导读:本文包含了纹理对象论文开题报告文献综述及选题提纲参考文献，主要关键词:高分辨率遥感影像,云检测,自适应云检测光谱阈值,LBP纹理
纹理对象论文文献综述
董志鹏,王密,李德仁,王艳丽,张致齐[1]（2018）在《利用对象光谱与纹理实现高分辨率遥感影像云检测方法》一文中研究指出针对高分辨率遥感影像云检测过程中合适的云检测光谱阈值难以确定及影像中类云地物对云检测精度影响的问题,提出一种基于对象光谱与纹理的高分辨率遥感影像云检测方法。首先,对影像进行直方图均衡化处理,根据均衡化影像直方图获得合适的影像云检测光谱阈值。其次,用简单线性迭代聚类算法对影像进行分割生成分割对象,以对象为处理单元,根据云检测光谱阈值和对象光谱属性对对象进行云检测过滤,获得初始云检结果。然后,求得直方图均衡化影像的纹理图,根据对象的纹理均值及角二阶矩对初始云检测结果提纯,消除类云地物对云检测精度的影响。最后对提纯云区域进行区域增长及膨胀处理,获得最终的影像云检测结果。定性对比试验和定量评价结果表明,本文方法可以获得良好的影像云检测结果。(本文来源于《测绘学报》期刊2018年07期）
郝剑南,王瑞红[2]（2018）在《纹理特征与面向对象结合的高分影像耕地提取应用》一文中研究指出以闪电河乡马神庙村的耕地提取为例,研究了纹理特征与面向对象结合的高分影像耕地提取的应用。结果表明,结合纹理特征增强算法的提取影像的纹理特征进而进行面向对象的影像分类的方法能够显着提高高分辨率遥感影像分类的精度,尤其是对耕地这一拥有规则的纹理特征的植被类型的地表覆盖地类的影像分类的精度有很大提高。(本文来源于《安徽农业科学》期刊2018年19期）
郝剑南[3]（2018）在《纹理增强提取与面向对象结合的高分影像分类的应用》一文中研究指出随着科技不断的进步,遥感领域也得到了一步步的发展。其中最显着的变化莫过于遥感影像的空间分辨率也在不断的提高。在土地覆盖、土地利用以及土地监测等的方面的研究上高空间分辨率的遥感影当仁不让地发挥着越来越重要的作用。而高空间分辨率遥感影像相比于中、低空间分辨率的遥感影像,除了它具备更高的空间分辨率以外高空间分辨率遥感影像更是具备了更多的空间细节的信息。尽管如此,但在当下,高空间分辨率遥感影像所包含的丰富的细致的信息却得不到完全的应用。其中,一方面的原因是成果数据共享困难;而更重要的原因则是大多数的测绘工作者仍然用着传统的基于像元的遥感影像分类方法。而基于像元的遥感影像分类方法对于中的分辨率的影像分类中往往已经完全够用,但是该方法并不能有效地解译高空间分辨率影像中大量的地类纹理表述信息以及地类空间关系或分布信息。并且用机助的遥感影像(基于像元的)分类方法还会在分类的结果中产生大量的、无效的破碎的图斑(即会产生椒盐效应)。这就使得基于像元的遥感影像分类方法进行分类的精度不高。而随着遥感技术一步步的进步,应用高分辨率影像做大范围的土地覆盖或利用数据的实时更新的特性做大面积的地表覆盖检测等这些对于基于像元的遥感影像的分类方法都是巨大的挑战。一方面是高分辨率遥感影像往往都成本高昂,并且包含于影像中的大量信息的解译也需要大量的时间和人力。这就使得如果仅仅依靠基于像元的影像分类方式进行大范围的土地覆盖实时监测成为了不可能。并且高分辨率遥感影像也并不是十全十美,它的光谱分辨率较低,表现出了较高的类内差异和较低的类间差异的特点,这样就很容易在分类中发生分类的类别混淆现象。针对上述问题,本文提出了将高分辨率的遥感影像与其丰富的纹理内容相结合来进行面向对象的高分辨率遥感影像分类。以闪电河乡的马神庙村作为实验点,通过实测的农村土地承包经营权(农经权)的地块底图为检查数据以验证该方法的可行性。本文将研究以马神庙村作为试点,分析并提取试验区高分辨率遥感影像的耕地纹理特征,在试验区面向对象分类高分辨率遥感影像的过程中融入高分影像当中的纹理特征,并分析面向对象高分影像耕地分类在结合纹理特征后对精度的影响。并尝试基于单一数据源提取多分类特征的面向对象耕地精细分类,并验证分类成果能否满足传统测绘工作的精度要求,以探讨该方法在其他基础测绘工作中应用的可行性。