导读:本文包含了分类解译论文开题报告文献综述及选题提纲参考文献，主要关键词:滑坡,遥感,随机森林,公路
分类解译论文文献综述
徐乔,孟凡利,余绍淮[1]（2019）在《基于面向对象随机森林分类模型的滑坡遥感解译》一文中研究指出滑坡遥感解译可为复杂艰险山区的道路选线提供重要的参考资料。以青海省沿黄公路共和至大河家段公路为研究区,利用高分辨率QuickBird卫星影像,采用面向对象的随机森林分类模型提取滑坡区域。该方法先利用多尺度分割方法生成滑坡对象,构建滑坡对象的光谱、纹理及形状特征图,在此基础上利用训练好的随机森林模型提取出疑似滑坡区,最后结合目视解译,得到准确的滑坡区。结果表明:该方法能快速准确地提取出道路沿线的滑坡区,有效节约人力物力,为后续的道路选线提供准确信息。(本文来源于《中外公路》期刊2019年03期）
温礼,张荣慧,苏伟,王伟[2]（2017）在《我国光伏用地遥感监测分类体系和解译标志建立方法研究》一文中研究指出本文论述了我国光伏用地遥感监测分类体系和解译标志的建立情况。结合影像上表现的土地利用地类特征和光伏用地特征,建立了光伏用地遥感监测分类体系包括戈壁光伏用地、草地光伏用地、耕地光伏用地、大棚光伏用地、水面光伏用地、屋顶、厂房光伏用地、非典型光伏用地,其解译标志多数分布规则、纹理特征明显,其占用的土地利用类型多样,依据其类型不同光谱、色调、纹理特征不同。最后对目前所建立的光伏用地遥感监测分类体系和解译标志存在的问题进行了讨论。(本文来源于《国土资源信息化》期刊2017年04期）
娄亚晴[3]（2017）在《基于海量解译标志的遥感影像卷积神经网络分类研究》一文中研究指出如何快速从海量遥感数据中获取遥感信息,实现遥感影像智能解译,一直是遥感技术领域研究的重要课题。人工神经网络技术在遥感影像自动分类领域取得显着成果。通过对国内外研究现状分析可发现,许多研究均是以改善算法为手段,以提高分类精度为目的,且分类精度已达到90%以上,但这些研究均是针对某一实验区域、实验数据进行的研究,当研究区域和实验数据改变之后,可能达不到很好的分类精度,而且自动化程度也不够。本文从改变样本来源、控制样本数据质量和保证样本数据数量等方面进行研究,以期提高分类的自动化程度和精度。本文将深度学习理论与人工神经网络技术相结合,并将最为成功的卷积神经网络模型应用于高分辨率遥感影像的分类进行实验研究。深度学习的优势在于从大数据中自动进行特征的提取与学习,卷积神经网络通过局部区域感知和权重共享两大法宝大大减少参数个数,降低了样本训练难度。所采用的实验数据不是特定的某一区域,而是取自多幅遥感影像的解译标志数据。本研究的主要成果如下:(1)对人工神经网络和卷积神经网络在遥感影像自动分类中的应用现状做了整理和分析,介绍了人工神经网络遥感影像分类的理论基础,重点介绍了深度学习的优势及卷积神经网络的特点和模型结构;(2)基于Visual Studio 2015软件平台,采用C#程序设计语言和WPF界面框架完成卷积神经网络框架的实现;(3)以解译标志作为卷积神经网络的样本数据,解译标志具有数据量大和保证真值两个特点,通过控制解译标志的来源和规范化存储来保证解译标志的质量,通过批量生成解译标志功能保证解译标志的数量;(4)以解译标志生成的样本数据为实验数据,运用实现的卷积神经网络框架完成高分辨率遥感影像的分类实验,得出影像本身分辨率越高,地物样本的质量越好,训练样本的数量规模越大,测试准确率越高的结论,但是随着训练样本数量规模的不断增大,准确率增长速度变缓。最终本文的分类精度为86.17%,在可用范围之内,消除了只针对一幅影像进行研究的局限性,对提高遥感影像分类的自动化程度具有很重要的现实意义。(本文来源于《中国地质大学(北京)》期刊2017-05-01）
丁俊成[4]（2017）在《基于特征库的全极化InSAR地物分类与解译》一文中研究指出极化干涉合成孔径雷达(PolInSAR)作为当今遥感领域最先进的传感器之一,兼具干涉合成孔径雷达(InSAR)和极化合成孔径雷达(PolSAR)的优点,对地物特性极其敏感。因此,PolInSAR观测系统在军用与民用方面均具有重大研究意义和广阔的应用前景。地物分类技术是PolInSAR信息处理的第一步,其本身也是重要的遥感应用之一,是目前PolInSAR领域最为活跃的研究方向之一。PolInSAR地物分类技术主要分为监督与非监督两类,由于地物类型的识别问题,两类方法均存在的问题之一是需要大量判图专家的参与,这极大地限制了分类技术的应用。利用先验信息可以很好地解决这个问题。先验信息分为经过标记的观测数据与散射模型,可以看作是观测数据的某个特征,但这些特征由于缺乏统一的框架往往无法被充分有效地收集和使用。