不同時(shí)期天水市tm遙感影像特征與分類(lèi)分析_畢業(yè)論文-wenkub
2023-07-02 17:18:08 本頁(yè)面
【正文】 地所占百分比也在增大，耕地所占百分比顯著減小，植被所占百分比減小，河流所占百分比也有減小的趨勢(shì)。 經(jīng)過(guò)對(duì)比分析發(fā)現(xiàn)，在所選用的四種方法中，最大似然法的分類(lèi)精度最高，說(shuō)明最大似然法最適合對(duì)所選地區(qū)進(jìn)行分類(lèi)處理；但是分類(lèi)結(jié)果顯示分類(lèi)過(guò)程對(duì)居民區(qū)和植被的分類(lèi)精度不是很高，主要原因可能是由于原影像中陰影對(duì)居民區(qū)有一定的影響，而植被本身分布比較零散，影響了分類(lèi)效果。 對(duì)以上每種方法天水師范學(xué)院畢業(yè)論文 所得的混淆矩陣進(jìn)行對(duì)比分析，主要對(duì)比各自的總體精度和 Kappa 系數(shù)。分類(lèi)結(jié)果如圖 7所示： 天水師范學(xué)院畢業(yè)論文 圖 7 馬氏距離法分類(lèi)結(jié)果 The result of Mahalanobis distance classification 分類(lèi)后精度評(píng)價(jià)結(jié)果如下表： 表 5 研究區(qū)馬氏距離法分類(lèi)精度評(píng)價(jià)結(jié)果 Table5:The evaluation results of classification accuracy of Mahalanobis distance in study areas 河流 植被 居民區(qū) 裸地 耕地 用戶精度（ %） 河流 69 0 13 22 26 植被 5 48 23 4 1 居民區(qū) 46 14 71 0 1 裸地 20 3 8 60 16 耕地 17 1 13 1 67 生產(chǎn)精度（ %） 總體精度： % Kappa 系數(shù)： 3 分類(lèi)結(jié)果與分析 對(duì)于分類(lèi)結(jié)果只要采用混淆矩陣進(jìn)行分類(lèi)精度評(píng)價(jià)，將影像中的不同類(lèi)和感興趣區(qū)進(jìn)行匹配，計(jì)算出混淆矩陣。平行六面體的尺度是由標(biāo)準(zhǔn)差閾值所確定的，而 該標(biāo)準(zhǔn)差閾值則是根據(jù)每種所選類(lèi)的均值求出的。 表 2 研究區(qū)最大似然分類(lèi)精度評(píng)價(jià)結(jié)果 Table2: The evaluation results of classification accuracy of Maximum likelihood classification in study areas 河流 植被 居民區(qū) 裸地 耕地 用戶精度（ %） 河流 107 21 0 12 8 植被 0 199 10 9 34 居民區(qū) 5 51 57 0 11 裸地 1 1 15 69 26 耕地 5 18 5 11 87 生產(chǎn)精度 (%) 總體精度： % Kappa 系數(shù)： 最小距離法 最小距離法使用了每個(gè)感興趣區(qū)的均值矢量，并以均值向量作為該類(lèi)在特征空間中的中心位置，來(lái)計(jì)算每一個(gè)未知象元到每一類(lèi)均值矢量的距離，到哪一類(lèi)中心的距離最小，像元都將被分類(lèi)到那一類(lèi)。此時(shí)，像元X 歸為類(lèi)別 k 的歸屬概率 Lk 表示如下（這里省略了和類(lèi)別無(wú)關(guān)的數(shù)據(jù)項(xiàng)）。 然后選取感興趣區(qū)，對(duì)研究區(qū)選擇不同的方法進(jìn)行分類(lèi)。本次分類(lèi)研究采用了多光譜數(shù)據(jù)監(jiān)督分類(lèi)法，以 TM 數(shù)據(jù)為主要信息源，配合同年實(shí)地調(diào)查結(jié)果，經(jīng)過(guò) 的處理，生成主要地物的分類(lèi)圖。在波天水師范學(xué)院畢業(yè)論文 段上選擇了 TM1,TM2,TM3， TM4， TM5， TM6 波段，然后對(duì)其進(jìn)行疊加處理，形成多光譜圖像。10′N(xiāo) 之間，所采用的分析軟件為 。 圖 1 天水市 TM432 波段合成遙感影像圖 Synthetic remote sensing image in the TM432 Band in TianShui City 2 分類(lèi)數(shù)據(jù)及其處理方法 分類(lèi)區(qū)數(shù)據(jù) 本文研究所采用的數(shù)據(jù)為 1992 年和 20xx 年的 TM 影像，經(jīng)緯度范圍為： 104176。氣候?qū)贉貛Т箨懶詺夂蚝蛠啛釒夂虻倪^(guò)渡地帶，城區(qū)附近屬溫帶半濕潤(rùn)氣候，年平均氣溫 ℃ ，年平均降水量 574mm，自東南向西北逐漸減少。隨著各種新理論和新方法的出現(xiàn)，一些數(shù)學(xué)工具不斷的被引入到遙感圖像的分類(lèi)中，人們不斷研究和嘗試，就發(fā)現(xiàn)了許多新方法，如模糊分類(lèi)、基于 Markov 隨機(jī)場(chǎng)模型紋理描述的分類(lèi)方法、小波分析的分類(lèi)方法、分形的紋理方法、神經(jīng)網(wǎng)絡(luò)圖像分類(lèi)方法、基于知識(shí)的決策規(guī)則分類(lèi)方法、專家系統(tǒng)分類(lèi)方法，以及這些方法的相互結(jié)合分類(lèi)方法等等。 關(guān)鍵詞 ： TM 遙感 ；多光譜；監(jiān)督分類(lèi)；分類(lèi)精度 引言 遙感圖像分類(lèi)是遙感技術(shù)領(lǐng)域研究的重要課題之一，多年來(lái)一直受到遙感研究人員的普遍重視。 答辯委員會(huì)主任簽字： 教務(wù)處審核： 目 錄 摘 要 ............................................................................................................ 1 關(guān)鍵詞 .......................................................................................................... 1 引言 .............................................................................................................. 1 1 研究區(qū)概況 ............................................................................................... 2 2 分類(lèi)數(shù)據(jù)及其處理方法 ............................................................................. 2 分類(lèi)區(qū)數(shù)據(jù) ........................................................................................ 2 數(shù)據(jù)處理方法 ................................................................................... 3 分類(lèi)方法 .......................................................................................... 3 最大似然分類(lèi)法 ........................................................................ 5 最小距離法 ....................................
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1