一、TM、SPOT及其融合影像在土地利用调查中的精度分析（论文文献综述）
谢士琴[1]（2018）在《基于高分遥感数据的落叶松林分参数反演》文中研究指明近年来利用遥感影像光谱特征与林分参数的较强相关性反演林分参数一直都是研究的热点。在以往研究中针对国产高分卫星数据尤其是GF-2的研究较少,而且关于影像分辨率变化对林分参数反演的影响有待探索。为了进一步探索国产高分遥感数据在林分参数估测中的可行性和适用性,以及分辨率变化对遥感影像特征反演林分参数的影响,本研究利用5种不同分辨率的国产高分遥感数据GF-1、GF-2影像纹理特征、光谱特征及对林分结构有影响的地形因子,结合研究区落叶松地面调查样地数据,对落叶松林分蓄积量和郁闭度两个重要林分参数进行反演研究,实现大范围、大尺度的林分参数空间分布反演制图,同时探讨国产高分卫星数据分辨率变化对影像纹理特征窗口和落叶松林分参数反演的影响规律,为人工林经营管理提供新的方法和技术参考。主要研究内容如下:（1）高分遥感数据的预处理精度影响遥感影像在林分参数反演中的应用。为了降低高分遥感影像预处理产生的误差影响,研究以GF-2遥感影像数据作为代表探讨了波段间配准误差对森林遥感信息提取的影响。遥感全色影像在正射校正时,随着控制点数量增加,校正误差先变小后变大,需要选择合理的控制点数量;多光谱影像模拟配准误差发现各地类面积变化与配准误差间存在显着的线性关系。在林业行业的应用中,GF-2影像全色与多光谱波段之间的配准误差应小于0.3像元为宜。（2）落叶松遥感信息的提取是利用遥感影像进行其林分参数反演的重要基础步骤,其信息提取的精度影响了林分参数反演应用的精度。针对高分辨率遥感影像光谱波段数少、利用光谱差异难以区分研究区落叶松和其他优势树种的问题,研究利用不同树种物候特点明显,引入了不同时相的高分遥感影像光谱特征差异,采用不同分类方法对落叶松和其他优势树种进行了区分。在落叶松遥感信息提取实验中,研究发现不同时相的遥感影像提取落叶松的分类精度不同,秋季影像总分类精度和落叶松分类精度都要高于夏季影像,结合两种时相影像的分类精度要高于单时相的分类精度,优势树种总体精度分类最高达到95.87%,落叶松分类精度最高达96.83%。（3）影像纹理特征最优窗口大小与影像分辨率和样地大小有关。研究探索了纹理最优窗口的变化规律,当窗口对应的面积与样地面积较为接近时,其窗口大小为最优纹理窗口。这为高分遥感影像最优纹理窗口的选取提供了数据参考依据,可以减少一定的纹理计算量,非常具有实际应用价值。（4）研究分析了分辨率的变化对影像纹理特征反演落叶松林分参数造成的影响,发现分辨率的提高对遥感影像纹理特征反演林分参数具有一定的促进作用,但不宜过高,分辨率过高时其它非目标类的纹理特征干扰信息增多,会降低纹理特征反演模型精度。此外在进行落叶松林分参数反演时,宜选择分辨率优于8m的高分遥感数据作为数据源,模型R2adj可达到0.6以上。本研究筛选的最优林分参数估测模型为基于1m分辨率的GF-2融合遥感数据模型。分辨率的提高在一定程度上可以提高遥感影像纹理特征反演林分参数模型的精度,这也可以应用于其他分辨率的高分卫星影像模型反演中。（5）研究探讨了地形因子在高分遥感影像反演林分参数模型中的重要影响,发现地形信息的引入可以更好地提高国产高分遥感影像反演落叶松林分参数的模型精度。随着遥感影像分辨率的不断提高,在引入地形信息后,林分参数模型反演精度逐渐升高,在分辨率为8m时精度达到0.6。其中1m分辨率的GF-2融合影像反演精度最高,郁闭度和林分蓄积量模型R值分别为0.819和0.903,R2adj分别为0.646和0.804。研究解决了利用遥感影像反演林分参数模型在大尺度、大范围的适用性问题,同时填补了 GF-2遥感数据在不同林分参数高精度定量反演研究中的空白,实现了新型国产卫星数据在森林资源调查与监测中的应用与创新。
胡曼[2]（2017）在《基于面向对象分类方法的延庆区公益林地块变化提取》文中研究指明目前,利用遥感影像进行分类、信息提取以及变化监测是林业遥感领域一个重要的研究方向。公益林作为我国森林资源中的重要的森林类别,其动态变化监测对我国林业的发展有着重大意义。本研究以延庆区GF-1、RapidEye以及Spot-5三期影像数据为研究对象,以公益林的分类提取为主线,通过对比3种典型的基于像元的监督分类方法,以及对面向对象的信息提取方法中最优尺度选择和规则集建立的探讨,提高分类精度,并进行变化信息提取精度评价,分析公益林地块变化原因,为构建其动态监测体系提供一定参考。本研究主要结论如下:（1）对基于HSV变换、Brovey变换、PC变换、GS变换、Pansharp变换等5种融合方法的Spot-5和GF-1全色和多光谱影像数据的融合结果,采用目视分析与定量特征分析进行融合影像质量评价,结果表明5种融合算法得到的影像在亮度、清晰度、对比度以及光谱信息继承性等方面有一定的差异。对于Spot-5影像的来说,Pansharp融合算法更适合于在后续的分类研究中。对于GF-1影像来说,GS融合算法较另外4种融合算法表现更优越,在后续的分类研究中更有潜力。（2）基于融合后的影像,采用基于像元的三种分类方法进行分类,并通过基于样本的混淆矩阵进行精度比较分析。结果显示,支持向量机法分类结果的精度明显高于另外两种方法,前中后三期分类的精度分别为:85.64%、82.72%和87.19%,Kappa系数分别为:0.83、0.80和0.85,且该方法对于阴影区域的处理效果优于另外两种方法。对三种基于像元的分类方法效果排序如下:支持向量机法>最大似然法>马氏距离法。（3）对三期不同的影像进行基于多尺度分割和规则集建立的面向对象分类,分别采用面向对象的“RMAS”指标和均值方差法来选择最优分割尺度,最终确定Spot-5影像的最优分割尺度分别为560,500和450;RapidEye影像的最优分割尺度分别为:400,350和180;GF-1影像的最优分割尺度为650,560和480。并在不同层次的分割尺度上确定面向对象分类的规则集,将像元二分模型引入到对象层次,构建FC特征值加入到规则集中,实现面向对象分类。结果显示三期影像采用面向对象分类精度分别为:87.1%、92.3%、92.1%,均高于基于像元的分类方法,更有利于后续研究。（4）采用分类后比较法进行变化信息提取,并建立公益林变化信息提取的误差矩阵,结果显示2004-2011年及2011-2015年两次变化信息提取的结果整体精度都在87%以上,总体精度较高,漏判率、错判率都在20%以内,提取结果较佳。从2004-2015年间,公益林面积呈上升趋势,且主要集中在有林地面积的增加,其他林地和农田植被呈减少趋势,这与国家对林业以及公益林的重视度逐渐增强,各项工程项目的实施有密切关系。
