30512.面向?qū)ο蟮霓r(nóng)田目標(biāo)遙感識(shí)別與提取研究

1、AThesisSubmittedtoGraduateSchoolofNanjingUniversityinpartialfulfillmentoftherequirementsforthedegreeofMasterofScienceinCartography&GeographicalInformationSystemObjectBasedFarmlandRecognitionandExtractionfromHighResolutio

2、nRemotelySensedByLuYmSupervisor：ProfessorFengXuezhi＆AssociateProfessorXiaoPengfengDepartmentofGeographicalInformationScienceNanjingUniversityMay2011南京大學(xué)碩士學(xué)位論文摘要計(jì)算全色波段圖像的梯度幅度，生成梯度圖，并且構(gòu)造巴特沃思濾波器對(duì)梯度圖進(jìn)行低通濾波，消除部分局部最小值對(duì)后續(xù)分割的干擾。

3、接著采用基于標(biāo)記的分水嶺分割，并利用了強(qiáng)制最小技術(shù)完成梯度重建，這樣可以有效抑制過(guò)分割現(xiàn)象。最后對(duì)每個(gè)區(qū)域標(biāo)記以形成對(duì)象圖像。該方法生成的地物邊界信息還原度較高，且均為閉合連通的區(qū)域，分割效果較好。(3)農(nóng)田目標(biāo)提取：提出將植被提取二值圖像與分水嶺分割形成的對(duì)象圖像疊合以提取農(nóng)田目標(biāo)的方法。主要思路是將植被提取二值圖像與對(duì)象圖像疊加在一起，通過(guò)判斷對(duì)象與植被像元是否有交集來(lái)完成第一次的提取；再根據(jù)農(nóng)田的面積參數(shù)，分別判斷每個(gè)對(duì)象中的植被

4、覆蓋程度以及對(duì)象自身的面積，通過(guò)閾值判斷，完成第二次提取。經(jīng)過(guò)這兩次提取后，居民地、水體等非植被地物與獨(dú)立樹(shù)冠等植被地物可以得到有效的分離。而圖像上的農(nóng)田目標(biāo)被提取出來(lái)的同時(shí)，邊緣輪廓信息也較為完整的保留下來(lái)。最后分別采用基于像元與基于對(duì)象的混淆矩陣方法對(duì)提取結(jié)果進(jìn)行精度評(píng)價(jià)?；谙裨脑u(píng)價(jià)結(jié)果總體精度8750％，Kappa系數(shù)為07496，基于對(duì)象的評(píng)價(jià)結(jié)果總體精度8698％，Kappa系數(shù)07397，該方法基本滿足遙感調(diào)查的需求。有