《毕业设计（论文）高分辨率遥感影像空间特征提取.doc》由会员分享，可在线阅读，更多相关《毕业设计（论文）高分辨率遥感影像空间特征提取.doc（20页珍藏版）》请在三一办公上搜索。
1、毕 业 设 计中文题目高分辨率遥感影像空间特征提取英文题目The Spatial Feature Extraction of High Resolution Remotely Sensed Imagery院 系：计算机与信息工程学院年级专业：2010级空间信息与数字技术姓 名：学 号：1020012105指导教师：职 称：副教授、助理实验师2014 年 5 月 05 日毕业设计诚信声明书本人郑重声明：在毕业设计工作中严格遵守学校有关规定，恪守学术规范；我所提交的毕业设计是本人在 指导教师的指导下独立研究、撰写的成果，设计中所引用他人的文字、研究成果，均已在设计中加以说明；在本人的毕业设计中未剽
2、窃、抄袭他人的学术观点、思想和成果，未篡改实验数据。本设计和资料若有不实之处，本人愿承担一切相关责任。 学生签名： 年 月 摘 要从地理信息行业发展以来，遥感广泛应用于土壤检测、区域环境变化、海洋等方面，为科学研究提供重要的实验数据，然而近年来随着高空间分辨率遥感的发展，高空间分辨率遥感影像提供了大量的信息，细节愈加复杂，同物异谱和异物同谱的现象加重，使传统的遥感影像光谱分类方法面临着巨大的挑战。但是图像的空间特征对检索有很大帮助，而且空间特征的使用可加强对图像内容的描述区分能力，基于此背景，本文提出了空间特征的提取方法，旨在提取空间特征，用以更好的区分地类等目的。本次的毕业设计中空间特征的提
3、取参考了前人所做的研究。以资源3号遥感影像为数据源，选取厦门地区研究区，提取空间特征并进行分析，研究结果表明：表示的是方向线的条数，方向数越多，能反映更多的细节信息，而本文中一般选取20-24即可；参数的值越大，PSI提取的值也相应变大，即较大的在实验中能取得较好的效果；是PSI的尺度因子，衡量目标的关注尺度。还知道了空间特征对于高分辨率影像的解译是必须的，各种空间特征都能弥补光谱特征的信息不足。另外PSI计算简单，易于实现，考虑到高分辨率影像信息量大，它的存储和处理都需要大量的时间和空间，所以PSI算法具有较强的实用性。关键词：高分辨率；空间特征；PSI算法ABSTRACTSince the
4、 development of geographic information industry, widely used in remote sensing of soil testing, regional environmental change, oceans, etc, which provides important experimental data for scientific research, but with the development of high spatial resolution remote sensing in recent years, high spa
5、tial resolution remote sensing image provides a wealth of information, details become more complicated, the same phenomenon of the synonyms spectrum and the foreign body of spectrum increased, the traditional spectral remote sensing image classification method faces enormous challenges. But the spat
6、ial features of the image with great help for retrieval, and the use of spatial features can enhance the ability to distinguish between image description content, based on this background, this paper proposes a method for extracting spatial features, designed to extract spatial features for better t
7、he distinction class. The extraction of the spatial features of the graduate design made reference to the previous analysis. The ZY-3 as for the resource, and select the Xiamen area as the study area, extract features and analyze space. The same phenomenon of the synonyms spectrum and the foreign bo