本文的实验区内使用的是spot-5卫星的高分遥感影像作为基础数据,实验结果证明了结合纹理特征而进行的面向对象的高分遥感影像在耕地分类的过程中对分类的精度有明显的改善,并且还实现基于单一数据源结合多种分类特征进而面向对对象的耕地精细分类应用。但其仍然存在些许不足:沽源县内地处北方内陆的内蒙古高原南沿,气候恶劣,人少地多,属于半游牧半耕种的情况,是村游牧习俗与纯耕种习俗的过渡区。其中存在的大量的非法开荒地、不确权的集体地、人工牧草地均被分类在了耕地里面,证明其对于部分地区的的某些应用依旧需要现场的调查。(本文来源于《东华理工大学》期刊2018-06-08）
孙天娇[4]（2018）在《基于Landsat 8 OLI遥感影像纹理特征的面向对象土地利用/覆盖分类》一文中研究指出遥感分类是快速获取区域土地利用/覆盖信息的主要途径,如何提高中低分辨率遥感影像的分类精度是亟待解决的问题。以石家庄陆地卫星8(Landsat 8)遥感影像为研究对象,充分考虑遥感影像的空间纹理特征,研究基于纹理特征的面向对象分类,并探讨纹理特征对遥感分类的影响。首先,概述了面向对象分类方法,采用了基于边缘的分割算法对遥感影像进行分割处理;同时探讨面向对象分类中的最优分割尺度,基于分类后地物面积与对象数的“面积对象数比”,提出了影像整体最优分割尺度的计算方法。其次,选取合适的纹理特征构建纹理特征集。将灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)纹理与伽博(Gabor)滤波器下的Gist纹理特征进行对比,应用J-M(Jeffries-Matusita)距离变量可分离性分析GLCM最优纹理特征,并利用最佳指数法获取GLCM与Gist纹理特征的最佳特征组合。最后,进行基于纹理特征的面向对象支持向量机(Support Vector Machine,SVM)及K邻近法(K-Nearest Neighbor,KNN)分类识别与精度评价,并与无纹理特征的分类结果及应用监督分类方法所得的结果进行对比。实验结果表明:融合纹理特征使分类精度有了一定提高,采用面向对象SVM及KNN分类对纹理数据分类的总精度均高于原始数据;基于纹理特征的监督分类精度相对于原始数据监督分类也均有所提高,但相比于面向对象分类结果,面向对象分类精度远高于监督分类精度,且对纹理数据更为敏感。纹理特征对影像分类精度的提高有一定促进作用,本文提出基于Gist纹理的面向对象分类方法有效提高了遥感影像分类精度,为区域土地利用/覆盖信息提取提供了有效的途径。(本文来源于《燕山大学》期刊2018-05-01）
张永彬,刘佳丽,汲姣,曹应举[5]（2018）在《露天灰岩矿纹理特征分析及面向对象的分类》一文中研究指出矿产资源过度开发造成了严重的环境污染,可持续发展面临严峻挑战,矿山治理迫在眉睫。遥感信息提取技术能够便捷地获取矿山开发信息,为矿山治理提供依据。然而,目前信息提取的精度和自动化程度仍有提升空间,并且就矿产类型而言,关于石灰岩矿开采信息提取的研究甚少。针对以上现状,本文以唐山市的一处灰岩矿山为例,以Landsat-8影像作为基础数据,通过计算不同地物的纹理信息,包括地物均值、方差、信息熵、偏离度和数据范围,构造了能够突出露天灰岩矿开采区域的纹理指数模型(texture variance index,简称TVI)。结合已有的光谱和空间特征,设定准确的阈值并建立决策树,以面向对象方法为依托,进行露天灰岩矿山开采边界的信息提取。结果表明,将纹理方差指数作为灰岩矿山开发信息提取的规则之一,总体精度、用户精度和Kappa系数与原有决策树相比皆有所提高。以文中灰岩矿开采范围提取结果为基础,根据高分辨率影像的纹理特征,进一步实现了新矿区与待复垦旧矿区的分类,总体精度约为0.916。(本文来源于《地质与勘探》期刊2018年02期）
