导读:本文包含了遥感影像分类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:遥感,影像,特征,高分,树种,深度,形态学。
遥感影像分类论文文献综述
马长辉,黄登山[1]（2019）在《纹理与几何特征信息在高空间分辨率遥感影像分类中的应用》一文中研究指出为充分利用高空间分辨率遥感影像所包含的纹理与几何特征信息,提高影像的分类精度,应用面向对象技术和Log-Gabor小波来提取影像纹理和几何特征信息,并结合影像光谱信息对影像进行分类。选用的分类器为粒群优化算法优化参数的支持向量机分类器,使用资源叁号和高分二号两种不同传感器的卫星影像对方法进行验证,影像数据地物类型包含林地、草地、裸地、沙地、建筑物和道路等典型实体对象。通过对实验结果的目视比较和统计分析结果表明,所提方法分类结果精度较传统方法有所提高。(本文来源于《测绘地理信息》期刊2019年06期）
雷鸣,田卫新,任东,董婷[2]（2019）在《基于对象分类的遥感影像森林变化检测方法》一文中研究指出针对湖北省宜昌市点军区森林变化检测应用需求,采用两期高分二号(GF-2)数据进行对比分析。定义了基于邻域差分绝对值与标准差比的多尺度分割评价函数,用来确定对遥感图像分割的分割尺度、形状因子以及紧凑度。通过试验,利用神经网络分类方法确定了基于对象分类的最优特征组合,并采用基于对象的最近邻(kNN)分类方法对遥感图像进行分类,最后对两期遥感影像分类结果中的森林类别进行变化检测。结果显示,在分类过程中,基于对象的分类总体精度为0.986 6,Kappa系数为0.975 2,高于神经网络和最大似然分类方法。在以森林地为主的丘陵地带变化检测应用中具有较好的适用性。(本文来源于《森林与环境学报》期刊2019年06期）
谭琨,王雪,杜培军[3]（2019）在《结合深度学习和半监督学习的遥感影像分类进展》一文中研究指出本文以结合深度学习的遥感影像特征提取和不充足样本下地物识别与分类作为出发点,对2017—2019年用于遥感图像处理中小样本训练的深度学习方法进行归类总结,介绍如何结合深度学习技术解决遥感影像在样本不充分情况下的有效训练问题,从深度生成模型、迁移学习以及一些高效特征提取网络3个方面进行全面剖析。首先,探讨了以GAN(generative adversarial network)和VAE(variational autoencoder)及其衍生结构在遥感技术中分类、变化检测上的应用;然后,在基于知识复用的辅助训练策略——迁移学习中主要从基于网络的迁移和基于数据结构的迁移两大类应用展开讨论;最后探讨了结合半监督学习和主动学习等思想的深度学习算法以及一些新颖的网络结构的应用。虽然深度学习在遥感技术领域发挥了极大的优势,性能也普遍超过了浅层的学习器,但结合物理模型的分析和高性能的实用性遥感应用仍需进一步发展与研究。(本文来源于《中国图象图形学报》期刊2019年11期）
李哲,张沁雨,邱新彩,彭道黎[4]（2019）在《基于高分二号遥感影像树种分类的时相及方法选择》一文中研究指出掌握森林内树木种类及其分布情况对研究森林生态系统具有重要意义.为推广国产高分数据在森林树种分类方面的应用,同时探究不同时相、分类特征及分类器的组合对树种分类结果的影响,本研究利用3景高分二号影像构建了3种单时相和4种多时相,通过多尺度分割、C5.0特征优选及支持向量机(SVM)和随机森林(RF)两种分类器分别实现了不同时相及特征维度下面向对象的8个树种的分类,最终取得了总体精度在63.5～83.5%、Kappa系数在0.57～0.81的良好结果.结果表明:时相的选择会对分类结果产生较大的影响,其中,基于多时相的结果往往优于单时相,多时相下不同影像组合间以及单时相间亦存在明显的精度差异;特征优选会对分类精度的提升起到积极作用,应予以足够重视;SVM在不同时相及特征维度下的表现均较为稳定,在单时相及分类特征难以直接区分树种的情况下应优先使用SVM,但使用SVM时应注意其易发生过拟合;RF不易发生明显的过拟合,但其对分类特征的质量依赖较大,并倾向于在良好的影像组合下取得较为优异的结果.(本文来源于《应用生态学报》期刊2019年12期）