8、dy of spectrum increased. The results show that: represents the direction of the line, the more the number of direction, the more details will be reflected, but this paper can generally select 20-24; the value of increased, the value of PSI extracted corresponding change larger, that is bigger in th
9、e experiment can achieve better results; is the PSI scale factor, a measure of concern scale goals. It is knows that the spatial features must be interpreted for the high resolution images, various spatial features can compensate for the lack of information to the spectral characteristics. Also PSI
10、calculation is simple, easy to implement, considering the large amount of information to high resolution images, it needs large amounts of time and space to store and process, so the PSI algorithm has strong practicality.Key Words: high resolution; spatial features; PSI algorithm目 录第1章绪论11.1 研究背景及意义
11、11.2 国内外研究现状11.3 主要研究内容2第2章PSI算法原理32.1 根据光谱特征相似性，延长方向线32.2 计算每个方向线的长度42.3 计算PSI4第3章实验及分析63.1 研究区概况63.2 数据源63.3 数据预处理73.3.1 几何校正73.3.2 影像融合73.3.3 影像裁剪83.4 实验平台介绍83.5 采用不同参数进行空间特征提取93.6 研究结果分析12第4章总结与展望14参考文献15致 谢17第1章 绪论1.1 研究背景及意义图像是对客观现象一种相似性的描述，它包含被描述对象的信息，是人们最主要的信息源1。遥感图像具有能够大面积的同步观测、多波段性、多时相性、经济
12、性等特点，这同时说明遥感图像的处理非常重要，但是日益丰富的遥感信息(光谱的、空间结构的)没有充分挖掘和处理，所以遥感图像的处理是制约RS发展的关键之一2。随着空间信息技术的飞速发展，高分辨率遥感数据影像急剧增加，而与此相应的现状却是信息提取方法的滞后，特别是高空间分辨率遥感数据的信息利用，需要准确、有效地提取图像上的空间特征，它们的可用性在图像分类上提出了挑战34。高分辨率遥感影像具有更丰富的信息和细节，同时同物异谱和同谱异物的现象严重，类内方差加大，类间方差变小，因此仅仅根据光谱特征进行高分辨率遥感影像信息提取难度加大，所以需要提取空间特征作为光谱特征的补充6。从光谱特征中可以根据一定规则计
13、算出空间特征，把目标物的形状、大小、或者边缘，线性构造等几何性特征提取出，比如说使用PSI算法，它是通过像元及其邻域的光谱相似性描述其上下文的形状分布，然后把归一化后的形状和光谱特征输入支持向量机(SVM)进行分类677。这对于某些地物这些特征更能够反映地物的特点，弥补光谱特征的不足。因此本选题通过提取空间特征，可以结合遥感影像的光谱、纹理、统计等特征用于遥感图像地物识别与分类，实现更好的分类精度5，也可以在GIS、摄影测量、计算机视觉等领域和气象、农林、地理、海洋、水利、国土资源和环保等行业使用4。1.2 国内外研究现状遥感技术日新月异，以QUICKBIRD/IKONOS为代表的高分辨率影像
14、，给我们带来丰富的地理信息，同时为全球的研究人员提供了及时又详实的地理资讯。目前城市管理中的主要数据来源是高分辨率遥感数据，因为它具有更加丰富的纹理特征和空间结构信息8。国内学者李平湘，张良培，黄昕提出了一种像元形状指数及基于形状和光谱特征融合的高空间分辨率遥感影像分类方法，即PSI算法。它是用像元及其邻域的关系来描述其空间结构，同时为了更全面地利用影像特征，提出了基于支持向量机的形状和光谱融合分类方法。实验证明了该方法计算简便，能有效表达高分辨率影像的地物特征，提高分类精度9。中国地质大学叶菁在她的博士论文提及通过分析数据的纹理特征，利用面向对象的思想进行土地利用信息研究，并总结出纹理特征在