刘怀鹏[3]（2016）在《基于WorldView-2数据的城市典型绿化树种分类》文中研究指明通过遥感技术识别树种是尚未解决的难题之一,也是广大学者关注的焦点问题之一。目前基于高分辨率影像及辅助数据的树种分类已经取得了一定的成果,但依然存在许多诸如侧重影像信息维度窄、影像特征构建与筛选不科学、分类器休斯现象未解决等问题。本研究以呼和浩特市WorldView-2影像为数据源,经影像预处理,确定分类树种,构建影像高维光谱指数集合、纹理特征集合,基于最大似然的递归特征消除（MLC-RFE）选择重要变量,规避最大似然的休斯现象,获取树种分类的最优光谱指数子集、纹理特征子集。充分结合影像光谱波段、光谱指数、纹理等特征类型,利用最大似然对组合数据进行分类,以支持向量机的分类结果作为参照,实验结果取得了较好的分类精度。主要研究结果如下：（1）NDVI影像中蓝色屋顶、绿色塑胶操场2类地物与植被具有相似的NDVI特性,为城市植被提取造成干扰,但三者在WorldView-2八个波段中的光谱曲线存在较大差异,通过波谱角分类可实现三者完全分离,精准获取到城市植被部分的影像。（2）采用最大似然对针叶树、阔叶树与草类进行分类,利用8月份WorldView-2影像分类的总体精度为93.9871%, Kappa系数为0.9098,利用2月份QuickBird影像分类的总体精度为96.6667%, Kappa系数为0.9500,结果表明特殊时相数据源的选择更有利于针叶树、阔叶树、草类的识别。（3）基于WorldView-2光谱波段的树种分类中,最大似然对完整8波段分类的总体精度较传统4波段高10.7231%, Kappa系数高0.1253；支持向量机对完整8波段分类的总体精度较传统4波段高9.9183%,Kappa系数高0.1158,表明WorldView-2新增的海岸蓝色、黄、红边、近红外2波段在树种分类中具有重要的作用。（4）基于27维光谱指数的树种分类中,NDVI6、FDI2、NREB是树种分类中最重要的3个光谱指数；NDVI6、FDI2、NREB、ARVI、NDVI5、NDVI2、GRVI、NYR、NDVI1, IPVI、NPCI、R/RE、NDVI3、NIRNDVI、SAVI、NDVI7、NIR/GREEN、TA578、TA678是树种分类中最优光谱指数子集的19个成员；SL57、SL67、NDVI4、SL58、RVI、EVI、OSAVI、 SL56是导致最大似然发生休斯现象的8个光谱指数。（5）本研究新建的5个光谱指数SL57、SL67、SL58、TA578、TA678在MLC-RFE变量选择中,SL58在第5轮次中被消除,SL57、SL67在第7轮次中被消除,TA578、TA678在第8轮次中才被消除,在第7轮次消除结束后获得了最优光谱指数子集,所以TA578、TA678是最优光谱指数子集的成员,表明TA578、TA678在基于光谱指数的树种分类中具有重要的作用,同时也说明树种光谱曲线的面积指数优于斜率指数。（6）基于24个纹理特征的树种分类中,MEA-PC1、MEA-PC2、 EA-PC3是树种分类中最重要的3个纹理特征；MEA-PC1、MEA-PC2、MEA-PC3、 ENT-PC2、ENT-PC1、DIS-PC2、SM-PC1、VAR-PC2、HOM-PC3、COR-PC1、 OR-PC3、CON-PC2、CON-PC1、VAR-PC3、 DIS-PC1、ENT-PC3是树种分类中最优纹理特征子集的16个成员；HOM-PC2、SM-PC2、 CON-PC3、HOM-PC1、DIS-PC3、COR-PC2、VAR-PC1、SM-PC3是导致最大似然发生休斯现象的8个纹理特征。（7）27维光谱指数分类的总体精度为72.4616%, Kappa系数为0.6787,较最优光谱指数子集分类的总体精度（75.3962%）低2.9346%, Kappa系数（0.7126）低0.0339,表明在高维光谱指数分类中,最大似然存在着轻微的休斯现象；24个纹理特征分类的总体精度为40.5151%%, Kappa系数为0.3031,较最优纹理特征子集分类的总体精度（81.1664%）低40.6513%, Kappa系数（0.7799）低0.4768,表明在高维纹理特征分类中,最大似然存在着严重的休斯现象。（8）本研究中,支持向量机分类的最高总体精度为84.6335%, Kappa系数为0.8204,从所有的分类中可以看出它对数据维数的增加不敏感,可以有效挖掘各个特征的有用信息,分类性能较稳定。最大似然分类的最高总体精度为87.5310%,Kappa系数为0.8543,它对数据维数的增加较敏感,高维数据中会发生休斯现象,不能充分挖掘各个特征的有用信息,分类性能不稳定。本研究构建的MLC-RFE消除了对最大似然分类精度的提高具有抑制作用的特征,规避了最大似然的休斯现象,使其在高维特征分类中的分类性能得到极大地提高,取得比支持向量机更高的分类精度。（9）树种分类中,基于主成分的最高总体精度为63.9752%, Kappa系数0.5789;基于光谱波段的最高总体精度为74.0713%, Kappa系数0.6974；基于光谱指数的最高总体精度为75.3962%, Kappa系数0.7126；基于纹理特征的最高总体精度为81.1664%, Kappa系数0.7799；在光谱指数结合光谱波段中,最高总体精度为73.4274%, Kappa系数0.6900；在纹理结合光谱波段与主成分中,最高总体精度为86.3918%, Kappa系数0.8410；在纹理结合光谱指数与主成分中,最高总体精度为87.4319%, Kappa系数0.8532；在纹理结合光谱指数、光谱波段、主成分的混合特征中,最高总体精度为87.5310%, Kappa系数0.8543。除光谱指数结合光谱波段不能提高分类的总体精度与Kappa系数外,其余的特征组合类型均取得比单纯基于主成分、光谱波段、光谱指数、纹理特征要高的总体精度与Kappa系数,表明树种分类中有效结合各特征类型,可以取得更好的分类结果。