为了更加系统地利用先验信息,本文将特征的集合看作特征库,深入地研究了特征库建立与使用方法。在特征库的框架下,本文提出了基于特征库的分类方法。由于基于特征库分类的性能极大地依赖于基于模型的非相干分解,本文进一步研究了基于模型的非相干分解,提出了用于特征库的分解方法及针对植被区域的精细的散射模型。本文主要研究内容及成果如下:1)将特征的集合看作特征库,以特征库为对象进行研究,系统地研究了特征库的构建与使用方式,该研究能促进分类方法与地物散射模型的发展。特征库中的特征包括标记有地物类型的观测数据和电磁散射模型,本文分别研究了基于以上两种特征的特征库构建方式,并提出一种联合特征库构建方法。2)在特征库的框架下,结合基于特征分类的思想、统计分类思想、基于超像素的分类思想和分级分类思想,提出了完整的基于特征库的分类方法,并通过与监督分类结果进行比较验证了该方法的优势。在此基础上提出一种极化分解流程,解决了现有基于模型的非相干分解中常见的问题。3)在特征库的框架下,本文梳理了现有非植被区域和植被区域散射模型,分析这些模型在被用于精细分类时的优缺点,并提出用于精细分类的植被区域模型的改进方法。使用该方法对X波段植被模型进行改进,提出X波段植被区域精细模型,通过与Freeman-Durden分解进行比较验证了新模型的优势。(本文来源于《西安电子科技大学》期刊2017-05-01）
杨柯[5]（2016）在《基于ENVI的遥感图像自动解译分类结果优化》一文中研究指出随着科技的发展,我国陆续发射高分一号高分二号卫星后,大量的遥感数据获取变得容易,而遥感图像自动解译是快速的从这些海量遥感图像数据中获取有效的信息,从而进行图像分割地物分类,高效率的提取专题信息。遥感图像自动解译主要依据的是地物的光谱信息,解译精度不高[1],因此进行分类结果优化。本文基于ENVI软件,通过分类后得到初步结果,接着进行分类后处理,包括小斑块去除、分类统计以及分类迭加[2],最后将分类结果转为矢量。通过这一系列的分类后处理可以达到遥感图像自动解译分类结果优化的目的。(本文来源于《世界有色金属》期刊2016年18期）
蒋诗龙,曹赛男[6]（2016）在《基于ENVI的遥感解译与土地利用分类》一文中研究指出本文基于研究区1972、1986和2003年的TM遥感影像数据,运用ARCGIS与ENVI技术手段,在对遥感影像的边界裁定、几何校正等预处理的基础之上,根据土地利用分类体系,通过应用监督分类方法进行研究区土地利用类型的遥感解译与分类,生成研究区1972、1986和2003年的土地利用分类图,最终得到该地区农用地的变化状况,进而对农业的发展进行推断。结果明,该方法简单有效,可作为前期获取基础信息的有效手段。(本文来源于《城市地理》期刊2016年12期）
魏本赞,田言亮,卢辉雄,牛海威,董双发[7]（2016）在《面向对象影像分类与提取法在农作物遥感解译中的应用》一文中研究指出根据Landsat8遥感数据,利用eCognition软件,以黄淮海平原饶阳县某地区为试验区,通过对分割参数的定量试验,确定了地物对象的最佳分割尺度;在此基础上分析植被、非植被的典型特征,采用面向对象方法研究植被的信息提取,并对提取结果进行了精度评价。试验结果表明:面向对象影像分类方法能极大地提高分类精度,并实现了植被信息的准确提取,为我国主要粮食基地农作物遥感调查与监测提供了技术支撑。(本文来源于《安徽农业科学》期刊2016年06期）
温礼,吴海平,姜方方,苏伟,朱德海[8]（2016）在《基于高分辨率遥感影像的围填海图斑遥感监测分类体系和解译标志的建立》一文中研究指出围填海是一把双刃剑,一方面可以缓解土地资源紧缺的问题,另一方面也会给沿海生态环境带来负面影响。如何合理地监测和管理围填海,以便政府掌控和决策分析,首先迫切需要制定围填海的分类体系。围填海是一个海域向陆地转变的中间态过程,将海域使用分类体系和土地利用现状分类体系相衔接,基于年度提取的多源高分辨率遥感影像围填海图斑的可解译程度、围填海的定义、用途属性和形成机理等因素,制定了应用于围填海年度遥感监测的分类体系。此外,根据该分类体系,建立了基于多源高分辨率遥感影像的围填海遥感监测解译标志。(本文来源于《国土资源遥感》期刊2016年01期）
路志越[9]（2015）在《基于影像解译专家知识库地物分类提取系统的设计与实现》一文中研究指出一、引言人类活动和城市发展最直接的体现就是人类的生存与发展对土地资源的开发利用以及随之引起的土地覆盖状况的变化。洞察土地利用及覆盖变化能够从总体上综合模拟和评价环境,认识人类活动和城市发展的规律或环境问题产生的根源,也是进行区域水土资源可持续利用决策和优化配置的关键所在。我国目前主要是对耕地和建设用地等土地利用覆盖变化情况进行及时、直接、客观的定期监测,检查土地利用总体规划及年度用地计划执行情况。(本文来源于《科技与企业》期刊2015年21期）
