文档介绍：摘要个领域。然而,与日益发达的对地观测技术相对应的影像处理和信息提取技术进展相对缓慢,特别是在目标地物信息表现丰富多样、能反映精细的地物空间结构方法,费时费力,准确率难以保证,严重制约了高空间分辨率遥感影像的大规模应用,并且造成了影像数据的极大浪费。针对目前面向对象遥感识别方法中存在的问题,本文以J笛槠在教ㄖ校愿哺俏浜撼乔腝遥感影像数据采用多种影像融合和影像增强的方法进行预处理,并利用分割结果选取最佳预处选取两组实验数据,使用均值漂移的分割方法,通过实验选择最优状、拓扑等特征,并针对这些特征为建筑物识别制定类方案。上世纪九十年代以来,高空间分辨率对地观测技术进入了飞速发展阶段,所获得的遥感数据除空间分辨率大大增强外,数据量也成几何倍数增加,开始广泛应用于测绘,农业、林业、城市规划、国土资源管理、地质矿产勘察、军事等各和分布信息,在城市规划领域极具价值的高空间分辨率遥感影像的处理方面,目前仍没有一套精确高效的地物识别方法。人工目视解译仍然是最普遍使用的判读基于此,本文总结了目前国内外常用的遥感目标识别方法和高空间分辨率遥感影像中建筑物目标识别方法,认为面向对象的遥感目标识别方式以其最接近人工判读习惯的识别模式,有着较强的应用前景。然而目前面向对象的识别方式发展还不完善,提取精度还不理想,对人工参与的要求仍然较高,大规模影像处理尚难实现。台,采用8惺荩辛艘幌盗械氖笛椋岢隽笋詈戏隨蹦的目标识别方法并进行了精度验证。本文所作的工作如下:理方法。分割尺度和分割参数。总结建筑物在高空间分辨率遥感影像中所表现出的光谱、纹理、形浙江大学硕士学位论文面向高空问分辨率遥感影像的建筑物目标识别方法研究知识水坝为您整理关键词:高空间分辨率遥感影像,面向对象,目标识别,多尺度分割,的遗传算法,提出了耦合例与..幕D勘晔侗鸱椒ǎ辛耸笛檠橹げ⒂传统的特征优化和分类方法的识别结果做了对比,证明该方法能够获得较高的识在基元识别过程结束后,设计了基元合并算法将零散的建筑物基元遗传算法,支持向量机总结了目前建筑物识别中常用的特征优化和分类方法,改进了传统别精度。合并成有意义的整体。’浙江大学硕士学位论文面向高空间分辨率遥感影像的建筑物目标识别方法研究蘲篺,.籈:..,。.琲篹,甆..芶籘浙江大学硕士学位论文面向高空间分辨率遥感影像的建筑物目标识别方法研究。..彬篿.;籑;籗酗:..图表目录图目录:图ㄖ镄畔⑻崛×:羰荩遥篒⋯⋯⋯⋯⋯⋯⋯一图跋裨銮壳昂蟮幕叶戎狈酵肌图跋裨銮壳昂蟮挠跋裥Ч图嫉腝多光谱影像和全色影像⋯⋯⋯⋯⋯⋯⋯。..图丈ǹ占淙诤戏左途植糠指罱峁右融合结果做灰度拉伸和局部分割结果⋯⋯⋯⋯⋯⋯⋯⋯..变换融合法和局部分割结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...融合结果做灰度拉伸和局部分割结果⋯⋯⋯⋯⋯⋯...融合结果直方图均衡化和局部分割结果⋯⋯⋯⋯⋯...图鞒煞直浠蝗诤戏左途植糠指罱峁右图主成分变换融合结果直方图均衡化和局部分割结果⋯⋯⋯...图主成分变换融合结果做卷积处理和局部分割结果⋯⋯⋯⋯...图主成分变换融合卷积处理后直方图均衡化和局部分割结果...ㄖ嘈头智肌图第“薄ⅰ”类型建筑物实验区域原始影像图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。..图分割尺度,参与波段,姆指钚Ч左熬植肯晖右图分割尺度,参与波段,姆指钚Ч肌图分割尺度斡氩ǘ,的分割效果图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...图分割尺度斡氩ǘ,的分割效果图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯....图分割尺度斡氩ǘ的分割效果图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯....图分割尺度斡氩ǘ的全图分割效果图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯“崩嘈徒ㄖ锸笛榍蛟加跋裢肌图不同分割尺度下的分割效果图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图分割尺度为斡氩ǘ蜪,的全图分割效果图⋯⋯⋯⋯⋯⋯⋯【嗬敕掷嗥鞯淖饔迷怼图钚【嗬敕掷嗥鞯氖迪至鞒獭弧图S玫牧ナ舳燃扑愫图片来源:商业软件培训教材图ナ舳鹊募扑愫横坐标为标准特征值,纵坐标为隶属度值。图居隨耦合结构图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...图嗔诨:喜⑹纠肌图嗔诨:喜⑺惴鞒掏肌图枷嗤粜曰:喜⒘鞒掏肌图笛橐辉际荨图笛槎际荨畇图掷嗵逑低肌图笛橐谎盗费炯左筒馐匝炯右唬畇面向高空问分辨率遥感影像的建筑物目标识别方法研究浙江大学硕士学位论文×鹘谙缀臀评硖卣魅ㄖ睾蟮氖侗鸾峁图钣啪ǘ认碌慕ㄖ锘J侗鸾峁图杂τ谧笸嫉慕ㄖ锬勘晔侗鸾峁褂萌ú鎏卣鞯氖侗鸾峁詈戏胱钚【嗬敕掷嗥鞯氖侗鸾峁表目录:图笛槎盗费炯左氩馐匝炯右图笛橐蛔钣啪ǘ认碌奶卣饔叛〗峁左我陨嫌叛〗峁奶卣右图钪粘槿〕龅慕ㄖ锫掷!图仅使用平均亮度值的识别结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...图仅使用滴蟮氖侗鸾峁