高永刚[4]（2013）在《多尺度多平台遥感影像在城市遥感中的应用研究》文中研究表明多平台、多尺度的遥感影像提供了丰富的空间分辨率、辐射分辨率和光谱分辨率,为研究不同尺度下的城市变化提供了丰富的信息源。为了克服单一遥感数据在实际应用中的局限性,充分发挥各种遥感数据的优越性,利用遥感影像融合技术实现影像间信息互补和尺度转换,探讨不同空间尺度下城市植被覆盖度的变化,确定计算最优城市植被覆盖度的空间尺度,为评价城市生态环境状况提供正确参数。在总结国内外遥感影像融合算法研究的基础上,以多尺度多平台遥感影像为数据源,深入地研究了遥感影像融合技术。本文提出了利用直方图匹配和低通滤波对SVR算法改进的SVRFM融合算法,该算法对参与融合影像的波段数没有限制,且无需选择参考波段,计算速度快,且能较好的兼顾光谱保真度和高频信息融入度。此外,提出了基于指数提取的SVRI融合算法和以IHS算法和BT算法为基础提出了IHS-BT融合算法,改进后的算法均较原始算法在光谱保真度和高频信息融入方面有所提高。为了克服不同辐射分辨率遥感影像进行融合时由于影像像元值量化区间不同对融合效果的影响,提出了辐射分辨率规范化方法。该方法在像元值量化区间统一的基础上,将其同乘以相同的比例系数转换到更高辐射变率的量化区间,以减小融合过程由于数据位数取舍而引起的影像信息丢失。同时,还对融合影像是否必需预先进行辐射校正进行了探讨。研究表明,融合前预先进行辐射校正与融合后再进行辐射校正所获得融合影像的高频信息融入度相同,且对融合影像的光谱保真度提高不明显。因此,建议先对影像进行融合后再进行辐射校正,这样即可以减少计算工作量,又可以避免由于辐射校正模型中需要引入大气校正参数而所引起的光谱失真；同时,针对FLAASH等辐射校正模型不能进行全色影像校正的问题提供了新的解决思路。在以上研究的基础上,为了进行不同空间尺度数据的比对,提出了空间尺度统一的转换算法；利用格网法从1：500比例尺地形图提取的不同空间分辨率的植被覆盖度为参考依据,对不同辐射校正水平的植被覆盖度提取精度进行比较分析,确定植被覆盖度提取的最优辐射校正模型。采用NDVI等6种不同的植被指数对多尺度遥感影像分别进行植被提取,并利用GI模型、CR模型和GC模型进行了植被覆盖度估算。通过对实验结果的比较分析确定出利用遥感影像进行城市植被覆盖度估算时,ICM模型为最佳辐射校正模型；对于高分辨遥感影像,NDVI为植被覆盖度估算的最佳植被指数；对于中低分辨率影像,植被覆盖度估算的最佳植被指数则为RVI和MSAVI:就研究区而言GI模型比CR模型估算的植被覆盖度要准确。同时,利用地形图获取的植被覆盖度数据对多尺度遥感植被覆盖度进行尺度分析,确定4m空间分辨率为研究城市植被覆盖度的最佳空间尺度；当对不同空间分辨率遥感影像估算的植被覆盖度进行空间尺度统一时,应先进行植被覆盖度估算然后进行空间尺度转换。
东启亮,林辉,孙华,邱琳,张雨[5]（2013）在《多源遥感数据融合方法在湿地分类中的适用性研究》文中研究说明以Landsat-5和SPOT5数据为数据源,运用标准差、信息熵、最佳指数以及清晰度等评价指标,采用Brovey变换、Gram-Schmidt变换、主成分（PC）变换3种融合方法,开展湿地分类适用性研究,旨在找到一种适用于湿地的遥感影像融合方法。研究表明:Landsat-5卫星的543波段组合与SPOT-5影像第3波段的主成分（PC）变换融合最适应于湿地,融合后影像分类总体精度比Landsat-5影像提高了4.43个百分点,比SPOT-5影像提高了3.06个百分点;融合后影像水域、泥沙滩地、草滩地、芦苇滩地以及水田的用户精度与制图精度均高于Landsat-5影像与SPOT-5影像;融合后影像林地与旱地的用户与制图精度虽高于Landsat-5影像,但低于SPOT-5影像,差别并不大。说明Landsat-5卫星的543波段组合与SPOT-5影像第3波段的主成分（PC）变换很好地保留了多光谱信息,并提高了空间分辨率,提高各湿地类型的分类效果。
胡龙华[6]（2012）在《基于环境减灾卫星的土地利用遥感监测研究》文中研究说明土地资源是人类社会赖以生存和发展的最基本、最重要的生产资料之一，是一种不可再生的有限的宝贵资源。要实现土地资源的可持续利用，就必须及时了解土地资源状况及其变化情况,依靠现代高科技手段和条件，改进和提高土地资源监测水平和质量，已成为各级政府实施有效的土地资源宏观政策管理的迫切需要。目前遥感技术在国土资源调查中已经得到了广泛的应用，成为当前土地利用调查与监测的重要手段之一。土地利用遥感宏观监测主要是采用中低分辨率的遥感数据，在全国或区域尺度上，快速获取土地利用及其变化的空间分布与总体发展趋势，主要目的为宏观形势分析和土地调控提供基础数据，同时为微观监测提供“靶区”。随着国土资源大调查项目日益发挥的重要作用，应用的领域不断扩展，对快速、应急的需求与日剧增，应充分发挥多源、多分辨率、多时相卫星数据的作用，以满足土地监测的需求。如何充分利用国产卫星所获取的地球数据资源，满足土地利用遥感宏观监测的需要，快速推进国产卫星遥感数据在土地调查监测领域的应用，使其成为国土资源调查和监测数据源的重要补充，并为国土资源战略决策提供科学依据，具有十分重要的现实意义。本文以黑龙江省为研究区域，以环境减灾卫星HJ-1数据为数据源，进行了土地利用遥感监测技术方法研究及质量评价，主要研究成果如下：1、在总结以往国产卫星遥感数据研究工作基础上，进行环境减灾卫星的土地利用遥感监测技术流程研究，形成了一套成熟的HJ-1数据遥感正射影像图制作方法，包括波段组合、纠正、镶嵌、镶嵌块信息文件制作方法。2、针对HJ-1数据遥感影像土地利用变化信息自动发现与提取等关键技术进行研究，通过多种发现与提取方法分析比较，总结出环境减灾卫星遥感数据变化信息发现的最佳方法，包括基于土地利用变化信息及新增建设用地信息提取方法，全流程质量控制方法。3、通过抽样调查等方法，进行HJ-1数据卫星影像质量评价研究，利用ALOS2.0米高分辨率数据对宏观监测成果进行精度评价与验证，分析环境减灾卫星数据卫星影像质量评价结果。4、对黑龙江省新增建设用地监测成果进行系统、全面的分析，为政府决策及土地管理部门制定管理政策和落实各项管理措施提供科学依据。5、通过本文研究为开展应用示范奠定数据基础，为国产环境减灾卫星遥感数据应用于城市土地利用动态监测、土地资源信息化管理提供科学的思路和方法。
