论文部分内容阅读
本论文以南京市南部城区为研究区域，探讨了分别运用TM图像与SPOT图像进行融合分类和对TM图像进行混合像元分解两种方法来提取小片林面积以计算植被覆盖率。并对IKONOS影像在图像增强的基础上采用系统抽样和目视勾绘植被信息的方法取得研究区的植被覆盖率数据，作为评价融合分类和分解效果的依据。 在对研究区数据进行几何精校正的基础上，对TM数据进行了详细的特征分析，并对其进行了有利于植被信息提取的几种图像变换：线性拉伸、比值增强、主成分变换、缨帽变换以及最低噪声分离变换(MNF变换)。以协方差矩阵行列式值和最佳指数值(组合波段标准差之和除以相关系数之和)为评价标准，得出对于TM原始波段而言，最佳的彩色合成组合是TM4、3、7和TM4、3、5；综合几种变换图像的彩色合成的最佳组合是MNF1、BR、NDVI。 在对SPOT图像进行图像增强后，采用加权融合、HIS融合、Brovey融合、主成分变换融合和K-T变换融合等五种方法对TM图像和SPOT图像进行融合，低分辨率TM图像进行融合的三个波段为TM4、3、7波段。融合后采用最大似然法进行自动分类。对融合后的图像分别从主观和客观两个方面进行了定性和定量的评价，其中客观评价分别采用了熵、平均梯度、光谱差异、相关系数以及分类精度作为评价标准。评价结果显示，融合后的图像既保留了多光谱图像的丰富光谱信息，又不同程度提高了空间分辨能力，很大程度上改善了目视解译效果和自动分类效果。尤其是Brovey融合图像提取植被信息的精度达到99.5％，已经能够满足准确提取植被覆盖率的需要。 对TM图像采用线性混合像元分解、逻辑斯蒂非线性混合像元分解和灰色相关像元分解等三种方法进行混合像元的分解，以提取植被信息。提取结果显示，三种分解方法中，基于邻域像元的灰色相关像元分解法充分利用了空间结构信息，其提取植被覆盖率精度最高，达到96.7％。 研究证明，无论是对TM图像和SPOT图像进行融合分类还是对TM图像进行混合像元分解，均可较为准确地提取植被覆盖率。图像数据融合技术和混合像元分解技术是林业遥感中颇具发展潜力的两个领域，有着广阔的应用前景。