学位论文 > 优秀研究生学位论文题录展示

地统计学和神经网络在遥感影像分类中的应用研究

作　者: 李小涛
导　师: 杨锋杰；张继贤
学　校: 山东科技大学
专　业: 矿产普查与勘探
关键词: 纹理地统计学变差函数 BP神经网络遥感影像分类
分类号: P237
类　型: 硕士论文
年　份: 2004年
下　载: 712次
引　用: 5次
阅　读: 论文下载

内容摘要

遥感影像分类一直是遥感研究领域的重要内容，传统的遥感影像分类方法大都是基于影像光谱特征的计算机自动分类，忽略了影像的空间结构信息，而且传统的分类方法对数据的分布要求较严格。针对这一问题，本文提出了一种辅以地统计学变差函数纹理特征的神经网络分类方法。纹理是遥感影像的一个重要特征，在这一方面人们做了大量的研究。近年来，高分辨率遥感影像的出现，为我们提供了更为丰富、清晰的纹理信息，有效的利用这些纹理信息对于遥感影像分类具有重要的实用价值。本文首先分析了遥感影像分类方法和纹理提取方法的研究现状，接着对地统计学的基本原理进行了论述，在这一理论的基础上，对变差函数应用于遥感影像的纹理描述和提取进行了论证和实验说明；并就一些具体应用问题如计算窗口大小、计算方向和计算步长的选择等问题进行了讨论，提出了一种自适应的确定纹理计算窗口大小的方法；同时，在现有算法的基础上提出了一种新的纹理计算方法——加权变差函数法。在以上研究的基础上，考虑到神经网络分类方法对数据源性质没有要求，因此，本文将由变差函数得到的纹理信息与光谱信息相结合，运用神经网络方法进行分类和地物识别，并与最大似然法的分类结果进行了对比分析，结果表明该方法能明显提高遥感影像的分类精度。通过本次研究说明本文所提出的辅以变差函数纹理特征的多光谱遥感影像神经网络分类方法是可行的。

全文目录

中文摘要  4-5
英文摘要  5-20
第一章引言  20-28
  1.2 研究目的和意义  20
  1.2 国内外研究现状  20-25
  1.3 研究思路及内容  25-27
  1.4 小结  27-28
第二章地统计学在纹理分析中的应用  28-51
  2.1 地统计学原理及方法  29-40
  2.2 基于地统计学的遥感影像纹理计算方法  40-42
  2.3 一种改进的遥感影像变差函数纹理计算方法  42-43
  2.4 变差函数纹理计算的影响因素分析  43-46
  2.5 变差函数纹理在遥感影像分类中的应用  46-47
  2.6 变差函数纹理计算程序设计  47-50
  2.7 小结  50-51
第三章遥感影像分类方法  51-63
  3.1 遥感影像分类方法概述  51-52
  3.2 神经网络概述  52-56
  3.3 B-P神经网络  56-62
  3.4 小结  62-63
第四章基于地统计学和神经网络的遥感影像分类研究  63-76
  4.1 研究区概述  63-64
  4.2 技术流程  64-65
  4.3 遥感影像预处理  65-67
  4.4 遥感影像变差函数纹理提取  67-68
  4.5 基于变差函数和神经网络的遥感影像分类  68-75
  4.6 小结  75-76
第五章结论和展望  76-77
  5.1 结论  76
  5.2 展望  76-77
参考文献  77-82
致谢  82-83
附录  83

地统计学和神经网络在遥感影像分类中的应用研究

内容摘要

全文目录

相似论文