李晓铃[7]（2010）在《基于TerraSAR-X和CBERS影像融合的水体信息自动提取研究》文中研究表明随着遥感技术的发展,越来越多不同类型的传感器被用于对地观测。光学传感器获取的数据光谱信息丰富,但易受大气条件的干扰。SAR是一种主动式相干微波遥感系统,可以全天时、全天候工作,并且对地物具有一定的穿透力,SAR图像纹理信息丰富,但存在大量的斑点噪声。因此有必要综合两类影像的信息,达到优势互补、改善图像的空间分辨率和光谱信息的目的。本文以CBERS多光谱影像和TerraSAR-X影像为数据源,进行融合算法的研究,并采用分类的方法提取水体信息。所做的主要工作包括：（1）分析了影像融合预处理中的关键技术,针对本文数据源的特点采取不同的辐射增强方法。（2）归纳和分析了基于像素级的多源遥感影像数据融合算法。重点研究了小波及小波包变换法,包括分解层数、小波基和融合规则的确定。定性、定量地评价各种算法的性能,结果表明小波变换法能较好地保持源图像的光谱信息和纹理细节。（3）将小波边缘检测与融合算法相结合,对增强边缘特征的影像融合方法进行了初步探索。并结合边缘增强算子与像素级融合算法,研究了突出边缘特征融合的改进方案。试验结果表明边缘增强算法在突出地物边缘特征的同时也丢失了部分细节。（4）通过对不同融合算法的定量评价发现,图像的细节和光谱信息是两个相互消长的因素,结果影像的优劣不能只依据某个指标来判定,更重要的是应用目的。因此本文采用水体提取的结果来评价何种融合算法更为有效。（5）采用最大似然法和支持向量机分别对原CBERS多光谱影像和各融合影像进行分类,进而提取水体信息,结果与定性和定量评价的结果并不一致,光谱和细节均保持较好的小波变换融合影像的水体错判率较高,光谱扭曲较大的Brovey变换法、HIS变换法和加权法提取的水体精度反而较好。
梁松[8]（2010）在《城市规划动态监管卫星遥感关键技术研究》文中研究表明近几年来,Quickbird、Geoeye-I等亚米级高空间分辨率多光谱遥感卫星的陆续升空及其商业运营,为城市规划遥感监测提供了有效而适用的数据源和应用研究机会。本文以Quickbird、IKONOS卫星遥感数据为主要数据源,针对我国迅速城市化过程中城市规划与建设的监管任务,开展城市规划与建设的变化检测、遥感信息模型和Web GIS监管服务的研究。通过对城市规划遥感监测业务分析,确定了研究的遥感数据源和处理流程。针对高分辨率多光谱遥感影像的特点,介绍了常用的一些图像处理技术,提出了改进的小波融合算法。根据城市规划遥感监测的特点,提出了采用面向对象的变化检测、信息提取和分类方法。采用面向对象的的遥感信息模型建立方法,研究了监测目标的光谱和空间特征,并建立了相应的遥感应用模型。在监测系统设计方面,提出了基于Web服务的GIS监测分析方法。
陈冬梅,张利,李彩娟[9]（2009）在《多源遥感影像融合技术在土地利用更新和变更调查中的应用》文中研究指明依据多源遥感影像融合技术的基本理论,结合新时期土地利用更新调查的原则和方法,根据地物在影像的纹理特征,探讨了多源遥感影像技术在土地利用更新和变更调查中的应用,分析比较了融合方法的特点及其实际应用.
谢茜[10]（2009）在《像素级遥感图像融合方法研究》文中研究说明遥感影像数据融合（也称信息融合）是近年来遥感领域和图像处理中的研究热点之一。遥感影像融合技术是将传感器获取的同一地区的影像数据进行空间配准,然后采用一定的算法将各影像数据中所含的信息优势或互补性有机结合起来,得到一幅包含信息更加丰富的图像。遥感图像融合已经成为图像处理和图像信息理解领域中不可或缺的技术,并在很多军事和民用方面有着重要应用。随着遥感技术得不断发展,也给遥感影像融合技术应用提出了挑战和发展契机。本论文针对多光谱图像传感器数据与全色图像传感器数据进行双源融合,本文研究的重点是像素级遥感图像融合算法的改进和比较分析,并探讨了各融合算法在土地利用监测变化中的应用。主要研究内容如下:1、论述了遥感影像数据融合的概念、国内外研究现状及遥感影像数据融合技术在实际中的应用。2、重点分析比较了与本文改进算法密切相关的IHs变换,并依据前人实验结果选定了最优的IHS融合算法;介绍了小波变换,并在此基础上该进了WI算法;讨论了DCT变换,在全面分析传统融合方法的基础上,提出了DCT改进融合算法。3、用实验进行验证各融合方法及改进方法,对结果进行主观、客观和综合的评价。4、阐述了融合图像的客观评价标准,改进了一种给定权重的综合评价方法,并在实验中用这些标准对实验结果进行了全面评价,验证了评价指标的可靠性。5、研究了各遥感图像融合方法在土地利用变化监测中的实际应用,选择一块试验区域对各融合方法提取的面积信息进行了精度评定,全面分析了各融合方法的适宜性。
二、TM、SPOT及其融合影像在土地利用调查中的精度分析（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、TM、SPOT及其融合影像在土地利用调查中的精度分析（论文提纲范文）
（1）基于高分遥感数据的落叶松林分参数反演（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究概况 |
| 1.2.1 林分参数估测方法概述 |
| 1.2.2 遥感信息分类提取研究进展 |
| 1.2.3 遥感影像反演林分参数研究进展 |
| 1.2.4 GF-1和GF-2遥感影像研究进展 |
| 1.3 研究目的与研究内容 |
| 1.3.1 研究目的与意义 |
| 1.3.2 研究内容 |
| 1.3.3 研究技术路线 |
| 1.4 本研究解决的关键问题 |
| 2 研究区概况 |
| 2.1 地理位置 |
| 2.2 自然环境 |
| 2.2.1 地形地貌 |
| 2.2.2 气候水文 |
| 2.2.3 土壤与植被 |
| 2.3 社会经济 |
| 3 数据获取与处理技术 |
| 3.1 高分遥感数据源 |
| 3.1.1 GF-1遥感卫星 |
| 3.1.2 GF-2遥感卫星 |
| 3.2 高分遥感影像预处理分析 |
| 3.2.1 遥感数据辐射定标与大气校正 |
| 3.2.2 正射校正 |
| 3.2.3 影像融合 |
| 3.3 样地实测数据的获取与处理 |
| 3.3.1 研究区实测样地落叶松情况统计 |
| 3.3.2 研究区实测样地数据的获取 |
| 3.3.3 研究区实测样地林分蓄积量的计算 |
| 3.4 本章小结 |
| 4 落叶松遥感信息提取技术研究 |
| 4.1 研究区落叶松遥感信息提取技术概述 |
| 4.2 落叶松遥感信息提取技术路线 |
| 4.3 遥感影像分类方法 |
| 4.3.1 最大似然分类方法 |
| 4.3.2 决策树分类法 |
| 4.4 不同优势树种遥感特征信息分析 |
| 4.5 提取结果及精度检验 |
| 4.6 本章小结 |
| 5 落叶松郁闭度和蓄积量估测模型研究 |
| 5.1 纹理特征信息提取 |
| 5.1.1 影像主成分波段分析 |
| 5.1.2 基于灰度共生矩阵法的纹理特征提取及窗口选择 |
| 5.2 遥感影像的光谱特征和地形因子提取 |