程滔,吴芸,郑新燕,杨刚,白驹[5]（2019）在《面向遥感影像智能分类的海量样本数据采集方法》一文中研究指出以地理国情监测高分辨率遥感影像及高精度地表覆盖分类产品为数据源,提出了一种面向遥感影像智能分类、基于位置匹配技术的全国尺度海量样本数据采集方法。根据数据源特征,研究了县域采集数量权重设置、坐标投影转换、栅格灰度重采样、无效样本数据过滤、地表覆盖分类码映射、样本数据命名标识、特定地表覆盖类型样本数据采集等关键技术,构建了位置匹配的遥感影像数据与分类标签数据组成的样本数据对,开发了样本数据自动采集软件。利用该方法,以县级行政区划为单元,实现了全国尺度海量样本数据采集。选取其中5个县域的成果,评估了方法的实用性及运算性能。研究表明:该方法提升了生产全国尺度海量样本数据的计算响应速度;采集的样本数据能够满足遥感影像智能分类对样本源高质量、大规模的需求,提升了遥感影像分类与预测的准确度。(本文来源于《测绘通报》期刊2019年10期）
李哲,张沁雨,彭道黎[6]（2019）在《基于高分二号遥感影像的树种分类方法》一文中研究指出为推广国产高分数据在森林树种分类方面的应用,以北京市延庆区八达岭国家森林公园主要区域的6期高分二号影像为数据源,在分层分类的基础上,利用支持向量机递归特征消除、C5.0决策树、FSO 3种特征优选方法,从4种特征维度下实现面向对象的支持向量机和随机森林的森林树种分类,最终取得总体精度平均为83.65%,特定树种生产者精度介于93.75%(山杏)和38.10%(刺槐)之间,特定树种用户精度介于100%(华北落叶松)和44.74%(榆树)之间的良好结果。结果表明:C5.0决策树耗时最短(0.01 h)且其所选特征应用于分类总体精度最高(86.90%);在不同特征维度下支持向量机分类的总体精度比随机森林平均高出3.28%;支持向量机和随机森林均对特征维度不敏感,但良好的特征优选结果仍会对支持向量机的分类效率(最高提升86.98%)和随机森林的分类精度(最高提升9.22%)产生较大影响。(本文来源于《遥感技术与应用》期刊2019年05期）
张学明,林清莹,于忠海,段龙妹[7]（2019）在《面向对象的SVM分类技术在遥感影像分类上的应用研究——以威海市为例》一文中研究指出威海的城市发展是滨海城市的代表,将面向对象的分类方法与SVM分类方法相结合,利用Landsat MSS/TM/OLI影像采用面向对象SVM分类技术对威海市1985年～2015年的土地利用类型进行分类提取。研究结果表明:①分类结果Kappa系数都大于0.83,整体分类精度大于85%;②面向对象的SVM分类方法精度较高,可以用于遥感影像的分类,为城市的土地利用、景观设计以及发展和规划研究提供数据支撑。(本文来源于《城市勘测》期刊2019年05期）
楚恒,蔡衡,单德明[8]（2019）在《高分辨率遥感影像的多特征多核ELM分类方法》一文中研究指出针对高分辨率遥感影像地物分布复杂多变,利用ELM的快速分类性能,提出了一种ELM的多特征多核高分辨率遥感影像分类方法。首先利用多尺度分割算法将原始影像粗分为若干地物区域;然后依据区域合并准则对粗分割图像合并得到典型地物特征的对象信息,并提取分割对象的光谱特征与空间特征;最后以多种核函数加权组合的方式构建多核ELM对影像分类,获得最终的分类结果。实验结果表明,所提方法不仅降低了对目标训练样本的要求,同时还提高了分类的准确性、及时性和完整性。(本文来源于《计算机工程与科学》期刊2019年10期）
