数目，使点云与影象的融会分类优势获得进一步表现，到达了分类精度与地物种别数目相同一的预期目标。7．提出并完成了多光谱影象帮助下点云中树种分类的办法。为防止特点提取单一而招致分类精度降低成绩，除归一化高度、强度等直接特点外，重点提取点云中可以或许描写树种冠层外面信息的直接特点，包含冠层回波特点、冠层几何属性特点、冠层垂直构造特点。试验成果注解，结合机载LiDAR点云与多光谱影象数据而且应用SVM分类器取得了较高的树种分类精度和更准确的种别数目。Abstract:Laser radar measurement (LiDAR) is a kind of fast method to obtain spatial data. It has been widely used in the field of information science. With the help of LiDAR techniques, the 3D point cloud data and the remote sensing image data obtained from the traditional sense are still lack of semantic information, and the characteristics of the remote sensing technology. And high resolution ratio image although it has obvious features of spectral and texture information rich wait for an advantage, but with synonyms spectrum, spectrum of foreign body scene lead to application memory stop to active solution decrease in translation is reliable. To aimed at different sensors obtain the strengths and limitations of the data, the point cloud and image data fusion stop features intelligent classification and identification to fill the shortcomings of a single data source has important research value. This paper based on multi-source data fusion reality, with support vector machine (SVM), and decision tree classifier, on Airborne LIDAR point cloud with high resolution rate multi spectral remote sensing image fusion terrain classification theory and technology of profound research. Through the experiment and the characteristics of spatial analysis remind two data fusion classification of deep within. Research work and innovative points include: 1. From the skill layer face touching the LIDAR point cloud data and remote sensing image fusion classification of registration and filtering performance was studied. Especially on the principle of statistical moments are used to complete the point cloud filtering algorithm based on Skewness equalization, the advantage of the algorithm is the most Nianye is without thresholds or parameters support, and independent of the lidar data pattern and resolution rate and take non monitoring classification, the air and non air active respectively. Compared with the traditional algorithm, this algorithm has a slight lack of the class II error, but the characteristics of high efficiency and intelligent disposal make it still have a large application value. 2. According to the previous point cloud and image fusion classification techniques, less characteristics and low precision "defects, focusing on enhanced point cloud feature extraction strategy research. According to the characteristics of different points, the characteristics of the points are divided into direct and direct features, and the features of the original point cloud are put forward in order to improve the classification accuracy and stability. Analysis of the characteristics of the image, the method can be useful to identify the characteristics of the method, different shapes of the construction, vegetation, and the identification of vehicles and vegetation have a strong sense of sensitivity. 3. The SVM is introduced to the point cloud and image fusion classification, proposed image help cloud point and point help image two characteristics of multi classification. Classification results note, this approach has a strong adaptability to different data, and the two classification of the form of a higher classification accuracy, especially point cloud overall classification accuracy and Kappa value reached more than 90%, and the successful completion of the special features of the vehicle. Comparison of the experimental notes, regardless of the classification accuracy on the number of different species, the paper is significantly better than the traditional classification method. 