吴学松毕业答辩.pptVIP

面向对象的绥阳县遥感影像水体信息提取方案设计 设计的基本框架及主要内容 设计的目的及意义 工程概况及影像预处理 面向对象的水体信息提取方法 提取结果精度分析及最终方案确定 结论 设计的目的及意义 目的 本次毕业设计是在地里国情普查的背景下进行的，在本次国情普查中，遥感技术发挥了很大的作用，我们有幸参与了这个项目，并且结合社会生产实践来完成我们的毕业设计，结合生产中出现的问题，通过本次毕业设计寻找一个好的解决问题的方案。 意义 我们将通过本次设计，一方面可以学到很多来自其他学者很好的方法，同时通过对面向对象绥阳县遥感影像水体信息的分析，提取水体信息并解译，以实现高空间分辨率影像水体信息提取，提高遥感影像数据中的水体提取的精度、加快提取速度、减少工作量，降低遥感影像分类费用。另一方面可以通过此次设计学习了解更多关于遥感方面的知识，这对即将毕业的我们是一笔巨大的财富。 工程概况及影像预处理 研究区概况 绥阳县位于贵州省北部，大娄山脉中段，属于遵义市管辖，东经106°57′22″—107°31′31″，北纬27°49′22″—28°29′34″，全县南北长70多公里，东西大约56公里，国土面积2566多平方公里，占贵州省总面积的 1.45%。2010年末总人口53.5万人，下辖12个镇和3个乡，117个村居，是一个正在遵义中部率先崛起的新型城市。绥阳县平均海拔866米。年平均气温15.1℃，年降雨量1160毫米，全年无霜期283天，年日照时数1114.2小时。绥阳独特的自然地理环境，有28座中小型水库，65条河流，水能蕴藏量8万千瓦，森林覆盖率28.7%，荒山草坡300万亩。 遥感数据源 SPOT卫星家族后续卫星命名为Pleiades，由 Pleiades-1 和Pleiades-2 组成。首颗Pleiades-1卫星已于2011年12月17日成功发射。分辨率为 50 cm 的超高空间分辨率并且幅宽达到了20 km x 20 km，又增加了一颗0.5米高分辨率商业卫星。Pleiades 1之后将有Spot 6，Pleiades 2和Spot7于2012年到2014年之间相继发射。具有相同的架构设计以及在同一个的轨道上运行，这个4颗卫星的星座将保证至少到2023年，我们都能提供响应速度更快，获取能力更强的0.5米到1.5米影像产品。本设计选用的数据由贵州省第二测绘院提供的，为贵州省绥阳县Pleiades影像数据，包括一个全色波段、四个多光谱波段，影像获取时间为2012年3月24日07:09:49(UTCTIME)。 2.3遥感图像与数据预处理 图像预处理是是遥感影像处理中很重要的一个环节,包括图像几何校正、图像融合、图像镶嵌和图像裁剪等过程。处理顺序一般如图所示 面向对象的水体信息提取方法 水体信息提取方法介绍 水体信息提取的主要步骤为: 基于边缘的分割算法对影像进行尺度分割; 分析对比不同分割尺度下水体的空间特征，确立最优分割尺度；结合光谱、形状、纹理等特征构建水体信息提取模型。提取水体信息基本流程： 面向对象的遥感影像解译 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。 影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识，基于边缘的及基于分水岭的等分割算法，本次设计用的是基于边缘的分割方法。 影像对象的分类，目前常用的方法是“基于样本分类”和“基于规则分类”。其主要步骤为：影像分割，特征提取（规则分类，基于样本的分类）精度评定，最佳方案选择。 基于边缘的分割算法 图像分割的一种重要途径是通过边缘检测，即检测灰度级或者结构具有突变的地方，表明一个区域的终结，也是另一个区域开始的地方。这种不连续性称为边缘。不同的图像灰度不同，边界处一般有明显的边缘，利用此特征可以分割图像。 本次设计所用的软件是envi5.0,FX的操作可分为发现对象和特征提取 通过控制不同尺度边界的差异，来产生从细到粗的多尺度分割。同时在对影像分割后还须对影像进行合并，因此选择分割尺度后还须确定一个合适的合并阀值，把分割后的一些小班进行合并。如下图所示为不同合并阀值得到效果图： 在这里我将分别选取分割尺度为10、20、30、40、对影像进行区域分割，然后得出最优尺度为20、92，分割效果如下 3.4.1基于样本分类 基于样本分类（supervised classification）又称训练