韩俊[10]（2015）在《不同的遥感解译方法在地表覆盖分类信息提取中的应用研究》一文中研究指出第一次全国地理国情普查工作正在华夏大地如火如荼的进行中。通过对地理国情全面的普查,能够更加权威、更加客观、更加准确的了解和掌握我国陆地国土范围内的地表自然、生态以及人类活动的基本情况。地理这一国情与科技教育、经济发展、政治、社会、文化和国际关系等国情的关联和融合,能够更加深入的揭示全国以及各省、市、自治区、直辖市、县、镇甚至村的社会经济发展过程中的时间、空间的演变及其内在的相关联系。作为地理国情普查的重要内容之一,地表覆盖分类信息提取工作完成的好坏直接影响了整个地理国情普查工作的正确性、完整性和实时性,因此选择一种简单、准确、高效的地表覆盖分类信息提取方法对地理国情普查具有决定性的意义。我国幅员辽阔,地势起伏、地形复杂,高原、山地、丘陵、平原、盆地交错分布,因此选择一种与地形地貌相匹配的地表覆盖分类信息提取方法才能保证地理国情普查工作的正确和高效。目前为止,地表覆盖分类信息遥感解译的提取方法可以归为叁类：计算机解译软件自动解译、计算机解译软件自动解译+人工目视解译和全人工目视解译[1]。叁种解译方法各具特点,但随着社会的发展,科学的进步特别是测绘科学的发展和进步,全人工目视解译终究会被测绘行业所淘汰,有计算机解译软件参与的自动解译将会成为影像解译的主体趋势[2]。本文主要研究有计算机解译软件参与的地理国情地表覆盖分类信息提取,既计算机解译软件自动解译和计算机解译软件自动解译+人工目视解译[3]。介于全人工目视解译所独有的特点：准确性最高,因此可以把全人工目视解译的结果作为衡量计算机解译软件自动解译和计算机解译软件自动解译+人工目视解译的结果之间准确性高低的标准。实验数据选取了云南省华宁县的叁个区域作为研究对象,叁个区域的地域类型分别属于坝区、山区和坝区、山区相结合的区域。实验选取了时下对于地表覆盖分类信息提取的简单、准确和高效叁合一综合性最强的两款计算机自动解译软件ENV I和FeatureStation GeoEX分别对叁个实验区域：坝区、山区和坝区、山区相结合的区域进行计算机解译软件自动解译,随后将解译结果进行人工目视解译编辑。分别把计算机解译软件自动解译、计算机解译软件自动解译+人工目视解译的结果和全人工目视解译进行对比得到一个准确率值,通过准确率值的对比结果为坝区、山区和坝区、山区相结合的区域分别选择适合其的解译方式,并按照此结果为全国与此地形相符的地区选择适合适合其的解译方式。(本文来源于《昆明理工大学》期刊2015-03-01）
分类解译论文开题报告
（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：
本文论述了我国光伏用地遥感监测分类体系和解译标志的建立情况。结合影像上表现的土地利用地类特征和光伏用地特征,建立了光伏用地遥感监测分类体系包括戈壁光伏用地、草地光伏用地、耕地光伏用地、大棚光伏用地、水面光伏用地、屋顶、厂房光伏用地、非典型光伏用地,其解译标志多数分布规则、纹理特征明显,其占用的土地利用类型多样,依据其类型不同光谱、色调、纹理特征不同。最后对目前所建立的光伏用地遥感监测分类体系和解译标志存在的问题进行了讨论。
（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。
分类解译论文参考文献
[1].徐乔,孟凡利,余绍淮.基于面向对象随机森林分类模型的滑坡遥感解译[J].中外公路.2019
[2].温礼,张荣慧,苏伟,王伟.我国光伏用地遥感监测分类体系和解译标志建立方法研究[J].国土资源信息化.2017
[3].娄亚晴.基于海量解译标志的遥感影像卷积神经网络分类研究[D].中国地质大学(北京).2017
[4].丁俊成.基于特征库的全极化InSAR地物分类与解译[D].西安电子科技大学.2017
[5].杨柯.基于ENVI的遥感图像自动解译分类结果优化[J].世界有色金属.2016
[6].蒋诗龙,曹赛男.基于ENVI的遥感解译与土地利用分类[J].城市地理.2016
[7].魏本赞,田言亮,卢辉雄,牛海威,董双发.面向对象影像分类与提取法在农作物遥感解译中的应用[J].安徽农业科学.2016
[8].温礼,吴海平,姜方方,苏伟,朱德海.基于高分辨率遥感影像的围填海图斑遥感监测分类体系和解译标志的建立[J].国土资源遥感.2016
[9].路志越.基于影像解译专家知识库地物分类提取系统的设计与实现[J].科技与企业.2015
[10].韩俊.不同的遥感解译方法在地表覆盖分类信息提取中的应用研究[D].昆明理工大学.2015