4 take a positive and negative way to help joint space characteristics of two kinds of classification image under the form of stop deep analysis to help the image point cloud and point clouds, to draw the following conclusion: in the image help form of point cloud, cloud height normalized (NH) characteristics of the largest in the cla point cloud geometry attribute the characteristics, greatly reduce the building and trees misclassification probability, the building edge point ext comparative analysis the two kinds of forms of annotation, the contribution amount of point cloud image classification with image classification on the amount of greater than the cloud point, point cloud image classification more help pr the LiDAR point cloud data, combining the data classification techniques help will occupy an important strategic position in the future. 5 improved the quality of the classification results of the nonlinear Mode filter to improve the point clouds and image data. In view of the different characteristics of the point cloud and image data, separation and application of k nearest neighbor and window type mode filters remove freckles and salt and pepper noise. Compared with the experimental results, the improved Mode filter can improve the accuracy of two kinds of data classification results. 6 proposed and completed a point cloud elevation data to support the image of a fine classification method. To ensure high precision homogeneous don't object to divide, comprehensive consideration of help data source, mode filters, point cloud density and image space resolution ratio, initial echo four identity, using decision tree obviously progress image construction, vegetation classification number, make the point cloud and image fusion classification advantage for further performance, reached the classification accuracy and the ground for don't the same number of targets. 7 proposed and completed a multi spectral image to help the next point in the classification of tree species. In order to prevent the feature extraction of single and lead to the classification accuracy of the results, in addition to the normalized height, intensity and other direct features, the focus of the point cloud can describe the direct characteristics of the canopy information outside, including the canopy echo characteristics, canopy geometric attributes, canopy vertical structure characteristics. Experimental results, combined with the airborne LiDAR point cloud and multi spectral image data and SVM classifier, the classification accuracy of the tree species was obtained.目录:摘要5-7Abstract7-9第一章 绪论13-34&&&&1.1 引言13-15&&&&1.2 点云与影像数据融合分类的理论基础15-16&&&&&&&&1.2.1 多源遥感数据融合的理论意义15&&&&&&&&1.2.2 点云与影像数据融合分类的概念15-16&&&&1.3 国内外研究现状16-23&&&&&&&&1.3.1 点云与影像数据融合分类的发展16-18&&&&&&&&1.3.2 国外研究现状18-21&&&&&&&&1.3.3 国内研究现状21-23&&&&1.4 实验数据23-30&&&&&&&&1.4.1 Niagara 数据24-25&&&&&&&&1.4.2 Vaihingen 数据25-28&&&&&&&&1.4.3 河南某地区数据28-30&&&&1.5 论文的研究内容及章节安排30-34&&&&&&&&1.5.1 论文的总体思路30-32&&&&&&&&1.5.2 论文的组织32-34第二章 机载 LiDAR 点云与遥感影像的配准及滤波34-48&&&&2.1 引言34&&&&2.2 机载 LiDAR 点云与遥感影像的配准34-37&&&&&&&&2.2.1 配准的基本问题34-35&&&&&&&&2.2.2 常用的配准变换模型及实例35-37&&&&2.3 无需阈值支持的机载 LiDAR 点云数据滤波37-46&&&&&&&&2.3.1 机载 LiDAR 点云数据滤波37-38&&&&&&&&2.3.2 基于偏度平衡的点云数据滤波38-40&&&&&&&&2.3.3 实验结果及分析40-46&&&&2.4 本章小结46-48第三章 机载 LiDAR 点云与遥感影像的特征提取与分析48-73&&&&3.1 引言48-49&&&&3.2 LiDAR 特征提取49-66&&&&&&&&3.2.1 点云直接特征提取49-53&&&&&&&&3.2.2 点云间接特征提取53-66&&&&3.3 遥感影像特征提取66-71&&&&&&&&3.3.1 光谱特征提取66-70&&&&&&&&3.3.2 纹理特征提取70-71&&&&3.4 本章小结71-73第四章 基于 SVM 的机载 LiDAR 点云与遥感影像融合分类73-101&&&&4.1 引言73&&&&4.2 支持向量机73-80&&&&&&&&4.2.1 线性模型74-75&&&&&&&&4.2.2 非线性模型75-77&&&&&&&&4.2.3 RBF 核77-78&&&&&&&&4.2.4 交叉验证及网格搜索78-80&&&&4.3 基于 SVM 的融合分类实验80-100&&&&&&&&4.3.1 实验准备工作81-82&&&&&&&&4.3.2 实验过程及结果82-90&&&&&&&&4.3.3 实验分析、精度评价及实验对比90-100&&&&4.4 本章小结100-101第五章 机载 LiDAR 点云与遥感影像融合分类的特征空间分析101-119&&&&5.1 引言101-102&&&&5.2 影像辅助点云分类的特征空间分析102-113&&&&&&&&5.2.1 点云特征分析102-109&&&&&&&&5.2.2 影像特征分析109-113&&&&&&&&5.2.3 结论113&&&&5.3 点云辅助影像分类的特征空间分析113-118&&&&&&&&5.3.1 点云综合特征分析114-115&&&&&&&&5.3.2 NH 特征分析115-117&&&&&&&&5.3.3 结论117-118&&&&5.4 本章小结118-119第六章 机载 LiDAR 点云与遥感影像融合的地物精细分类119-150&&&&6.1 引言119-120&&&&6.2 Mode 滤波器120-124&&&&&&&&6.2.1 滤波器原理120-121&&&&&&&&6.2.2 改进的 Mode 滤波器121-122&&&&&&&&6.2.3 实验结果与分析122-124&&&&6.3 基于决策树的地物精细分类124-128&&&&&&&&6.3.1 点云支持下地物精细分类的实现方法125-127&&&&&&&&6.3.2 实验结果与分析127-128&&&&6.4 点云与影像融合的树种分类128-149&&&&&&&&6.4.1 研究背景及现状129-131&&&&&&&&6.4.2 树种专属特征提取与分析131-141&&&&&&&&6.4.3 基于 SVM 的树种分类实验141-149&&&&6.5 本章小结149-150第七章 总结与展望150-154&&&&7.1 总结150-152&&&&7.2 下一步研究的方向152-154致谢154-155参考文献155-162附录162-165作者简历165原价：￥20.00元折价：￥5.00元分享到：相关文献|