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(參考版)
2025-06-30 17:18本頁(yè)面
【正文】 此致 敬禮 學(xué)生：柴淑秀 20xx525 。 感謝我的家人，是他們的支持和鼓勵(lì)，才使我能順利 完成學(xué)業(yè)。 其次感謝四年來(lái)教授我課程的所有 老師，是他們給了我專業(yè)基礎(chǔ)知識(shí)，是我完成論文的基礎(chǔ) ，而且讓我終身受益 。王老師在如此繁忙的工作 中也是堅(jiān)持不懈地指導(dǎo)我的論文，學(xué)生終生難以忘懷。 首先感謝我的論文指導(dǎo)老師王學(xué)恭老師為我的論文付出的心血。 classification accuracy 天水師范學(xué)院畢業(yè)論文 致 謝 光陰冉冉，歲月如流，大學(xué)的學(xué)習(xí)和生活竟已接近尾聲！回首四年的求學(xué)生涯，有無(wú)數(shù)的親人、老師和同學(xué)在默默地關(guān)心、支持和幫助我。 multispectral。對(duì)比地面實(shí)況信息，檢查分類(lèi)結(jié)果，水 域的判識(shí)效果最好，其次是耕地。 （ 2）通過(guò)對(duì)研究區(qū)采用監(jiān)督分類(lèi)的各種分類(lèi)方法相比較，最大似然分類(lèi)法的分類(lèi)精度比較的高，高達(dá) %，因此最大似然分類(lèi)法是提高遙感分類(lèi)精度的一個(gè) 相對(duì) 比較好的方法。地物由于組成與結(jié)構(gòu)的不同而具有各自獨(dú)特的波譜反射與輻射特性，表征為圖像上亮度值的差異。說(shuō)明從 1992 年到 20xx 年 所選研究區(qū)的地表主要地物 分布情況 的發(fā)生了很大變化，最主要的變化是居民區(qū)的增加和耕地的減少。 圖 8 20xx 年圖像分類(lèi)結(jié)果 The result of Image classification in 20xx 對(duì) 1992 和 20xx 年兩年的最大似然法分類(lèi)后的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，主要是統(tǒng)計(jì)兩年各種地物的總像元點(diǎn)數(shù)和各自在整個(gè)研究區(qū)范圍內(nèi)所占的百分比 （表 6） 。所得的用戶精度和制圖精度之間也有一定的差異，這說(shuō)明在分類(lèi)過(guò)程中有錯(cuò)分的現(xiàn)象，這主要是由于在分類(lèi)過(guò)程中有些地物顏色或波譜特征比較接近導(dǎo)致的。 Kappa 系數(shù)的定義為： ? ?? ?1121k=mmpili liiimpi liiN p p pN p p?????????? 式中： K 為 Kappa 系數(shù)； N 為總樣本數(shù)； pip 為某一類(lèi)所在列總數(shù)； lip 為某一類(lèi)所在 行的總數(shù)。其中總體精度=被正確分類(lèi)的像元總和 /總像元數(shù)。矩陣中還顯示出制圖精度和用戶精度，制圖精度是指假定地表真實(shí)為 A 類(lèi) ,分類(lèi)器能將一幅圖像的像元?dú)w為 A 類(lèi)的概率；用戶精度是指假定分類(lèi)器將像元?dú)w到 A 類(lèi) 時(shí) , 相應(yīng)的地表真實(shí)類(lèi)別是 A 的概率。 混淆矩陣也叫誤差矩陣 ， 是通過(guò)將每個(gè)地表真實(shí)像元的位置與分類(lèi)圖像中的相應(yīng)位置的分類(lèi)結(jié)果相比較計(jì)算而得的。除非用戶指定了距離的閾值，在這種情況下，如果有些像元不滿足所選的標(biāo)準(zhǔn)，那么它們就不會(huì)被歸為任何類(lèi)，否則所有像元都將分類(lèi)到感興趣區(qū)中最接近的那一類(lèi)。