导读:本文包含了面向对象分类技术论文开题报告文献综述及选题提纲参考文献，主要关键词:面向对象分类技术,水土保持,监测应用
面向对象分类技术论文文献综述
温占显[1]（2019）在《面向对象分类技术在水土保持监测中的应用研究》一文中研究指出面对对象分类技术主要研究进行低空遥感影像的无人机技术,目前在开发建设项目的水利保持监测中得到应用,对其信息化能力的提升提供了有效保障。应用中可以提取水土保持监测项目区域内的数据和信息,通过构建的数字表面模型,利用相关的分割尺寸评价工具,得到最佳分割尺度参数,并根据相关监督分类法以及评价方法对精度进行验证。文章就其应用进行了分析和探讨。(本文来源于《河南水利与南水北调》期刊2019年11期）
张学明,林清莹,于忠海,段龙妹[2]（2019）在《面向对象的SVM分类技术在遥感影像分类上的应用研究——以威海市为例》一文中研究指出威海的城市发展是滨海城市的代表,将面向对象的分类方法与SVM分类方法相结合,利用Landsat MSS/TM/OLI影像采用面向对象SVM分类技术对威海市1985年～2015年的土地利用类型进行分类提取。研究结果表明:①分类结果Kappa系数都大于0.83,整体分类精度大于85%;②面向对象的SVM分类方法精度较高,可以用于遥感影像的分类,为城市的土地利用、景观设计以及发展和规划研究提供数据支撑。(本文来源于《城市勘测》期刊2019年05期）
谷珊[3]（2019）在《面向对象自动分类技术在第叁次国土调查中的应用》一文中研究指出在第叁次国土调查过程中,不再是单纯地运用传统测绘方式进行土地测量,而是融入了一些先进的科技技术进行调查。论文主要针对基于面向对象自动分类技术在第叁次国土调查中的应用进行探究。(本文来源于《工程建设与设计》期刊2019年14期）
周湘山,秦苏,魏凡,戴松晨,张磊[4]（2018）在《面向对象分类技术在开发建设项目水土保持监测中的应用》一文中研究指出[目的]研究基于无人机低空遥感影像的面向对象分类技术在开发建设项目水土保持监测中的应用,为水土保持监测工作的信息化能力提升提供技术支撑。[方法]利用旋翼无人机获取水土保持监测目标区域的低空遥感影像,通过倾斜摄影技术构建数字表面模型,结合ESP分割尺度评价工具获取最优分割尺度参数,采用多元特征空间指标参与最邻近分类法的监督分类,并依据位置信息的评价方法和误差矩阵对分类解译精度进行验证。[结果]本研究的水土保持监测目标区域的地物分类总体精度达到了86.10%,Kappa系数为0.841,有较好的一致性,能够满足精度需求。[结论]利用无人机低空遥感影像的面向对象分类技术实现了开发建设项目水土保持监测区域地物的快速、精确识别和分类。(本文来源于《水土保持通报》期刊2018年03期）
何志强[5]（2018）在《基于高分二号影像的面向对象分类技术研究》一文中研究指出随着遥感影像分辨率的不断提高,遥感影像中的信息越来越丰富。传统的基于像元分类仅利用光谱信息进行信息提取,难以满足高分辨率影像信息提取的要求。目前,面向对象分类方法成为了提取高分辨率遥感影像信息的主要方法之一。在进行面向对象分类时,影像分割的尺度、特征的选择等方面一般根据经验知识人工确定,通常具有主观性和盲目性。针对面向分类过程中的问题,本文基于高分二号遥感影像,对影像的预处理、分割、特征选择、分类以及精度评价等方面进行研究,完成的工作主要有:(1)基于高分二号遥感影像系统地研究分析遥感影像的预处理。主要进行影像辐射定标、大气校正和正射校正以及图像融合。本文使用HSV融合、Brovey融合、Gram-Schmidt融合、基于主成分变换融合和NNDiffuse融合对高分二号遥感进行试验。