15、高分辨率数据中的最优组合，明确指出面向对象最优尺度与影像对象间的关系。论文围绕如何提高高分辨率遥感影像分类精度的这一问题，从光谱、纹理和地学知识辅助三方面进行分析，重点对纹理特征组合和面向对象的尺度选择加以论述10。辽宁工程技术大学顾海燕硕士论文中研究了面向对象的高分辨率遥感影像分类技术。主要包括面向对象分类技术、特征选择与提取技术、多尺度分割技术这三大关键技术，在此基础上开发出了面向对象的高分辨率遥感影像智能解译系统，并利用该系统对高分辨率影像进行分类实验，结果表明了面向对象分类方法的优越性11。国外学者Shackelford和Davis提出了一种有效的算法：长宽提取算法(LWEA)提取出相
16、似光谱连接像素群的长度和宽度。LWEA的概念是类似的灰度共生矩阵，它还能测量沿一定方向的光谱类似的邻里的空间特征，这样更加的补足完善了光谱信息12。F. DellAcqua，P. Gamba，A. Ferari，J. A. Palmason，J. A. Benediktsson，和K. Arnason提出我们不仅仅要使用光谱信息，而且还应利用空间分析方法。空间分析方法可以简单地归纳为通过移动抽出的空间特征窗口或元素和基于上下文的空间分类决策准则，并考虑相邻像素内分类。着重对空间特征的加强可以获得更好的分类精度13。A. K. Shackelford和C. H. Davis提出高斯马尔可夫随机场
17、(GMRF)模型，这是马尔可夫随机场的精确和紧凑的版本(MRF)，这是另一种典型的提取空间信息方法14。1.3 主要研究内容本次毕业设计以资源三号遥感卫星影像为数据源，选取厦门岛部分地区为研究区域，采用一种空间特征提取算法即PSI算法对影像进行空间特征提取。在空间特征提取的基础上，分析基于该特征对地物进行区分的能力。本文的安排如下：1. 介绍PSI算法的原理，其中PSI的获得包含了三个步骤：根据光谱特征相似性，延长方向线；计算每个方向线的长度；计算PSI。2. 对研究区、数据源的情况进行说明。3. 对影像数据进行预处理，过程包括：几何校正、影像融合、影像裁剪。4. 介绍实验平台。5. 采用不同
18、参数进行空间特征提取。6. 分析研究结果及得到研究结论。 第2章 PSI算法原理本次毕业设计使用的是PSI算法(像素形状指数)，是对灰度共生矩阵LWEA的一种拓展15。PSI是一种基于相邻像素间的光谱特征相似性来衡量像素间的上下文关系，也就是描述其上下文的形状分布16。PSI有以下三个特性：PSI取消了窗口设置，且每条方向线的长度都不一样，算法根据不同的结构分布灵活处理，能有效利用影像的各向异性；PSI则保留了原始影像的灰度特征，然后用同质性阈值计算灰度值相似的像元个数；PSI探测20个方向。综上所述以上特性使PSI在高分辨率影像分类中能获得更好的效果。PSI有三个参数：方向线总数、光谱相似性
19、阈值和空间扩展阈值，而PSI的获得包含了三个步骤3：2.1 根据光谱特征相似性，延长方向线图 2.1 PSI的方向线9灰度间的相似性，通过下面的方法度量：(2.1)其中，表示在第个方向线上中心像素于周围像素的相似程度，代表波段数，表示中心像素的灰度值，代表方向线上周围像素的灰度值。方向线的拓展要满足以下两个条件：1）要小于事先定义的阈值：。2）方向上，总的像素个数，要小于事先定义的阈值。如果上面两个条件都不满足，就这个方向线的拓展就结束，进行下一个方向线的拓展。2.2 计算每个方向线的长度每个方向线的长度按照下士计算：(2.2)其中，和表示方向线两端的顶点坐标（图像上的行列号）。如果有个方向线
20、，对每个像素就可以计算得到向量：。2.3 计算PSI(2.3)其中是中心像素的像素形状指数。PSI的计算，用到了三个参数，。是方向线的个数，如果值增大，表示考虑的形状特征就越细。是相似性的阈值，关于像素光谱特征相似性的衡量标准。是方向线的长度，与形状的区域大小相关。通过对这个算法原理进行详细分析，可以看出这个PSI的几何意义是在一个区域内，任意选择一点，以这个为中心，做条在区域内的线段，最后这些线段长度的总和，这就是这个像素点的PSI（像素形状指数）。PSI算法流程图如图 2.2，我们知道对于每一幅影像，每一个像素都有PSI值，即可以组成一幅单波段影像的规则区域，可以从影像上看出地物的轮廓，它
21、内部的所有像素形状指数应该都是相同的，如果这个区域，大小，或者形状不同，那么它内部的像素的PSI就会发生变化；同样的同质区域的像素PSI值相近，并且与周围地物的PSI的值有差异，也就可以从这种特征上将地物区分开，比如一个水塘，其内部的像素的PSI的值都比较接近，PSI值的幅度变化较小，而不同区域间的PSI值又不同，这样子利用PSI的值，就有可以在特征空间中将不同的区域区分开。光谱特征主要指影像上各波段或者经过了一定的转换的光谱反射率，一般对遥感影像进行分类是使用光谱特征的，但是有时候的分类不能有效区分道路和房屋。因为受太阳光的角度影响，屋顶的朝阳面比背光面更亮，在影像上具有更高的灰度值，而道路