裴欢,孙天娇,王晓妍[6]（2018）在《基于Landsat 8 OLI影像纹理特征的面向对象土地利用/覆盖分类》一文中研究指出针对如何提高中低分辨率遥感影像分类精度,该研究以河北省石家庄市Landsat 8 OLI遥感影像为研究对象,对灰度共生矩阵(gray-level co-occurrence matrix,GLCM)纹理与伽博(Gabor)滤波器下的Gist纹理特征进行对比,应用J-M(Jeffries-Matusita)距离可分离性分析GLCM最优纹理特征,并利用最佳指数法(optimum index factor,OIF)获取GLCM与Gist纹理特征的最佳特征组合;其次对面向对象分类的分割尺度进行研究,提出整体最优分割尺度计算方法;最后进行基于纹理特征的面向对象分类识别与精度评价,并与基于原始数据的面向对象分类结果进行对比。研究表明:Gist纹理特征使分类精度有了一定的提高,基于纹理数据的面向对象支持向量机(support vector machine,SVM)分类及面向对象K邻近法(K-nearest neighbor,KNN)分类的总体分类精度(overall accuracy,OA)分别比基于原始数据的2种方法分类精度提高3.67和3.33个百分点,基于纹理的面向对象SVM方法具有最高的精度,OA达到85.67%。不管是基于原始数据还是纹理数据,面向对象分类精度远高于最大似然分类(maximum likelihood classification,MLC)、马氏距离分类(mahalanobis distance classification,MDC)和SVM分类精度,且面向对象分类方法对纹理数据更为敏感。该文提出的基于纹理的面向对象分类方法有效提高了遥感影像分类精度,为区域土地利用/覆盖信息提取提供了有效的途径。(本文来源于《农业工程学报》期刊2018年02期）
冯君诗[7]（2017）在《视觉对象纹理的静电力触觉再现方法研究》一文中研究指出触觉再现技术涉及电子、计算机、生理学、心理学等多个学科,是当前虚拟现实与人机交互研究的热点和前沿,可广泛应用于远程医疗、游戏娱乐、教育教学和军事仿真等重要领域。用裸指触摸移动终端屏幕即可真实自然地感知被显示物体的形状和纹理,实现丰富逼真的触觉再现,是移动终端发展的趋势。静电力触觉再现技术基于裸指滑动和点击,不需要穿戴其它装置,具有高沉浸感和高交互性等优点,且易于与现有终端屏幕集成,是在移动终端上实现触觉再现功能的主要方式之一。视觉对象纹理特征提取与渲染算法是实现触觉再现的关键技术,也是进一步提高触觉再现真实感的保证。现有算法往往只通过激励信号的幅度变化表征图像的触觉特征,而实际物体具有形状、纹理和柔软性等复杂属性,如何充分利用激励信号的频率、波形等参量对触觉感受的影响建立多参量静电力渲染模型,还有待于深入研究。本文主要解决视觉对象纹理属性的触觉特征提取与静电力渲染问题,研究内容如下:(1)研究适用于高清图像的纹理触觉特征提取及渲染算法,设计掩模实时提取图像纹理触觉特征,分析图像分辨率与掩模尺寸对纹理特征提取效果的影响;设计图像纹理静电力触觉再现流程,并通过实验研究图像分辨率与掩模尺寸对图像纹理静电力触觉再现效果的影响。(2)实验研究静电力激励信号频率参量和波形参量对触觉感受的影响,建立基于幅度-频率参量和基于幅度-波形参量的图像纹理触觉再现渲染模型,并通过对比实验研究该渲染方法的触觉再现效果。(3)研究色彩与空间感的心理学效应,分析物体的触觉特性与视觉特性的相似性,将彩色图像色调、亮度和饱和度分量与激励信号幅度和频率参量相映射,建立彩色图像纹理触觉再现渲染模型,并通过触觉感知识别实验研究该渲染方法的触觉再现效果。本文的主要创新点包括:(1)提出了一种基于数字位图的图像纹理静电力触觉再现方法,利用图像相邻像素之间的灰度变化,无需重建图像叁维几何信息,即可得到较好触觉再现效果。该方法基于局部图像提取纹理特征,减小了纹理特征提取过程中的计算量,适用于高清图像纹理的静电力触觉再现。(2)针对静电力触觉再现技术仅通过单一幅度参量渲染图像纹理信息,无法呈现纹理柔软性和细腻性等触觉特征的问题,提出了基于幅度、频率和波形参量的静电力触觉再现渲染方法,丰富了静电力触觉再现的触觉感受,提高了视觉对象纹理的触觉再现真实感。(3)根据色彩与空间感心理学效应提出彩色图像纹理静电力触觉再现方法,该方法在彩色空间对图像纹理触觉特征建模,避免了彩色图像在灰度变换过程中丢失纹理信息。该方法基于图像局部信息进行触觉渲染建模,有效减小了计算量,适用于高清图像纹理的静电力触觉再现。本文针对静电力触觉再现高精细度和实时性的特点,提出适用于高清图像的纹理特征提取与渲染方法,为静电力触觉再现技术的研究与应用提供参考。(本文来源于《吉林大学》期刊2017-06-01）