刘贾贾,刘志辉,刘龙,刘晓丹,马旭东[9]（2019）在《基于遥感影像的农村建筑物分类》一文中研究指出利用面向对象的遥感影像信息提取方法对建筑物进行分类研究,选取张家口不同地区5个中等规模农村建筑为研究对象,根据建筑物特征信息从遥感影像上进行提取,根据信息提取调整后的结果进行建筑物分类,并与调研结果进行对比,结果表明:建筑物分类准确率达到80%以上,满足对张家口地区农村建筑物分类的需求,可以用来辅助完成对建筑物结构类型的实地调研,能够有效提高调研效率,服务于建筑物抗震设防调研。(本文来源于《华北地震科学》期刊2019年04期）
陈志会,卞振奇,赵秀英[10]（2019）在《基于属性形态学剖面多特征超高分辨率遥感影像分类研究》一文中研究指出针对近年来出现的超高分辨率遥感卫星数据,本文提出了一种基于形态学属性剖面多特征分类方法。首先针对超高分辨率多光谱影像提取属性形态学剖面,提取相应的细节信息;然后结合多光谱影像的光谱信息,训练分类器。其次,对Worldview2城镇区域影像进行了分类,可以看出,应用形态学属性剖面多特征分类的算法可以有效地将地物进行区分,目视结果和定量结果都达到了较高精度。(本文来源于《测绘与空间地理信息》期刊2019年09期）
遥感影像分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对湖北省宜昌市点军区森林变化检测应用需求,采用两期高分二号(GF-2)数据进行对比分析。定义了基于邻域差分绝对值与标准差比的多尺度分割评价函数,用来确定对遥感图像分割的分割尺度、形状因子以及紧凑度。通过试验,利用神经网络分类方法确定了基于对象分类的最优特征组合,并采用基于对象的最近邻(kNN)分类方法对遥感图像进行分类,最后对两期遥感影像分类结果中的森林类别进行变化检测。结果显示,在分类过程中,基于对象的分类总体精度为0.986 6,Kappa系数为0.975 2,高于神经网络和最大似然分类方法。在以森林地为主的丘陵地带变化检测应用中具有较好的适用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遥感影像分类论文参考文献
[1].马长辉,黄登山.纹理与几何特征信息在高空间分辨率遥感影像分类中的应用[J].测绘地理信息.2019
[2].雷鸣,田卫新,任东,董婷.基于对象分类的遥感影像森林变化检测方法[J].森林与环境学报.2019
[3].谭琨,王雪,杜培军.结合深度学习和半监督学习的遥感影像分类进展[J].中国图象图形学报.2019
[4].李哲,张沁雨,邱新彩,彭道黎.基于高分二号遥感影像树种分类的时相及方法选择[J].应用生态学报.2019
[5].程滔,吴芸,郑新燕,杨刚,白驹.面向遥感影像智能分类的海量样本数据采集方法[J].测绘通报.2019
[6].李哲,张沁雨,彭道黎.基于高分二号遥感影像的树种分类方法[J].遥感技术与应用.2019
[7].张学明,林清莹,于忠海,段龙妹.面向对象的SVM分类技术在遥感影像分类上的应用研究——以威海市为例[J].城市勘测.2019
[8].楚恒,蔡衡,单德明.高分辨率遥感影像的多特征多核ELM分类方法[J].计算机工程与科学.2019
[9].刘贾贾,刘志辉,刘龙,刘晓丹,马旭东.基于遥感影像的农村建筑物分类[J].华北地震科学.2019
[10].陈志会,卞振奇,赵秀英.基于属性形态学剖面多特征超高分辨率遥感影像分类研究[J].测绘与空间地理信息.2019
论文知识图
