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

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梯度圖進(jìn)行低通濾波，消除部分局部最小值對后續(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分割現(xiàn)象。最后對每個區(qū)域標(biāo)記以形成對象圖像。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?。禾岢鰧⒅脖惶崛《祱D像與分水嶺分割形成的對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象圖像疊加在一起，通過判斷對象與植被像元是否有交集來完成第一次的提??；再根據(jù)農(nóng)田的面積參數(shù)，分別判斷每個對象中的植被

4、覆蓋程度以及對象自身的面積，通過閾值判斷，完成第二次提取。經(jīng)過這兩次提取后，居民地、水體等非植被地物與獨(dú)立樹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)被提取出來的同時，邊緣輪廓信息也較為完整的保留下來。最后分別采用基于像元與基于對象的混淆矩陣方法對提取結(jié)果進(jìn)行精度評價(jià)?；谙裨脑u價(jià)結(jié)果總體精度8750％，Kappa系數(shù)為07496，基于對象的評價(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