基于面向对象混合分类方法的城市典型地物信息提取研究的开题报告.docx

基于面向对象混合分类方法的城市典型地物信息提取研究的开题报告
开题报告
题目：基于面向对象混合分类方法的城市典型地物信息提取研究
一、研究背景和意义
城市是人类生存和发展的重要场所，城市地物信息的准确提取对于城市规划、管理和环境保护有着重要的意义。城市典型地物包括建筑物、道路、绿地、水体等，这些地物的提取一直是遥感领域的热点问题。传统的分类方法往往采用像素级别的分类方法，忽略了地物间的相互联系和特征。而基于对象的分类方法可以更准确地获取地物的形态和空间关系，同时混合分类方法结合了多种特征，能够提高分类的准确性和稳定性。
本研究将探究基于面向对象混合分类方法的城市典型地物信息提取技术，实现对城市典型地物的自动识别和分类，为城市规划、建设和环境保护提供科学依据。
二、研究内容和方法
1、研究内容
（1）探究基于面向对象混合分类方法的城市地物信息提取模型。
（2）利用高分辨率遥感影像数据获取城市地物信息，通过人工干预和验证获取真实的地物分布数据。
（3）结合算法和实验分析，深入研究不同特征对地物分类准确度的影响。
（4）针对不同城市的特点，建立多种地物分类模型。
2、研究方法
（1）获取高分辨率遥感影像数据，采用遥感图像预处理技术，包括图像增强、噪声去除、影像校正等。
（2）基于对象的分类方法，采用SegNet网络进行像元级别的分类，通过前景分割、形态学处理、区域合并等方法提取地物对象，利用混合特征进行分类。
（3）基于验证数据对分割效果进行人工评估，精度评价分别用混淆矩阵法和Kappa系数法。
三、预期成果
本研究主要的预期成果如下：
（1）建立基于面向对象混合分类方法的城市典型地物信息提取模型。
（2）利用多种特征及算法，实现对城市典型地物的自动识别和分类。
（3）进行实验验证和人工干预，提高分类准确率和稳定性。
（4）研究各种特征对分类准确率的影响，探究最佳方案。
四、研究进度
2019年6月至2019年9月：调研相关文献，熟悉遥感图像分类算法和混合分类方法。
2019年9月至2020年1月：获取遥感影像数据，进行预处理和初步分类。
2020年1月至2020年6月：对初步分类结果进行人工干预和验证，并进行精度评价。
2020年6月至2020年12月：研究各种特征对分类准确率的影响，优化分类方法。
五、参考文献
[1]鲁春雷,马春明,刘路.面向对象遥感图像分类研究进展[J].遥感技术与应用,2012,27(1):174-183.
[2]Guo,Z.,&Yan,L.(2017).Classificationofimpervioussurfaceusingcloudcomputingandspatialclusteringsegmentation.ISPRSInternationalJournalofGeo-Information,6(4),83.
[3]李宁,杨跃,丁秉,等.基于遥感影像的水稻生育期时空动态监测研究[J].水资源与水工程学报,2017,28(01):193-200.