地球探测科学与技术学院.pdf

附件2：

地球探测科学与技术学院

学士学位论文写作基本格式

（供参考）

摘要

在遥感图像上识别出盐碱地可以使用人工解译识别法和计算机自动

识别法，即模式识别方法，后者省时省力，已经成为遥感图像识别分类

的主要趋势。对遥感图像进行模式识别的过程一般分为三部分：图像预

处理、选取和压缩特征标志以及研究识别算法。

在遥感图像的预处理方面，为了使图像上盐碱地的便于识别提取，

需采用可以突出盐碱地的图像增强方法，即拉伸盐碱地的灰度值范围，

压缩其它地物的灰度值范围。这样的增强方法有三种：有分段线性增强

法、平方增强法和指数增强法。经过比较三种方法的原理算法以及它们

在灰度级直方图上的效果，我们选择了分段线性增强法。在选取分段线

性增强法的参数时，我们选出了一些具有代表性的盐碱地地块，然后统

计其灰度值范围，并规定，若某个灰度值的像元个数大于所选像元总数

的千分之一灰度值，该灰度值有效，即将其记入盐碱地灰度值范围内。

对于特征的选择和压缩来说，除了选取通常遥感图像模式识别所用

的6个特征以外，还选取了两个可以突出盐碱地信息，消除其它地物信

息的两个波段组合特征，即波段5减波段4和波段5减波段2。选取这

些波段组合的依据就是盐碱地以及其它地物类别的波谱特征，包括波谱

特征曲线和波谱矢量剖面曲线。然后采用了主成份分析法对所选的8个

特征波段进行压缩，结果压缩了62.5%的数据量。

对于识别算法的研究和选择来说，考虑到遥感图像上的像元对各个

地物类别的隶属关系具有模糊性，本文选取了模糊K均值法。采用该方

法进行分类后，虽然将盐碱地与其它地物分开了，但它与居民用地仍然

难以分开，这是由于二者具有相似的光谱特征，因此仅依赖基于光谱特

征的识别方法是不够的。与盐碱地比较，居民用地具有比较明显的纹理

特征，即空间特征。因此，我们采用了一种基于空间信息的上下文分类

法进行居民地的提取，然后融合两种分类方法的结果，得到了比较理想

的效果。最终识别结果的总体分类精度达94.5%，Kappa系数为75.4%，

单独评价盐碱地提取精度的盐碱地条件Kappa系数为95.44%，完全可以

满足各种应用需要。

关键词：盐碱地遥感图像图像增强模式识别乾安县

Abstract

Generally,recognizingsalineandalkalisoiloutofremotelysensed

imageshastwomethods.Oneistoletspecialistconcernedanalyzetheimage

andthenfindouttheareaandborderlineofthesoilbyhands.Anotheristo

usecomputerfindingoutonthebasisofaseriesofalgorithms.Thelatter

takesmuchlesstimeandmanpowerthantheformerdoes.So,ithasbeena

trendtousecomputerwhenclassifyingremotelysensedimages.Using

computertoclassifyRSimagesisbasedonthetheoryandalgorithmsof

PatternRecognition,andactually,it’soneoftheapplicationsofPRonRS.

ThePRoperationofremotelysensedimagesincludesthreeparts:

enhancingimageinadvance,selectingandcompressingfeatu