论文部分内容阅读
随着遥感技术的迅速发展，遥感影像中存储的信息也越来越丰富，采用传统的目视解译方法对影像进行信息获取与分类显然已经不合适，由此遥感影像目标的自动分类和识别成为遥感技术应用研究的重点。在实际应用中，由于影像信息的冗余导致数据处理复杂度的增加，使得直接对遥感图像进行分析处理，最后的分类效果往往不佳。有效的特征提取、特征筛选是直接决定分类效果的关键。
本文重点针对林区高分辨率遥感影像的分割技术、对象特征的提取与筛选以及分类精度的比较做了研究，主要成果如下：
(1)遥感图像的预处理。对所获得的研究区的SPOT5高分辨率遥感图像进行校正、配准、重采样、融合等预处理，得到最优效果的影像图。
(2)影像分割及信息提取。根据经验与多次试验，确定分割的各类参数，采用软件Definiens Developer7对处理好的影像进行分割，以及基于分割对象提取出影像的光谱、纹理、几何等信息。
(3)信息的筛选及分类精度比较的编程实现。在MATLAB平台下，设计开发出相应的程序，运用类内、类间离散度的比较，遗传算法，粒子群算法这3种方法对提取出来的对象特征信息给予筛选。最后采用传统的最大似然法进行图像分类对分类精度进行比较，找到相对最适应的筛选信息的算法。