22、和屋顶的阴暗部分的灰度值较接近，因此会造成光谱特征的误分，所以我们在空间特征提取的基础上，分析基于该特征对地物进行区分的能力，可以弥补光谱特征的信息不足，改善分类结果的假设17。图 2.3 PSI算法流程图第3章 实验及分析3.1 研究区概况厦门市由岛内湖里区和思明区，岛外海沧区、集美区、同安区、翔安区组成。2011年，全市土地面积1573.16平方公里，其中厦门本岛土地面积141.09平方公里（含鼓浪屿），海域面积约390平方公里18，本次毕业设计选取厦门市岛内部分资源3号遥感影像为研究区，其中研究区域影像是使用经过几何校正，影像融合，影像裁剪后得到的，地处北纬2447-2454，东经118
23、11-11817之间。其中地域大部分属于湖里区，部分属于思明区，研究区具有良好的地物类型，如树木，房屋，街道，水体，草地，阴影等，研究区如图 3.1所示。图 3.2 Google Earth中的研究区3.2 数据源本次毕业设计的实验数据是老师提供的资源三号卫星影像，共三幅影像：一幅多光谱影像，两幅全色影像，三幅影像2012年10月22日拍摄的，一景范围覆盖了厦门地区。资源三号(ZY-3)卫星是中国第一颗自主的民用高分辨率立体测绘卫星，通过立体观测，可以测制15万比例尺地形图，为国土资源、农业、林业等领域提供服务，资源三号将填补中国立体测图这一领域的空白19。资源三号卫星数据特点：1、ZY3重访
24、周期为5天，具备立体测绘和资源调查两种观测模式。2、定位精度高。3、影像信息量丰富，有利于影像的目视判读、自动分类和影像匹配精度提高20。在文献中我们知道此次提取空间特征的资源三号遥感影像参数的情况21，如表 3.1所示。表 3.2 数据源基本参数表相机模式分辨率（m）波长（nm）幅宽（km2）重返周期（天）全色正视星下点全色：2.1全色：450 -800星下点全色单景25005全色前视前、后视22全色：3.6多光谱：450 -890星下点多光谱单景2704全色后视星下点多光谱：5.8多光谱正视3.3 数据预处理3.3.1 几何校正在遥感影像的成像过程中，由于遥感平台位置和运动状态变化、地形起
25、伏、地球表面曲率、大气折射、地球自转等因素的影响，使图像产生如行列不均匀，像元大小与地面大小不对应，地物形状不规则等畸变，在进行数据的下一步处理之前，必须对遥感影像数据进行一定的处理。通过几何校正，可以消除或者改正遥感影像中的几何误差22。在几何校正过程中，使用资源三号多光谱影像和全色影像，其中参考影像是全色波段影像，要校正的是多光谱波段影像。进行校正时一般选取16到20个控制点，选取控制点时要注意选点的精确和均匀分布，且控制点选取完毕之后，保存控制点文件，以备再用，然后进行重采样操作。3.3.2 影像融合影像融合是将两个或两个以上的传感器在同一时间或不同时间获取的图像，按照一定的算法，在规定
26、的地理坐标系中加以综合，生成新的图像的过程，从而使融合的影像更适应后续处理，如影像分割等。影像融合的目的是提高图像空间分辨率；增强图像；提高分类精度；互补信息23。注意融合过程中高分辨率影像对应资源三号全色波段影像，高光谱输入文件对应资源三号多光谱波段影像，其中全色波段是之前几何校正的参考影像，多光谱波段是几何校正过后的影像。3.3.3 影像裁剪根据融合后的资源三号卫星影像，在厦门岛内选取合适的区域，确定范围，进行裁剪，得到研究区域24，研究区需要求有街道，房屋，树木，草地，水体，阴影等，选取的区域不宜太大，本次毕业设计就是根据该区域为研究区来提取空间特征，要记住选择有代表性的区域，应该包含以
27、上几种地物类型，着重寻找具有代表性的研究区域。3.4 实验平台介绍根据对PSI算法计算过程的理解，在VC6下面采用C/C+编程语言进行代码编写，如图 3.3所示，实现想实现的功能：影像的读取、显示，空间特征提取（PSI计算）等，最后得到成果。图 3.4是此次毕业设计的实验平台，其中影像的读取采用GDAL开源库，影像的显示是通过构建BMP位图进行显示。查看菜单主要包含有“选择显示的波段”，“显示原始影像”。选择显示的波段可以选择波段进行彩色显示；显示原始影像表示当前窗口是否是原始影像。特征提取菜单是计算PSI，即使用PSI算法提取研究影像的空间特征，其中可以在窗口改变PSI的三个参数：，。图 3