分類(lèi)結(jié)果如圖 6所示： 天水師范學(xué)院畢業(yè)論文 圖 6 平行六面體法分類(lèi)結(jié)果 The result of parallelepiped classification 分類(lèi)后精度評(píng)價(jià)結(jié)果如下表 ： 表 4 研究區(qū)平行六面體法分類(lèi)精度評(píng)價(jià)結(jié)果 Table4: The evaluation results of classification accuracy of parallelepiped method in study areas 河流 植被 居民區(qū) 裸地 耕地 用戶精度（ %） 河流 11 0 0 0 0 植被 0 2 0 0 0 居民區(qū) 0 0 14 0 0 裸地 0 0 0 11 0 耕地 0 0 0 0 8 生產(chǎn)精度（ %） 總體精度： % Kappa 系數(shù)： 馬氏距離分類(lèi) 馬氏距離分類(lèi)是一個(gè)方向靈敏的距離分類(lèi)器，它分類(lèi)時(shí)將使用到統(tǒng)計(jì)信息。分類(lèi)圖像如圖 5 所示： 天水師范學(xué)院畢業(yè)論文 圖 5 最小距離法分類(lèi)后的結(jié)果 The results of Minimum distance classification 分類(lèi)后精度評(píng)價(jià)結(jié)果如下表： 表 3 研究區(qū)最小距離法分類(lèi)精度評(píng)價(jià)結(jié)果 Table3: The evaluation results of classification accuracy of Minimum distance in study areas 河流 植被 居民區(qū) 裸地 耕地 用戶精度（ %） 河流 52 9 11 22 3 植被 12 48 10 4 30 居民區(qū) 4 1 71 16 1 裸地 10 3 18 80 1 耕地 7 6 2 13 17 生產(chǎn)精度（ %） 總體精度： % Kappa 系數(shù)： 平行六面體法 平行六面體法 用一條簡(jiǎn)單的判定規(guī)則對(duì)多光譜數(shù)據(jù)進(jìn)行分類(lèi)，根據(jù)訓(xùn)練樣本的亮度值形成一個(gè) n維的平行六面體數(shù)據(jù)空間，其它像元的光譜值如果落在平行六面體任何一個(gè)訓(xùn)練樣本所對(duì)應(yīng)的區(qū)域，就被劃分其類(lèi)別中。這種方法原理簡(jiǎn)單，分類(lèi)精度不高，但計(jì)算速度快，可以在快速瀏覽分類(lèi)概況中使用。分類(lèi)圖像如圖 4 所示： 圖 4 最大似然法分類(lèi)后的結(jié)果 The results of Maximum likelihood classification 對(duì)分類(lèi)后的圖像進(jìn)行分類(lèi)精度評(píng)價(jià)，主要是選點(diǎn)然后進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析，可以得出的一個(gè)混淆矩陣，在該矩陣中可以看出各種地物的分類(lèi)效果以及總得分類(lèi)效果。 ? ? ? ? ? ? ? ?1 12 2 12 d e t e x p 2n tk k k kx x xL ? ??? ????? ? ? ? ? ? ? ? ?? ? ? ????????? ?? 在該式中， n：特征空間的維數(shù)； p（ k）：類(lèi)別 k 的先驗(yàn)概率； kL （ x）：像元 x 歸并到到類(lèi)別 k 的歸屬概率； x：像元向量； k? ：類(lèi)別 k 的平 均向量即 n 維列向量； det：矩陣A 的行列式； ∑k：類(lèi)別 k 的方差、協(xié)方差矩。最大似然法假設(shè)訓(xùn)練 區(qū)地物的光譜特征和自然界大部分隨機(jī)現(xiàn)象一樣，近似服從正態(tài)分布，利用訓(xùn)練區(qū)可求出均值、方差以及協(xié)方差等特征參數(shù)，從而可求出總體的先驗(yàn)概率密度函數(shù)。每種方法的最終分類(lèi)結(jié)果 大致分為五類(lèi)，用紅色表示河流，綠色表示植被分布區(qū)，藍(lán)色表示城鄉(xiāng)建筑區(qū)，深紅色表示耕地，黃色表示裸地。 再 結(jié)合部分地區(qū)的實(shí)地考察及借助 google earth 中的遙感圖像作為參考，得出天水市區(qū)的典型地物類(lèi)型的目視解譯標(biāo)志。
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1