通过对比分析,NNDiffuse融合变换较适合高分二号遥感影像,不仅较好地保持影像的波段信息,也使得影像的分辨率更高。(2)基于eCognition对多尺度影像分割研究分析。对比分析多种影像分割方法效果,确定基于区域多尺度分割的有效性。由于多尺度分割最优尺度的选择缺乏科学依据,难以把握。本文基于RMAS(Ratio of Mean Difference to Neighbors(ABS)to Standard Deviation)模型确定各类地物的最优分割尺度。表明基于最优尺度分割算法可以有效分割高分辨率遥感影像,对影像分割具有一定应用价值。(3)提出基于Matlab的ReliefF算法和J-M距离的组合模型,进行面向对象分类的特征选择。利用ReliefF算法去除初始特征空间中的无关特征,获取相关特征集,再利用J-M距离计算各地物类别间分离度,去除相关特征集中的冗余度。获得各类地物相对应的特征集。利用该组合模型可以快速获得提取地物的有效特征集,提高了面向对象分类的效率,对面向对象分类具有一定的研究意义。(4)结合基于RMAS模型确定的最优分割尺度和基于ReliefF算法和J-M距离优选的特征集,对研究区影像进行面向对象分类。与基于像元分类进行精度对比,面向对象分类结果总体精度为88.72%,基于像元分类结果总体精度为78.32%。结果表明:针对高分辨遥感影像信息提取,面向对象分类方法更具优势。(本文来源于《安徽理工大学》期刊2018-06-12）
李杨[6]（2018）在《面向对象的分类技术研究及其在灾后信息提取中的应用》一文中研究指出目前,高分辨率的遥感影像已在各个领域内得到相当广泛的应用,随着日益增长的应用需求和用户需求,影像的分类技术和信息提取方法也正在不断深入的研究。与中低分辨率遥感影像相比,高分辨率遥感影像内包含有更为复杂的特征信息,传统的基于像素的分类方法在对其进行遥感解译的某些方面存在着一定的缺陷,很难充分发掘出高分辨率遥感影像多特征的优势,导致解译精度降低。所以,本文致力于面向对象的影像分类技术的研究,并试图将此技术与灾后房屋损毁信息提取相结合,提取出灾后房屋损毁信息。本文以“精确、高效、快速地分析灾后房屋损毁情况”为目标,根据目前针对面向对象分类技术的研究成果,在现有的方法基础上,制定出一套针对高分辨率遥感影像,面向对象提取灾后房屋损毁信息的技术流程,通过对各关键技术进行不同程度的改进和配合,实现了对灾后房屋损毁信息的有效提取以及房屋损毁程度的定量分级。实验中,选择了一幅具有一定特征信息的高分辨率遥感影像作为实验数据,通过对灾后影像信息进行人机交互解译后,有选择的提取研究区域内的受灾信息。实验以Ecognition和ArcGIS、ENVI等软件为影像处理平台,结合MATLAB、Excel等软件为数据分析平台,对面向对象的分类技术进行研究,然后将研究方法应用于灾后信息提取过程中。(1)研究中以地震作为典型灾害,利用震区高分辨率遥感影像,基于分割后产生的影像对象内部同质性与影像对象间异质性综合评判原则,利用eCognition、Excel、MATLAB软件进行影像的分割尺度研究,探求分割过程中的最优尺度。(2)基于ArcGIS、ENVI软件对分割后影像对象构建样本空间,利用改进后的SEaTH算法结合MATLAB软件针进行特征库优选,并计算出优选特征的分类阈值。(3)基于eCognition软件平台,采用面向对象的分类方法利用优选的特征和阈值以多特征相结合的方式进行分类,提取出研究区域内的震后房屋损毁信息。(4)在本研究的基础上,将文中所用方法提取的结果与传统分类法得到的结果进行比较并同等进行精度评价,以说明本文中所采用的方法技术的实用性。通过本研究中对面向对象分类技术进行研究,发现面向对象的遥感影像分类方法在目标地物信息提取上,提取的目标地物不仅未失真且一定程度的提高了分类精度,最终的分类结果有效避免了“椒盐现象”,分类结果与现实世界能够在形状和属性上均保持较好的一致性。在灾后信息提取的过程中,应用此方法能够快速有效提取灾害信息,为受灾区救灾应急实时提供相应的救灾援助区域信息,为快速救灾应急和引导灾区民众提供地理服务。(本文来源于《安徽理工大学》期刊2018-06-08）