| 5.3 模型构建方法 |
| 5.4 不同分辨率遥感数据反演落叶松林分参数差异 |
| 5.4.1 16m分辨率GF-1数据反演 |
| 5.4.2 8m分辨率GF-1数据反演 |
| 5.4.3 4m分辨率GF-2数据反演 |
| 5.4.4 2m分辨率GF-1融合数据反演 |
| 5.4.5 1m分辨率GF-2融合数据反演 |
| 5.5 基于不同分辨率遥感数据林分参数反演模型对比分析 |
| 5.5.1 遥感数据最优纹理窗口分析 |
| 5.5.2 不同分辨率遥感数据纹理特征分析 |
| 5.5.3 郁闭度反演模型分析 |
| 5.5.4 林分蓄积量反演模型 |
| 5.5.5 林分参数模型对比分析 |
| 5.6 最优落叶松林分参数反演模型及专题图 |
| 5.6.1 最优反演模型 |
| 5.6.2 模型精度验证 |
| 5.7 本章小结 |
| 6 结论与讨论 |
| 6.1 结论 |
| 6.2 讨论 |
| 6.3 论文的创新点 |
| 6.4 建议与展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
（2）基于面向对象分类方法的延庆区公益林地块变化提取（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 遥感技术在植被动态监测中的发展及应用 |
| 1.2.2 面向对象影像分类方法的研究现状 |
| 1.2.3 研究现状总体分析 |
| 1.3 研究内容及技术路线 |
| 1.4 文章组织与结构 |
| 2 研究区概况与数据 |
| 2.1 研究区概况 |
| 2.1.1 地形地貌概况 |
| 2.1.2 森林资源概况 |
| 2.1.3 分类体系概述 |
| 2.2 研究区数据 |
| 2.3 遥感数据预处理 |
| 2.3.1 几何校正 |
| 2.3.2 大气校正 |
| 2.3.3 图像镶嵌与裁剪 |
| 2.3.4 云处理 |
| 2.4 本章小结 |
| 3 影像融合 |
| 3.1 遥感影像融合方法 |
| 3.1.1 Brovey变换 |
| 3.1.2 HSV变换 |
| 3.1.3 GS变换 |
| 3.1.4 PC变换 |
| 3.1.5 Pansharp融合算法 |
| 3.2 融合实验与评价方法 |
| 3.3 融合效果及评价 |
| 3.3.1 基于视觉效果的定性分析 |
| 3.3.2 基于数理统计的定量分析 |
| 3.4 本章小结 |
| 4 基于像元的遥感影像分类方法及精度评价 |
| 4.1 监督分类方法 |
| 4.2 训练样本的选取 |
| 4.3 分类精度评价方法 |
| 4.4 分类结果及分类精度评价 |
| 4.5 本章小结 |
| 5 面向对象的遥感影像分类方法及精度评价 |
| 5.1 多尺度分割及最优分割尺度选择 |
| 5.1.1 多尺度分割概述 |
| 5.1.2 最优尺度选择 |
| 5.2 规则集的建立 |
| 5.3 面向对象分类的实现 |
| 5.4 面向对象分类结果及精度评价 |
| 5.5 本章小结 |
| 6 公益林变化信息提取 |
| 6.1 变化信息提取概述 |
| 6.1.1 图像直接比较法 |
| 6.1.2 分类后比较法 |
| 6.1.3 直接分类法 |
| 6.2 变化地块信息提取结果 |
| 6.3 提取变化信息精度评价 |
| 6.3.1 精度评价概述 |
| 6.3.2 精度评价 |
| 6.4 公益林变化分析 |
| 6.4.1 各地类面积变化分析 |
| 6.4.2 地类变化动态分析 |
| 6.5 本章小结 |
| 7 结论与讨论 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 问题与讨论 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
（3）基于WorldView-2数据的城市典型绿化树种分类（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究进展 |
| 1.3.1 影像分类进展 |
| 1.3.2 WorldView-2在植被信息提取中的应用 |
| 1.3.3 树种识别研究进展 |
| 1.3.4 问题诊断与分类设想 |
| 1.4 实验流程及研究内容与方法 |
| 1.4.1 实验流程 |
| 1.4.2 研究内容与方法 |
| 1.4.3 技术路线 |
| 1.5 小结 |
| 2 研究区概况及数据源 |
| 2.1 研究区概况 |
| 2.1.1 地理概况 |
| 2.1.2 气候特征 |
| 2.1.3 土壤条件 |
| 2.1.4 植物资源及绿化现状 |
| 2.2 数据源 |
| 2.3 小结 |
| 3 数据预处理 |
| 3.1 辐射定标 |
| 3.2 影像融合 |
| 3.2.1 融合方法 |
| 3.2.2 影像融合质量评价 |
| 3.3 大气校正 |
| 3.4 几何精校正 |
| 3.4.1 校正模型 |
| 3.4.2 灰度值重采样方法 |
| 3.5 黑边去除 |
| 3.6 小结 |
| 4 树种样本采集与光谱曲线分析 |
| 4.1 影像最佳波段选择 |
| 4.1.1 影像光谱特征值统计 |
| 4.1.2 波段相关性分析 |
| 4.1.3 OIF指数分析 |
| 4.2 树种调查与样本获取 |
| 4.3 树种光谱曲线分析 |
| 4.4 小结 |
| 5 针阔树种分类 |
| 5.1 影像植被部分提取 |
| 5.2 基于最大似然的针阔叶树种分类 |
| 5.2.1 基于WorldView-2的针阔叶树种分类 |
| 5.2.2 基于QuickBird的针阔叶树种分类 |
| 5.2.3 分类结果比较 |
| 5.3 小结 |
| 6 基于光谱特征的绿化树种分类 |
| 6.1 试验区影像范围确定 |
| 6.2 基于最大似然的绿化树种分类 |
| 6.3 基于支持向量机的绿化树种分类 |
| 6.4 小结 |
| 7 基于光谱指数的树种分类 |
| 7.1 光谱指数集合构建 |
| 7.1.1 植被指数选取 |
| 7.1.2 新光谱指数构建 |
| 7.2 光谱指数提取 |
| 7.3 基于递归光谱指数消除的树种分类 |
| 7.4 基于光谱指数与光谱波段组合的树种分类 |
| 7.4.1 最大似然分类结果 |
| 7.4.2 支持向量机分类结果 |
| 7.4.3 树种分类结果分析 |
| 7.5 小结 |