28、.5设计界面图 3.6实验平台3.5 采用不同参数进行空间特征提取在实验过程中修改PSI的3个参数：光谱同质性阈值、空间扩展阈值和方向线总数，得到具有不同空间特征的影像图，在提取空间特征改变三个参数的时候，把多因素的问题变成多个单因素的问题，而只改变其中的某一个因素，从而研究这个因素对事物的影响，最后再综合解决问题，比如说，控制、不变，改变的值。图 3.7原始彩色图像 图 3.8 =20，=80，=40 图 3.9 =24，=80，=40 图 3.10 =20，=80，=40 图 3.11 =20，=120，=40 图 3.12 =20，=120，=40 图 3.13 =20，=120，=80
29、图 3.14 =20，=200，=803.6 研究结果分析图 3.15是资源三号卫星的多光谱影像，包含了4个波段，空间分辨率5.8m25，影像分辨率足以进行此次毕业设计，图 3.16至图 3.17是使用不同的参数进行地物PSI提取的结果。从图 3.18和图 3.19以及图 3.20和图 3.21的PSI提取结果可以看出，参数的值越大，PSI提取的值也相应变大，即较大的在实验中能取得较好的效果，这个是因为是衡量方向线上像素的相似性，且高分辨率影像中地物的类内方差较大，存在光照、阴影和噪声的影响，增大，相似的像素就越多，方向线的长度就越长（但不超过）。图 3.22和图 3.23与图 3.24相比，
30、增大，也相应的增大。从图 3.25和图 3.26可以看出，随着和的增大，PSI的值都会相应的增大。表示同质性区域里邻域和中心像元的最大空间距离，它的设置对于区分不同形状的地物非常重要。可见是PSI算法的尺度因子，它的设置反映了形状检测的目标尺寸。以上的实验，一般取相同的值，因为表示的是方向线的条数，从图 3.27和图 3.28可以看出，本次毕业设计中一般选取20-24即可，方向数越多，能反映更多的细节信息，但值的变化，会使得影像整体的提取的PSI结果增大，虽然对局部影响不大，但是会增加计算时间。PSI算法作为一种空间特征的提取方法，提取的结果与参数（，）以及地物的尺度关系很大。因此，在实际应用
31、的时候，根据影像中地物的尺度大小，设置相应的参数值，以获取较好的结果。如果太小，无法反映地物的细节，但是如果太大，方向线过密，许多像素都重复判断，只会增加计算量，使得整体影像的PSI值变大，对地物的空间特征提取没有太大帮助。是描述方向线上像素的相似性，如果太小，提取出的PSI值较小，对提取区域内灰度变化较大的区域不利，如果太大，容易将区域范围延伸，扩大了同质区域的范围，产生虚化效果（如图 3.29右下角的水塘）。方向线的最长长度，这是一个重要的空间尺度参数，如果影像上的地物尺度较小，该值就应该相应的变小，如果影像中地物尺度较大，该值就应该取较大的值。目前，如果能够只适应的选取PSI这些参数，那
32、么PSI的适用性将得到很大的提到，因此，PSI参数的自适应选取研究，将是今后该算法的研究发展方向。第4章 总结与展望高分辨率遥感影像中同谱异物和同物异谱的现象严重，仅采用光谱特征存在信息的不足，因此需要提取空间特征作为光谱特征的补充。本文采用PSI算法提取高分辨率遥感影像的空间特征，并对像素形状指数算法及提取步骤进行了详细介绍，文中对PSI的3个参数，和进行了测试。研究结果表明：表示的是方向线的条数，方向数越多，能反映更多的细节信息，而本文中一般选取20-24即可；参数的值越大，PSI提取的值也相应变大，即较大的在实验中能取得较好的效果；是PSI的尺度因子，衡量目标的关注尺度。还知道了空间特征
33、对于高分辨率影像的解译是必须的，各种空间特征都能弥补光谱特征的信息不足，一定程度上改进分类结果。另外PSI计算简单，易于实现，考虑到高分辨率影像信息量大，它的存储和处理都需要大量的时间和空间，所以PSI算法具有较强的实用性。本文最后还分析了空间特征的提取结果。本文中还存在一些不足，将在以后的进行完善，主要有：1. PSI算法的3个参数的选择一般需要根据实际情况认为设定，还无法做到自动确定。2. PSI算法的3个参数的相互关系还需要进一步实验论证。3. 高分辨率遥感影像一般数据量比较大，如何进行更高效率的空间特征提取，更高效率的算法实现，以及空间特征提取之后的处理和运用，也需要在今后进行深入研究
34、。参考文献1 韦玉春,汤国安,杨昕.遥感数字图像处理教程M.科学出版社.2007年:1-92 梅安新,彭望禄,秦其明,刘慧平.遥感导论M.高等教育出版社.2001年:1-103 黄昕,张良培,李平湘.融合形状和光谱的高空间分辨率遥感影像分类J.遥感学报.2007年.02:194-1984 刘生.高空间分辨率遥感影像几何特征提取方法研究D.南京信息工程大学.2007年:7-205 明冬萍,骆剑承,沈占锋,汪闽,盛昊.高分辨率遥感影像信息提取与目标识别技术研究J.测绘科学.2005年03:18-216 刘生,王潇宇,邱新法.基于数学形态学的高空间分辨率遥感影像几何特征提取J.地球信息科学.2008
