中山陵景區(qū)SPOT5融合及分類技術研究.pdf

1、　　本文是以中山陵園景區(qū)為研究區(qū)域，在對原始數(shù)據(jù)SPOT5遙感影像進行幾何校正、地形校正和光譜特征分析的基礎上，對遙感影像進行了一系列常規(guī)處理，如反差增強、比值增強、主成分變換、纓帽變換、MNF變換、假彩色合成等；在探討分析多光譜波段影像的信息熵、均值、方差、相關系數(shù)等統(tǒng)計特征后，計算波段不同組合的協(xié)方差行列式和最佳指數(shù)(OIF)，得出對于SPOT5而言，原始波段最佳的彩色合成組合是波段4、波段2、波段1，綜合幾種影像變換后，混合波段的

2、最佳彩色合成組合是PC1、BR、MNF1。　　在對影像的融合技術進行了研究的基礎上，采用了HIS變換融合、K-L變換融合、K-T變換融合、線性加權融合、Brovey變換融合和小波變換融合等方法對SPOT5高分辨率的全色波段影像和低分辨率的SPOT5多光譜波段4、2、1影像進行融合，其中對傳統(tǒng)的小波融合算法進行了改進，并對融合后的影像分別從主觀和客觀兩方面進行了定性和定量的評價，其中客觀評價分別以亮度信息、空間信息和光譜信息為指標，具體

3、計算了各特征影像的均值、方差、信息熵、清晰度和相關系數(shù)。再以各種融合影像為分類底圖，實施了監(jiān)督分類，在分類中采用了在專題矢量圖件與種子像元擴展緊密相結合的訓練樣本優(yōu)選法基礎上，用眾數(shù)濾波器對訓練樣本進行純化的樣本提取方法，主要分類器選用了傳統(tǒng)的最大似然法、最小距離法和馬氏距離法，同時也初探了基于決策樹與傳統(tǒng)分類器(馬氏距離法)相結合模型的遙感影像自動分類方法。最后對分類后的影像進行了分類后處理，包括聚類統(tǒng)計、過濾分析、和去除分析，剔除了