| 8 基于纹理及综合特征的树种分类 |
| 8.1 主成分分析 |
| 8.1.1 主成分提取 |
| 8.1.2 基于主成分的分类 |
| 8.2 基于纹理特征的分类 |
| 8.2.1 纹理的定义 |
| 8.2.2 纹理特征提取 |
| 8.2.3 基于递归纹理特征消除的树种分类 |
| 8.3 基于纹理、光谱波段、主成分组合的树种分类 |
| 8.4 基于纹理、光谱指数、主成分组合的树种分类 |
| 8.5 基于纹理、光谱指数、主成分、光谱波段组合的树种分类 |
| 8.6 树种分类结果分析 |
| 8.7 小结 |
| 9 结论与讨论 |
| 9.1 结论 |
| 9.2 讨论 |
| 9.3 创新点 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（4）多尺度多平台遥感影像在城市遥感中的应用研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 影像融合方面的国内外文献综述 |
| 1.2.2 植被覆盖度方面国内外文献综述 |
| 1.2.3 多尺度多源影像应用方面的国内外文献综述 |
| 1.3 现有方法的不足 |
| 1.4 本文概述 |
| 1.4.1 研究内容 |
| 1.4.2 论文框架 |
| 第二章 遥感影像融合算法改进与评价方法 |
| 2.1 融合算法 |
| 2.1.1 IHS融合算法 |
| 2.1.2 Brovey变换 |
| 2.1.3 SFIM融合算法 |
| 2.1.4 SVR融合算法 |
| 2.1.5 PCA融合方法 |
| 2.1.6 小波变换融合方法 |
| 2.1.7 商业遥感软件集成的融合算法 |
| 2.1.8 本文改进的融合算法 |
| 2.2 融合效果评价方法 |
| 2.2.1 定性评价 |
| 2.2.2 定量评价 |
| 2.3 小结 |
| 第三章 遥感影像融合实验与评价 |
| 3.1 数据源 |
| 3.1.1 Landsat-7 ETM+ |
| 3.1.2 IKONOS |
| 3.1.3 EO-1 ALI |
| 3.1.4 SPOT-5 |
| 3.2 融合实验 |
| 3.2.1 同源影像融合 |
| 3.2.2 异源影像融合 |
| 3.3 小结 |
| 第四章 遥感影像融合与辐射校正关系探讨 |
| 4.1 辐射校正 |
| 4.1.1 辐射亮度 |
| 4.1.2 反射率 |
| 4.1.3 物理校正模型 |
| 4.2. 影像融合 |
| 4.2.1 辐射分辨率规范化 |
| 4.2.2 异常值处理 |
| 4.3 实验与分析 |
| 4.3.1 辐射分辨率规范化融合实验 |
| 4.3.2 辐射校正与融合关系实验 |
| 4.3.3 实验结论 |
| 4.4 小结 |
| 第五章 多尺度遥感影像植被覆盖度提取 |
| 5.1 植被覆盖度 |
| 5.1.1 植被指数 |
| 5.1.2 植被覆盖度 |
| 5.2 空间尺度的统一 |
| 5.2.1 最大公约数 |
| 5.2.2 重采样 |
| 5.2.3 空间尺度转换算法举例 |
| 5.3 植被覆盖度验证数据获取 |
| 5.3.1 验证数据的获取方法 |
| 5.3.2 格网法植被覆盖度计算 |
| 5.4 实验与分析 |
| 5.4.1 评价指标 |
| 5.4.2 多源多尺度植被覆盖度分析 |
| 5.4.3 多源同尺度植被覆盖度分析 |
| 5.5 小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间取得成果 |
| 致谢 |
| 个人简历 |
（5）多源遥感数据融合方法在湿地分类中的适用性研究（论文提纲范文）
| 1 材料与方法 |
| 1.1 研究区概况 |
| 1.2 数据源 |
| 1.2.1 遥感数据 |
| 1.2.2 辅助数据 |
| 1.3 图像预处理 |
| 1.4 数据的融合方法 |
| 1.5 融合效果评价指标 |
| 1.5.1 标准差 |
| 1.5.2 信息熵 |
| 1.5.3 最佳指数 (OIF) |
| 1.5.4 清晰度 |
| 2 结果与分析 |
| 2.1 融合效果评价 |
| 2.2 分类结果与精度评价 |
| 3 结论 |
（6）基于环境减灾卫星的土地利用遥感监测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究的目的和意义 |
| 1.4 研究的内容和方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线及技术流程 |
| 1.5 论文内容与组织结构 |
| 第2章 基础数据与监测区概况 |
| 2.1 基础数据 |
| 2.1.1 环境减灾卫星 |
| 2.1.2 遥感卫星数据 |
| 2.1.3 辅助资料数据 |
| 2.2 监测区概况 |
| 2.2.1 监测范围 |
| 2.2.2 监测区自然地理概况 |
| 2.2.3 社会经济概况 |
| 2.2.4 土地利用现状 |
| 第3章 遥感数据处理理论 |
| 3.1 基础数据预处理 |
| 3.1.1 原始数据质量检查 |
| 3.1.2 控制资料预处理 |
| 3.2 遥感影像图制作 |
| 3.2.1 波段组合 |
| 3.2.2 纠正 |
| 3.2.3 镶嵌 |
| 3.2.4 裁切 |
| 3.2.5 镶嵌块信息文件制作 |
| 第4章 土地利用变化信息提取 |
| 4.1 图斑提取指标 |
| 4.2 变化信息发现 |
| 4.3 变化信息提取 |
| 4.3.1 人机交互提取 |
| 4.3.2 自动提取方法 |
| 4.3.3 组合法 |
| 4.3.4 变化图斑提取的问题 |
| 4.4 变化信息界定 |
| 4.4.1 伪变化图斑 |
| 4.4.2 边界模糊图斑 |
| 4.4.3 成片开发分批建设图斑 |
| 4.4.4 线状地物图斑 |
| 4.5 变化类型确定 |
| 4.6 变化信息表达 |
| 4.7 监测信息管理文件夹 |
| 第5章 监测成果的分析与应用 |
| 5.1 成果精度评价 |
| 5.1.1 精度检验数据 |
| 5.1.2 DOM 纠正精度评价 |
| 5.1.3 变化检测能力评价 |
| 5.2 监测结果分析 |
| 5.2.1 变化图斑的分布 |
| 5.2.2 变化图斑面积分级 |
| 5.2.3 变化图斑类型分析 |
| 5.2.4 变化图斑占用地类分析 |
| 5.2.5 新增道路用地分析 |