35、年02:251-2567 骆剑承,周成虎,梁仪,马江洪.支撑向量机及其遥感影像空间特征提取和分类的应用研究J.遥感学报.2002年01:50-548 黄昕,张良培,李平湘.高空间分辨率遥感图像分类的SSMC方法J.中国图象图形学报. 2006年04:529-5359 Liangpei Zhang,Xin Huang,Bo Huang and Pingxiang Li.A pixel shape index coupled with spectral information for classification of high spatial resolution remotely sensed
36、 imageryJ.IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING.2006年10:2950-296010 叶菁.空间特征在高分辨率遥感影像土地利用分类中的应用D.中国地质大学(武汉).2007年:1-811 顾海燕.面向对象的高分辨率遥感影像分类技术研究D.辽宁工程技术大学.2005年:1-2012 A. K. Shackelford and C. H.Davis.A hierarchical fuzzy classification approach for high-resolution multispectral data over
37、 urban areasJ. IEEE Trans. Geosci. Remote Sens.2003年41: 1920-193213 F. DellAcqua, P. Gamba, A. Ferari, J. A. Palmason, J. A. Benediktsson, and K. Arnason.Exploiting spectral and spatial information in hyperspectral urban data with high resolutionJ.IEEE Geosci. Remote Sens.2004年01:32232614 A. K. Shac
38、kelford and C. H. Davis.A hierarchical fuzzy classification approach for high-resolution multispectral data over urban areas.IEEE TransJ. Geosci. Remote Sens.2003年41:1920193215 Zhang Y.Optimisation of Building Detection in Satellite Images By Combining Multispectral Classification and Texture Filter
39、ingJ. ISPRS Journal of Photogramm etry and Rem ote Sensing,1999年54: 506016 杜培军,谭琨,夏俊士.高光谱遥感影像分类与支持向量机应用研究M.科学出版社. 2012年:1-2517 苏红军,杜培军.高光谱数据特征选择与特征提取研究J.遥感技术与应用.2006年04:287-29318 王晓微.基于遥感图像掩膜法的厦门市景观分类与动态变化研究J.中国科技财富.2009年08: 226-22919 卢刚,陆敏燕,陈成,赖震刚.资源三号卫星影像分类研究J.第九届长三角科技论坛论文集.2012年01:81-8420 陈成,卢刚,石
40、晓峰.基于SVM的资源三号测绘卫星影像分类J.地理空间信息.2013年03:11-1321 周群,楚恒,王汝言.资源三号卫星影像的融合方法研究及评价J.城市勘测.2014年.01:85-8822 游先祥.遥感原理及在资源环境中的应用M.中国林业出版社.2003年:225-23723 沈焕锋,钟燕飞,王毅,金淑英. ENVI遥感影像处理方法M.武汉大学出版社.2009年:12-10824 党安荣.ERDAS IMAGINE遥感图像处理方法M.清华大学出版社.2003年:35-9725 吕琲,叶群.基于资源三号卫星影像的面向对象水资源监测应用研究J.江西测绘. 2013年04:11-14致 谢本文
41、是在袁莹老师和黄灵操老师的悉心指导和耐心帮助下完成的。他们渊博的知识、对专业敏感的洞察力、清晰的逻辑思维能力、理论与实际相联系的深入浅出的教学方法使我获益匪浅。在此，我向他们表示我最衷心的感谢！大学四年的学习即将结束，期间所学的专业知识对顺利完成本文起到了极大的帮助，四年的理工生活，是我人生中最精彩的的一部分。对此，我向厦门理工学院计算机与信息工程学院表示我最衷心的感谢！此外，在论文写作过程中，本人还得到了其他老师和许多同学朋友的热心帮助，本人向他们表示深深的谢意。感谢与我一起共同学习的同学们。与班级同学的交往使我充分地感受到他们对生活的热爱、对学业的孜孜追求，这些都成为我不断进取的动力。与他们的讨论和交流拓宽了我的知识面，同时也为我论文的写作提供了许多有益的启发。最后向在百忙之中评审本文的各位专家老师表示衷心的感谢！ （学生姓名落款） 年 月 日