张洁,熊永合,程璐[7]（2018）在《基于面向对象分类法和高分一号影像的露天矿区分类技术研究》一文中研究指出为了实现高海拔脆弱生态环境下露天矿区的地物信息提取。利用高分一号卫星影像,对青海省天峻县江仓第五露天矿区进行了面向对象结合分形网络演化多尺度分割方法下的信息提取和分类。在充分利用遥感影像空间信息和地物特征的基础上将研究区域地物分为九类,并将分类结果与典型基于像素分类的最大似然法进行了对比。结果表明:面向对象结合分形网络演化多尺度分割方法针对高分辨率遥感影像分类结果质量优良,可以有效减少混合像元的干扰,总分类精度为88.45%,满足实际生产要求。实现了露天矿区的地物分类。该研究成果可为高海拔脆弱生态环境下的露天矿区管理发展提供技术和数据支持。(本文来源于《青海大学学报》期刊2018年01期）
周星宇[8]（2017）在《基于面向对象分类的沿海区域地表覆盖变化检测技术研究》一文中研究指出地表覆盖变化检测是地理国情监测的重要组成部分,也是测绘地理信息创新发展的重要内容。沿海区域作为地理国情普查的重要分区,是地表覆盖变化检测的重点研究区域之一。随着遥感技术的不断发展,高分辨率遥感影像、矢量数据及地表覆盖分类技术为沿海区域地表覆盖变化检测提供了重要的数据源与方法,但因沿海区域的地理位置特殊、经济发达、变化快速和图斑破碎等特点,如何实现沿海区域地表覆盖变化检测是当前研究的热点问题。本论文着眼于单时相高分辨率遥感影像与矢量结合的数据类型,开展基于优化特征变量集的面向对象分类的沿海区域地表覆盖变化检测研究。论文针对沿海区域特点,构建地表覆盖分类系统,构建适合面向对象GLC(Global Land Cover)分类方法的优化特征变量集,提出了利用优化特征变量集的面向对象GLC分类提取海岸线,提出了以前时相地表覆盖矢量引导后时相影像多尺度分割,同时将优化特征变量集的面向对象GLC分类法应用于后时相分类,实现基于单时相高分辨率遥感影像与矢量数据结合的分类后变化检测。论文的工作和主要贡献如下:(1)建立适合沿海区域的地表覆盖分类系统,构建基于ReliefF算法、PCA算法和面向对象GLC分类精度作为评估准则的基于优化特征变量集的面向对象GLC分类方法。实验验证了基于优化特征变量集的面向对象GLC分类比没有经过特征优化的面向对象GLC分类的总体精度与Kappa系数分别提高了 14.7688%、0.1450;同时实验验证了基于优化特征变量集的面向对象GLC分类方法在沿海区域地表覆盖分类的有效性及优越性,其总体分类精度和Kappa系数分别为90.0609%、0.8792,均高于同条件下的SVM分类法、ANN分类法。(2)本文提出了利用基于优化特征变量集的面向对象GLC分类法提取海岸线,并通过定性评价与定量评价分析出基于优化特征变量集的面向对象GLC分类法提取海岸线相对面向对象SVM分类方法、改进的Canny边缘检测提取海岸线的优越性。(3)本文在海岸线提取的基础上确定沿海区域地表覆盖变化检测的研究范围,针对单时相影像与历史矢量数据结合的数据类型,提出以矢量数据引导后时相影像多尺度分割,并将基于优化特征变量集的面向对象GLC分类应用于该地表覆盖变化检测技术方法的后时相影像分类中,提高变化检测精度。(4)论文以江苏省射阳县某沿海区域作为实验区,采用2015年资源叁号(Resources Satellite Three,ZY-3)高分辨率遥感影像和2012年地表覆盖矢量数据进行实验,实验验证过程(3)的可行性和有效性,在(2)、(3)、(4)结论的基础上提出完整的沿海区域地表覆盖变化检测流程和框架。(本文来源于《辽宁工程技术大学》期刊2017-06-12）
