文档介绍：郑州大学毕业设计(论文)
题目: 遥感影像的分类方法研究
指导教师: 职称: 讲师
学生姓名: 学号:
专业: 地理信息系统
院(系): 水利与环境学院
完成时间: 201 年5月27日
201 年 5 月 27 日
目录
摘要 I
Abstract II
1 绪论 1
研究背景 1
遥感影像分类研究现状 1
提高分类精度的新方法和新技术 2
本文主要研究内容 3
本文研究技术路线 3
2 遥感影像计算机分类方法 4
遥感影像计算机分类的基本原理 4
传统的非监督分类方法 4
K均值分类 5
ISODATA分类方法 5
传统的监督分类方法 5
遥感影像计算机分类流程 5
最大似然分类 6
最小距离分类 6
马氏距离分类 7
新型的监督分类方法 7
支持向量机 7
决策树分类方法 8
遥感影像分类精度评价 9
评价的标准 9
混淆矩阵 9
Kappa 系数 9
3 特征的提取和选择 11
研究区概况 11
11
11
4 新型分类方法技术支持 14
支持向量机 14
核函数选取 14
其他参数设置 15
决策树分类的技术支持 15
15
NDVI植被指数分析统计 17
高程值分析统计 18
坡度值分析统计 19
主成分变换分析统计 20
5 遥感影像分类的实现和精度评价 22
22
训练样本的提纯 22
最大似然分类 22
马氏距离分类 23
最小距离分类 24
传统的监督分类精度分析与评价 25
新型的监督分类方法的实现 26
支持向量机分类 26
决策树分类 27
新型分类方法与传统方法的比较分析 29
6 结论与展望 30
30
30
致谢 32
参考文献 33
摘要
传统的遥感影像分类方法有监督分类和非监督分类,本文主要研究监督分类。传统的分类方法,一般是基于概率统计,主要有最大似然分类,马氏距离分类,最小距离分类。人们不断的尝试和研究新的方法,以便改善分类精度。近年来,研究较多的是决策树、支持向量机等。
本文首先对五种分类方法进行简单概述,然后选取训练样本,最后进行分类。重点介绍了以NDVI值、高程值、坡度值和主成分变换为分类条件的决策树分类过程,最后输出分类图。通过误差矩阵和Kappa系数对不同分类方法的结果进行精度评价。
最后,通过数据比较和图表分析,可以看出这五种分类方法中,分类精度由高到低依次是:支持向量机、最大似然法、决策树、马氏距离和最小距离。新型方法优势明显,决策树的精度有待提高。
关键词:遥感影像分类;支持向量机;决策树;精度分析
Abstract
The traditional classification method are supervised classification and the supervised classification, this paper research the supervised classification mainly. The traditional remote sensing image classification method is based on the probability and statistics, mainly has the Maximum likelihood, Mahalanobis distance, Minimum distance. People keep try and study the new method to improve the accuracy of classification. In recent years, the most study are Decision tree and Support vector machine, etc.
This paper first gives a brief overview on the five types of classification method, then de