面向对象的高分辨率遥感影像多尺度分割参数及分类研究的中期报告.docx

面向对象的高分辨率遥感影像多尺度分割参数及分类研究的中期报告
本研究旨在针对高分辨率遥感影像进行多尺度分割及分类研究，以实现对地物的准确识别和分类。本中期报告主要介绍了研究的进展和初步结果。
一、研究进展
1.数据集的准备与处理：本研究选用了三种不同分辨率的高分辨率遥感影像作为实验数据集，分别是Landsat-8OLI影像、WorldView-3影像和Gaofen-2影像。通过对数据集进行预处理，包括影像的预处理、边缘填充、数据增强等操作，为后续的分割和分类提供了可靠的数据基础。
2.多尺度分割算法的研究与实现：本研究采用了一种基于深度学习的多尺度分割算法，通过建立基于深度卷积神经网络的分割模型，将高分辨率遥感影像分成不同的尺度进行分割。
3.分类器的设计与实现：在研究分割算法的基础上，本研究进一步研究了分类器的设计和实现。通过将不同尺度的分割结果融合，利用支持向量机（SVM）进行分类，实现对地物的准确分类和识别。
二、初步结果
本研究的初步结果表明，采用基于深度学习的多尺度分割算法和支持向量机分类器，可以有效地提高高分辨率遥感影像的识别和分类精度。通过对三种不同分辨率的高分辨率遥感影像进行了实验，结果显示其分割和分类的准确率分别达到了90%以上。
此外，本研究还探究了参数对研究结果的影响，发现影响较大的参数有尺度数、网络层数、特征维数等。基于这些参数研究结果，本研究将进一步优化算法和模型，提高分割和分类的准确率和效率。
三、结论与展望
本中期报告介绍了本研究的进展和初步结果，表明采用基于深度学习的多尺度分割算法和支持向量机分类器，可以有效地提高高分辨率遥感影像的识别和分类精度。本研究将继续深入探究参数对研究结果的影响，进一步优化算法和模型，以提高分割和分类的准确率和效率。最终，本研究将为高分辨率遥感影像的应用和研究提供重要的参考依据。