杨盼盼[8]（2017）在《基于高分辨率遥感影像纹理特征的面向对象植被分类方法研究》一文中研究指出植被是覆盖地表的植物群落总称,是生态系统重要的组成部分。植被分类是遥感应用研究的一个热点问题,高分辨率遥感影像具有丰富的纹理信息,可以有效改善植被分类精度。纹理特征提取是高分遥感图像分类应用中的关键技术之一,现有的纹理特征提取方法普遍存在准确分类率低、计算复杂以及效率低等缺点。本研究以云南省西双版纳州纳板河流域为例,分析高分辨率遥感影像植被纹理特征,提出一种基于指纹识别技术的植被纹理特征提取方法,并辅以纹理特征进行面向对象植被分类,分析纹理特征对面向对象植被分类精度的影响。研究成果总结如下:(1)提出并实现一种基于指纹识别技术的植被纹理特征提取方法基于指纹识别技术提出指纹纹理增强算法,将指纹纹理增强算法分别与灰度共生矩阵和局部二值模型算法相结合实现了基于指纹识别技术的纹理特征提取方法。以云南省西双版纳州纳板河流域的WorldView-2及Pléiades影像为实验数据,采用本文算法提取影像的纹理特征,并与基于RGB影像提取的纹理特征作对比分析。在WorldView-2数据实验中,相比加入基于RGB影像提取的纹理特征的分类结果,加入基于指纹识别技术提取的GLCM纹理特征的分类总体精度达到了91.56%,提高了4.10%,Kappa系数达到了0.90,提高了0.05,加入基于指纹识别技术提取的LBP纹理特征的分类总体精度达到了89.36%,提高了3.41%,Kappa系数达到了0.87,提高了0.04。在Pléiades数据实验中,采用所提出的纹理特征提取方法提取影像的纹理特征,并辅以纹理特征进行面向对象植被分类。相比加入基于RGB影像提取的纹理特征的分类结果,加入基于指纹识别技术提取的GLCM纹理特征的分类总体精度达到了88.60%,提高了2.91%,Kappa系数达到了0.86,提高了0.04。加入基于指纹识别技术提取的LBP纹理特征的分类总体精度达到了84.60%,提高了3.04%,Kappa系数达到了0.81,提高了0.04。对各个纹理特征提取算法采用不同的高分数据的分类结果表明:基于指纹识别技术纹理特征提取方法提取的纹理特征可在很大程度上改善纹理规则地类的分类精度。(2)纹理特征可以明显改善高分辨遥感影像面向对象植被分类精度将提取的纹理特征加入到面向对象植被分类中,与未利用纹理特征的面向对象植被分类结果作对比分析。WorldView-2影像试验中,采用基于RGB影像提取的GLCM纹理特征的总体分类精度为87.46%,提高了7.05%,Kappa系数为0.85,提高了0.09;加入基于RGB影像提取的LBP纹理特征的总体分类精度为85.95%,提高了5.44%,Kappa系数为0.83,提高了0.07;加入基于指纹识别技术纹理特征提取方法提取的GLCM和LBP纹理特征的总体分类精度分别提高了11.15%和8.95%,Kappa系数分别提高了0.14和0.11。在Pléiades影像试验中,加入纹理特征后的面向对象植被分类精度也显着提高。结果表明:运用纹理特征的面向对象植被分类可以显着提高高分辨率遥感影像的植被分类精度。(3)实现基于单一数据源提取多分类特征的面向对象植被精细分类本文基于单一数据源提取影像对象的光谱特征、纹理特征、植被指数特征以及几何特征等植被识别特征,对研究区自然林、橡胶林、香蕉、茶园以及耕地的面向对象分类结果中,自然林分类精度为95.43%,橡胶林分类精度达到94.33%,香蕉分类精度高达93.60%,茶园及耕地的分类精度均达到了83.00%以上。总体来说分类精度较高,实现了面向对象方法框架下基于单一数据源提取多分类特征的植被精细分类。(本文来源于《云南师范大学》期刊2017-05-15）