| 5.3 监测成果应用 |
| 5.3.1 监测成果在黑龙江省土地变更调查中的应用 |
| 5.3.2 监测成果在黑龙江省土地利用现状调查中的应用 |
| 5.3.3 监测成果在黑龙江省高尔夫球场用地检查中的应用 |
| 5.3.4 监测成果在黑龙江省土地监督执法中的应用 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 后记和致谢 |
（7）基于TerraSAR-X和CBERS影像融合的水体信息自动提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 中巴资源卫星数据应用现状 |
| 1.2.2 光学和SAR影像融合的发展现状 |
| 1.2.3 水体信息自动提取的国内外现状 |
| 1.3 本文的研究工作 |
| 1.4 本章小结 |
| 第2章 遥感影像融合的理论基础 |
| 2.1 多源遥感数据融合的定义 |
| 2.2 多源遥感数据融合的层次 |
| 2.2.1 像素级融合 |
| 2.2.2 特征级融合 |
| 2.2.3 决策级融合 |
| 2.3 影像融合的关键技术问题 |
| 2.3.1 数据配准 |
| 2.3.2 融合模型的建立与优化 |
| 2.3.3 融合方法的选择 |
| 2.4 影像融合的效果评价 |
| 2.4.1 融合影像的主观评价 |
| 2.4.2 融合影像的客观评价 |
| 2.5 本章小结 |
| 第3章 数据准备及预处理 |
| 3.1 实验数据 |
| 3.1.1 CBERS卫星介绍 |
| 3.1.2 TerraSAR-X卫星介绍 |
| 3.1.3 本文实验数据 |
| 3.2 图像融合前预处理 |
| 3.2.1 辐射量增强 |
| 3.2.2 几何纠正与配准 |
| 3.2.3 图像的裁剪 |
| 3.3 本章小结 |
| 第4章 基于像素级的影像融合研究 |
| 4.1 概述 |
| 4.2 代数运算方法 |
| 4.2.1 加权融合法 |
| 4.2.2 高通滤波法 |
| 4.2.3 Brovey变换法 |
| 4.3 基于空间变换的方法 |
| 4.3.1 HIS变换融合法 |
| 4.3.2 PCA变换融合法 |
| 4.4 基于塔式分解与重构的方法 |
| 4.4.1 小波变换融合法 |
| 4.4.2 小波包变换融合法 |
| 4.5 改进算法 |
| 4.6 试验结果与分析 |
| 4.7 本章小结 |
| 第5章 基于边缘增强的影像融合研究 |
| 5.1 经典的边缘增强及检测算子 |
| 5.1.1 Roberts算子 |
| 5.1.2 Prewitt算子 |
| 5.1.3 Sobel算子 |
| 5.1.4 Log算子 |
| 5.1.5 Canny算子 |
| 5.2 基于小波变换的图像边缘检测 |
| 5.3 基于边缘增强的小波变换融合 |
| 5.4 基于边缘增强算子的影像融合 |
| 5.5 试验结果与分析 |
| 5.6 本章小结 |
| 第6章 水体信息的自动提取 |
| 6.1 单波段法 |
| 6.2 多波段法 |
| 6.3 分类后提取法 |
| 6.3.1 最大似然法 |
| 6.3.2 支持向量机分类 |
| 6.4 试验结果与分析 |
| 6.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
（8）城市规划动态监管卫星遥感关键技术研究（论文提纲范文）
| 摘要 Abstract 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 相关研究发展现状 |
| 1.2.1 国内方面 |
| 1.2.2 国外方面 |
| 1.3 主要研究内容 |
| 1.3.1 相关的研究课题 |
| 1.3.2 特色和重点研究问题 |
| 1.3.3 研究目标和主要研究内容 |
| 1.3.4 技术路线 |
| 1.3.5 研究方法 |
| 1.4 论文的组织 2 城市规划遥感监测业务与技术流程 |
| 2.1 概述 |
| 2.1.1 城市规划相关概念 |
| 2.1.2 城市规划遥感监测业务流程 |
| 2.1.3 城市规划遥感监测技术流程 |
| 2.2 数据获取 |
| 2.2.1. 城市规划监管数据需求 |
| 2.2.2. 城市规划监管数据源分析 |
| 2.3 面向城市规划监管的遥感数据处理 |
| 2.4 变化信息提取与识别 |
| 2.5 核查与成果发布 |
| 2.5.1 核查 |
| 2.5.2 成果发布 |
| 2.6 小结 3 遥感图像处理核心技术 |
| 3.1 图像纠正与配准 |
| 3.2 遥感影像的数字镶嵌 |
| 3.3 图像变换 |
| 3.4 图像增强 |
| 3.5 多源遥感图像数据融合 |
| 3.5.1 融合的概念 |
| 3.5.2 融合的基本理论 |
| 3.5.3 主要融合方法 |
| 3.5.4 融合方法的应用比较 |
| 3.6 改进型小波融合算法 |
| 3.6.1 小波理论的发展 |
| 3.6.2 基于小波变换的融合算法 |
| 3.6.3 基于PCA变换、小波变换与高通滤波的遥感影像融合方法 |
| 3.7 实例分析 |
| 3.8 小结 4 变化信息检测(提取)分类的理论和方法 |
| 4.1 概述 |
| 4.2 变化检测的地物及其遥感图像特征分析 |
| 4.2.1 变化检测中地物的地学特征 |
| 4.2.2 遥感图像的分辨率 |
| 4.2.3 地物与遥感图像间的对应关系 |
| 4.2.4 地物遥感信息空间 |
| 4.3 变化检测的主要方法及其特点 |
| 4.3.1 分类后比较法 |
| 4.3.2 代数运算方法 |
| 4.3.3 可视化分析法 |
| 4.3.4 光谱特征变异法 |
| 4.3.5 主成分分析法 |
| 4.3.6 变换向量分析法 |
| 4.3.7 小波变换法 |
| 4.3.8 面向对象法 |
| 4.3.9 变化检测方法分析 |
| 4.4 面向对象的变化检测分类方法 |
| 4.4.1 高分辨率遥感图像特点 |
| 4.4.2 面向对象分类的概念 |
| 4.4.3 面向对象分类的优点 |
| 4.4.4 面向对象分类的难点 |
| 4.4.5 面向对象分类的流程 |
| 4.4.6 城市规划遥感监测专题对象分析 |
| 4.5 实例分析及评价 |
| 4.5.1 Definiens分类软件 |
| 4.5.2 实例分析 |