杜斌,张炜[9]（2016）在《基于面向对象的高分辨率遥感影像分类技术研究》一文中研究指出在遥感影像处理过程中,如何提高分类精度一直是备受关注的问题,传统的基于像元的分类方法,精度提高方面很难再有质的飞跃。因此,面向对象的方法应运而生。本文通过对比的方法,来比较基于像元的方法和面向对象的方法的分类精度。借助已有遥感软件对内蒙古自治区呼和浩特市某区的快鸟影像进行分类试验,根据试验结果,得出面向对象的分类方法对于高分辨率遥感影像的分类有着非常好的效果。(本文来源于《西部资源》期刊2016年05期）
丛瑜,苗正红[10]（2016）在《基于面向对象技术的农田分类方法》一文中研究指出采用面向对象的分类方法,以富锦地区为研究对象,将纹理和拓扑信息加入中等分辨率遥感影像中,快速准确地提取耕地信息。研究结果表明,利用面向对象技术对遥感影像进行多尺度分割,并结合影像的光谱、形状和纹理特征对水田和旱地进行提取,提取后的成果总体分类精度达到了92%,Kappa系数为0.91,说明采用面向对象技术对中等分辨率遥感影像进行耕地提取的成果可靠,可为大面积土地分类提供技术支持。(本文来源于《地理空间信息》期刊2016年10期）
面向对象分类技术论文开题报告
（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：
威海的城市发展是滨海城市的代表,将面向对象的分类方法与SVM分类方法相结合,利用Landsat MSS/TM/OLI影像采用面向对象SVM分类技术对威海市1985年～2015年的土地利用类型进行分类提取。研究结果表明:①分类结果Kappa系数都大于0.83,整体分类精度大于85%;②面向对象的SVM分类方法精度较高,可以用于遥感影像的分类,为城市的土地利用、景观设计以及发展和规划研究提供数据支撑。
（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。
面向对象分类技术论文参考文献
[1].温占显.面向对象分类技术在水土保持监测中的应用研究[J].河南水利与南水北调.2019
[2].张学明,林清莹,于忠海,段龙妹.面向对象的SVM分类技术在遥感影像分类上的应用研究——以威海市为例[J].城市勘测.2019
[3].谷珊.面向对象自动分类技术在第叁次国土调查中的应用[J].工程建设与设计.2019
[4].周湘山,秦苏,魏凡,戴松晨,张磊.面向对象分类技术在开发建设项目水土保持监测中的应用[J].水土保持通报.2018
[5].何志强.基于高分二号影像的面向对象分类技术研究[D].安徽理工大学.2018
[6].李杨.面向对象的分类技术研究及其在灾后信息提取中的应用[D].安徽理工大学.2018
[7].张洁,熊永合,程璐.基于面向对象分类法和高分一号影像的露天矿区分类技术研究[J].青海大学学报.2018
[8].周星宇.基于面向对象分类的沿海区域地表覆盖变化检测技术研究[D].辽宁工程技术大学.2017
[9].杜斌,张炜.基于面向对象的高分辨率遥感影像分类技术研究[J].西部资源.2016
[10].丛瑜,苗正红.基于面向对象技术的农田分类方法[J].地理空间信息.2016