本書以改善SPOT5圖像森林分類精度為目的，從圖像預處理、圖像分割、ETM+輔助數據的應用、對象的光譜和紋理特征提取與篩選、多分類器分類與結合等整個流程進行了全面的、系統的和綜合的探索和研究。并以森林資源規則設計調查應用為目的，介紹了通過SPOT5圖像分割自動提取小班邊界的技術方法，以及基于規則分類的航空遙感圖像森林/土地利用/覆蓋分類方法。主要研究內容包括：林區GPS控制網的建立和基于該網采集地面控制點進行遙感圖像幾何精校正的方法，圖像融合、正射校正、圖像增強、彩色合成；圖像分割、基于規則的分類和基于分類的分割等。
第1章 面向對象的圖像分析方法與森林遙感分類研究進展
1.1 遙感圖像分類概述
1.2 面向對象的圖像分析方法
1.3 遙感圖像森林分類研究現狀與趨勢
1.4 研究區域概況和數據源
1.5 面向對象的遙感圖像森林分類總體思路
1.6 本章小結
參考文獻
第2章 SPOT5圖像預處理
2.1 數據預處理基本流程
2.2 林區GPS控制網的建立
2.3 幾何精校正和空間配準
2.4 圖像融合
2.5 正射校正
2.6 圖像增強
2.7 彩色合成
2.8 本章小結
參考文獻
第3章 圖像分割與基于規則的分類
3.1 圖像分割
3.2 基于規則的分類
3.3 基于分類的分割
3.4 圖像分割效果評價方法
3.5 結果分析與討論
3.6 本章小結
參考文獻
第4章 對象特征提取與篩選
4.1 對象特征提取
4.2 對象特征分析和正態性分布檢驗
4.3 對象特征篩選
4.4 結果分析與討論
4.5 本章小結
參考文獻
第5章 面向對象的多分類器分類
5.1 分類方案確定
5.2 訓練樣地選取
5.3 最小距離分類器
5.4 馬氏距離分類器
5.5 Bayes分類器
5.6 模糊分類器
5.7 支持向量機分類器
5.8 討論
5.9 本章小結
參考文獻
第6章 多分類器結合
6.1 標準的多分類器結合方法
6.2 模糊融合方法
6.3 投票法與模糊融合相結合方法
6.4 結果分析與討論
6.5 本章小結
參考文獻
第7章 基于SPOT5圖像分割的森林小班邊界自動提取
7.1 研究區域概況和數據源
7.2 小班邊界自動提取方法
7.3 圖像分割結果與分析
7.4 討 論
7.5 本章小結
參考文獻
第8章 面向對象的航空遙感圖像土地利用/覆蓋分類
8.1 試驗區概況及試驗數據
8.2 圖像分割
8.3 特征檢測和基于規則的分類
8.4 結果分析與討論
8.5 本章小結
參考文獻
附表1 最小距離分類混淆矩陣_0312new第三級
附表2 最小距離分類混淆矩陣_noTM第三級
附表3 最小距離分類混淆矩陣_WithTM第三級
附表4 馬氏距離分類器混淆矩陣_0312new第三級
附表5 馬氏距離分類器混淆矩陣__noTM第三級
附表6 馬氏距離法分類混淆矩陣_withTM第三級
附表7 Bayes準則分類混淆矩陣_0312new第三級
附表8 Bayes準則分類混淆矩陣_notM第三級
附表9 Bayes準則分類混淆矩陣_withTM第三級
附表10 模糊分類混淆矩陣_0312new第三級
附表11 模糊分類混淆矩陣_noTM第三級
附表12 模糊分類混淆矩陣_withTM第三級
附表13 支持向量機分類混淆矩陣_0312new第三級
附表14 支持向量機分類混淆矩陣_noM第三級
附表15 支持向量機分類混淆矩陣_withTM第三級
附表16 方案0312new分類器融合結果表——投票/模糊法
附表17 方案noTM分類器融合結果表——投票法
附表18 方案noTM分類器融合結果表——Bayesian平均法
附表19 方案noTM分類器融合結果表——模糊法
附表20 方案noTM分類器融合結果表——投票/模糊法
附表21 方案withTM分類器融合結果——投票/模糊法
附表22 方案noTM各類型對象特征值的變動系數
附表23 方案withTM各類型對象特征值的變動系數
附表24 方案noTM各類型間的歐氏距離
附表25 方案withTM各類型間的歐氏距離
附圖1 原始圖像
(1)SPOT5圖像，R/G/B=4/2/1
(2)Landsat7：ETM+圖像，R/G/B=5/4/3
附圖2 各方案的Bayes分類器分類結果(全圖)
(1)方案0312new的Bayes分類器分類結果
(2)方案noTM的Bayes分類器分類結果
(3)方案withTM的Bayes分類器分類結果
附圖3 各方案的第三級分類的Bayes分類器分類結果比較(局部)
粵公網安備 44030902003195號