| 4.6 小结 5 城市规划遥感专题监测模型研究 |
| 5.1 概述 |
| 5.2 遥感信息模型 |
| 5.2.1 遥感信息模型的概念 |
| 5.2.2 遥感信息模型的建立 |
| 5.3 城市规划遥感监测专题目标的光谱、空间和纹理等特征 |
| 5.3.1 建设工程监测目标的特征 |
| 5.3.2 城市道路监测目标的特征 |
| 5.3.3 城市水系监测目标的特征 |
| 5.3.4 城市绿地监测目标的特征 |
| 5.3.5 建设用地监测目标的特征 |
| 5.3.6 历史文化名城保护监测目标的特征 |
| 5.4 城市规划遥感监测专题应用模型 |
| 5.4.1 面向对象的遥感模型建立方法 |
| 5.4.2 城市规划遥感监测专题模型 |
| 5.5 遥感信息模型的数学表达 |
| 5.6 实例分析 |
| 5.7 小结 6 基于WEB服务的GIS监测分析研究 |
| 6.1 概述 |
| 6.1.1 Web Services简介 |
| 6.1.2 Web Services的工作原理 |
| 6.2 基于WEB服务的监测系统设计 |
| 6.2.1 监测系统技术框架 |
| 6.2.2 基于Web服务的监测系统功能设计 |
| 6.2.3 系统的运行环境 |
| 6.3 基于GIS技术的监测分析 |
| 6.3.1 监测数据管理 |
| 6.3.2 基于GIS技术的监测分析 |
| 6.4 实例分析 |
| 6.4.1 变化提取 |
| 6.4.2 GIS辅助监测分析 |
| 6.5 小结 7 结论与展望 |
| 7.1 主要研究成果和创新点 |
| 7.1.1 主要研究成果 |
| 7.1.2 主要创新点 |
| 7.2 城市规划遥感监测发展展望 参考文献 致谢 作者简介 在学期间发表论文及参加科研工作情况 |
（9）多源遥感影像融合技术在土地利用更新和变更调查中的应用（论文提纲范文）
| 1 多源遥感影像融合技术及其原理 |
| 1.1 基本原理 |
| 1.2 多源遥感影像融合的过程 |
| 1.3 多源遥感影像信息融合的关键技术 |
| 2 多源遥感影像融合的层次 |
| 3 融合方法及应用 |
| 3.1 融合方法 |
| 3.1.1 HIS变换融合法 |
| 3.1.2 Lab变换法 |
| 3.1.3 高通滤波变换 (High Pass Filtering, HPF) 法 |
| 3.1.4 Brovey变换法 |
| 3.1.5 比值运算法 |
| 3.2 土地利用更新和变更调查中融合方法的选取 |
| 3.3 不同融合方法的比较与应用 |
| 4 结论 |
（10）像素级遥感图像融合方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 遥感影像融合方法研究现状与进展 |
| 1.2.1 国外研究现状与进展 |
| 1.2.2 国内研究现状与进展 |
| 1.2.3 遥感影像融合技术的应用 |
| 1.3 研究内容和研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法及其技术路线 |
| 1.4 论文结构 |
| 第二章 数据及预处理 |
| 2.1 实验数据简介 |
| 2.2 预处理技术 |
| 2.2.1 图像的增强 |
| 2.2.2 图像的纠正和配准 |
| 第三章 遥感图像融合方法 |
| 3.1 IHS变换法 |
| 3.1.1 IHS变换法的定义 |
| 3.1.2 基于IHS变换的遥感图像融合算法 |
| 3.2 小波变换法 |
| 3.2.1 小波变换法的定义 |
| 3.2.2 基于小波变换的遥感图像融合算法 |
| 3.2.3 基于IHS变换和小波变换改进(WI变换法)的图像融合 |
| 3.3 DCT变换法 |
| 3.3.1 DCT(二维离散余弦)变换的定义 |
| 3.3.2 基于DCT(二维离散余弦)变换的遥感图像融合算法 |
| 3.3.3 基于DCT变换改进(DCT变换法)的图像融合 |
| 3.4 图像融合质量评价 |
| 3.4.1 主观评价 |
| 3.4.2 客观评价 |
| 3.4.3 基于权重的投票表决法质量评价(评价方法改进) |
| 3.5 本章小结 |
| 第四章 图像融合方法的实验验证和结果分析 |
| 4.1 数据选择 |
| 4.2 实验结果 |
| 4.2.1 主观评价结果 |
| 4.2.2 客观评价结果 |
| 4.3 基于权重的投票表决法质量评价 |
| 4.4 分析和结论 |
| 4.5 本章小结 |
| 第五章 图像融合在土地利用变化监测中比较分析 |
| 5.1 研究的技术路线 |
| 5.2 图像融合在土地利用变化监测中比较分析 |
| 5.2.1 试验数据选择 |
| 5.2.2 变化信息提取和面积计算 |
| 5.2.3 变化精度评定 |
| 5.3 融合方法的适用性分析 |
| 5.3.1 定性分析 |
| 5.3.2 定量分析 |
| 5.3.3 适用性结论 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间主要研究成果 |
四、TM、SPOT及其融合影像在土地利用调查中的精度分析（论文参考文献）
- [1]基于高分遥感数据的落叶松林分参数反演[D]. 谢士琴. 北京林业大学, 2018(04)
- [2]基于面向对象分类方法的延庆区公益林地块变化提取[D]. 胡曼. 北京林业大学, 2017(04)
- [3]基于WorldView-2数据的城市典型绿化树种分类[D]. 刘怀鹏. 内蒙古农业大学, 2016(01)
- [4]多尺度多平台遥感影像在城市遥感中的应用研究[D]. 高永刚. 福州大学, 2013(12)
- [5]多源遥感数据融合方法在湿地分类中的适用性研究[J]. 东启亮,林辉,孙华,邱琳,张雨. 中南林业科技大学学报, 2013(01)
- [6]基于环境减灾卫星的土地利用遥感监测研究[D]. 胡龙华. 吉林大学, 2012(09)
- [7]基于TerraSAR-X和CBERS影像融合的水体信息自动提取研究[D]. 李晓铃. 西南交通大学, 2010(10)
- [8]城市规划动态监管卫星遥感关键技术研究[D]. 梁松. 中国矿业大学（北京）, 2010(10)
- [9]多源遥感影像融合技术在土地利用更新和变更调查中的应用[J]. 陈冬梅,张利,李彩娟. 农业科学研究, 2009(02)
- [10]像素级遥感图像融合方法研究[D]. 谢茜. 中南大学, 2009(04)