邓滢,张红,王超,刘萌[9]（2016）在《结合纹理与极化分解的面向对象极化SAR水体提取方法》一文中研究指出合成孔径雷达(Synthetic Aperture Radar,SAR)拥有全天时全天候的工作能力,能够有效地连续对地观测,是土地管理、水体监测、灾害评估等多种应用的稳定数据来源。基于面向对象的思想,提出一种高精度、低虚警率的极化SAR(Polarimetric SAR,PolSAR)水体提取方法。此方法首先对极化SAR图像进行分割,再结合纹理与极化分解特征,对分割区域进行投票,识别水体区域。利用Radarsat-2数据和TerraSAR-X数据开展实验,并将提出方法与基于单一纹理和基于极化分解等水体提取方法进行对比,结果表明该方法在两种数据中均具有最高的总分类精度,其中基于分割技术能够保持完整的水陆边界,纹理与极化特征能够区分浅草、裸地和阴影等与水体相似的地物,结合投票方法能够提高小型水体检测率。(本文来源于《遥感技术与应用》期刊2016年04期）
林雪,彭道黎,黄国胜,王雪军[10]（2016）在《结合多尺度纹理特征的遥感影像面向对象分类》一文中研究指出地物具有多尺度的特点,单一尺度难以准确描述遥感影像包含的地物纹理信息。利用我国自行研发的高分一号遥感影像数据,采用灰度共生矩阵对第一主成分进行纹理特征提取,利用Jeffries-Matusit距离选择多尺度组合,并通过单一纹理结合多光谱数据的分类精度,以及纹理特征间的相关性,最终选择多尺度纹理特征组合进行面向对象分类。研究结果表明:结合多尺度纹理特征组合的面向对象GF-1影像分类能有效提取地物信息,总体分类精度达到81.75%,Kappa系数0.78。(本文来源于《测绘工程》期刊2016年07期）
纹理对象论文开题报告
（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：
以闪电河乡马神庙村的耕地提取为例,研究了纹理特征与面向对象结合的高分影像耕地提取的应用。结果表明,结合纹理特征增强算法的提取影像的纹理特征进而进行面向对象的影像分类的方法能够显着提高高分辨率遥感影像分类的精度,尤其是对耕地这一拥有规则的纹理特征的植被类型的地表覆盖地类的影像分类的精度有很大提高。
（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。
纹理对象论文参考文献
[1].董志鹏,王密,李德仁,王艳丽,张致齐.利用对象光谱与纹理实现高分辨率遥感影像云检测方法[J].测绘学报.2018
[2].郝剑南,王瑞红.纹理特征与面向对象结合的高分影像耕地提取应用[J].安徽农业科学.2018
[3].郝剑南.纹理增强提取与面向对象结合的高分影像分类的应用[D].东华理工大学.2018
[4].孙天娇.基于Landsat8OLI遥感影像纹理特征的面向对象土地利用/覆盖分类[D].燕山大学.2018
[5].张永彬,刘佳丽,汲姣,曹应举.露天灰岩矿纹理特征分析及面向对象的分类[J].地质与勘探.2018
[6].裴欢,孙天娇,王晓妍.基于Landsat8OLI影像纹理特征的面向对象土地利用/覆盖分类[J].农业工程学报.2018
[7].冯君诗.视觉对象纹理的静电力触觉再现方法研究[D].吉林大学.2017
[8].杨盼盼.基于高分辨率遥感影像纹理特征的面向对象植被分类方法研究[D].云南师范大学.2017
[9].邓滢,张红,王超,刘萌.结合纹理与极化分解的面向对象极化SAR水体提取方法[J].遥感技术与应用.2016
[10].林雪,彭道黎,黄国胜,王雪军.结合多尺度纹理特征的遥感影像面向对象分类[J].测绘工程.2016
标签：高分辨率遥感影像; 云检测; 自适应云检测光谱阈值; LBP纹理;