版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、中南林學院博士學位論文基于多特征的高分辨率遙感圖像分類技術(shù)研究姓名:林輝申請學位級別:博士專業(yè):森林經(jīng)理學指導教師:李際平20050601第8頁共139頁基于多特征的高分辨率遙感圖像分類技術(shù)研究中南林學院博士學位論文AbstractRemotesensingtechnologyhasobtainedgreatachievementsinresentyears,oneofthemostoutstandingexamplesisthehig
2、h—resolutionremotesensing,whichwidensanddepthenstheapplicationofremotesensing,andbringsvigortemotesensingHoweverpeopleareoftencaughtunpreparedwhilejoyingforthisnewtechnologyThetechnologyandmethodsofremotesensinghavebeenb
3、uiltonlowormedium—resolutionimageforalongtime,andtheydon’tworkwellasexpectedtohigh—resolutionimages,thusit’simportantandurgenttostudynewmethodstoprocessthehigh—resolutionremotesensingimagesSothispaperexploredtheprocessio
4、nandclassificationofhighresolutionremotesensingimages,andthemainresultsarefollowing:1ThecontraststudyofspectralcharacteristicsofdifferentlandtypesbothonthegroundandontheQuiciBirdimageInthisresearch,thestudyareawasdivided
5、into6landtypes:road,waternakedland,farlTlland,residentialareaandwoodlandThespectralcurvesofalllandtypesweregotbymeasuringonthegroundandreadingontheQuickBirdimagerespectively4gradesweredividedaccordingtothedifficultyofide
6、ntification:theeasiestisroadandwater,thefollowingisnakedlandandconiferandthemostdifficultisresidentialareafarmlandandbroadleafarelessdimcult2Studyontheprecisionanddensityofgroundcontrolpoints(GCPs)ThisstudyshowedthattheG
7、CPsshouldbechosenfromlargescaletopographicmapsduringcorrectinghigh—resolutionremotesensingimages,suchas1:500TheGCPsshouldbemuchdenserthanthoseofmediumorlow—resolutionremotesensingimages1GCPper10km2isneededforQuickBirdima
8、gecorrectionatleast,thedensertheGCPsare,thehighertheprecisionis3Theaffectionofresolutionsonthetraditionalmethodsofclassification6kindsoflandtypesweredevidedandvisualinterpretedSupervisedandunsupervisedclassificationwered
9、onerespectivelytothedifferentresolutionremotesensingimageslikeTM,ETMandQuickBirdaftersimilarbandscombinationandsamepreprocessingTheresultsshowedthat:theprecisionofsupervisedandunsupervisedclassificationwereverylowandthep
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 高分辨率遙感圖像分類技術(shù)研究.pdf
- 基于多特征的面向?qū)ο蟾叻直媛蔬b感圖像分類.pdf
- 基于高分辨率遙感圖像的車輛分類識別研究.pdf
- 面向?qū)ο蟮母叻直媛蔬b感圖像分類.pdf
- 基于紋理特征的高分辨率遙感影像分類方法研究.pdf
- 高分辨率遙感影像多尺度分類方法研究.pdf
- 面向?qū)ο蟮母叻直媛蔬b感影像分類技術(shù)研究.pdf
- 基于紋理融合的高分辨率遙感圖像分類方法研究.pdf
- 高分辨率遙感影像分類方法研究
- 基于Hadoop的高分辨率遙感圖像處理研究.pdf
- 基于多特征的高分辨率遙感圖像城區(qū)建筑物提取.pdf
- 基于視覺詞袋模型的高分辨率遙感圖像分類研究.pdf
- 高分辨率遙感圖像處理若干關(guān)鍵技術(shù)研究.pdf
- 基于多特征融合的高分辨率極化SAR圖像分類方法研究.pdf
- 高分辨率遙感圖像道路提取研究.pdf
- 高分辨率遙感圖像分割方法研究.pdf
- 高分辨率光學遙感圖像小目標檢測技術(shù)研究.pdf
- 面向?qū)ο蟮母叻直媛蔬b感影像分類
- 面向?qū)ο蟮母叻直媛蔬b感影像分類
- 高分辨率遙感圖像多類目標識別研究.pdf
評論
0/150
提交評論