文献综述（或调研报告）：
高分辨率遥感影像能够精细地表达丰富的地表信息，由于其巨大的应用潜为和发展前景，越来越受到人们的关注，被广泛应用于国民经济建设的各个行业。影像分类是遥感应用的基础工作之一，面向对象的分类方法可以提高分类精度及数据的利用率，但是由于不同的分类任务对特征的选取具有一定的针对性且需要有丰富的经验与知识，造成高分影像丰富的信息得不到充分的利用。
土地利用结构及土地覆盖、城乡规划、土地变化监测、主地卫片执法检查和违法建设用地调查等是支撑各行各业的重要工作，在这些应用中高效、精确地进行建设用地提取是基础。在此背景下，本课题以通过总结国内外相关研究理论与研究应用成果，在面向对象的多尺度分割的基础上，采用深度学习技术，以国内部分省市区域为研究区，采用高分系列、资源系列卫星的遥感影像数据，研究进行建设用地信息提取的最佳分割尺度及深度卷积神经网络在建设用地信息自动提取中的效果和优势。
熊增连[1]提出：传统的用地类型的提取工作多数还是采用人工解译。这种方法不仅费时费力，还深受解译人员的水平与主观判断的影响，因此这越来越难以满足处理的需要，因此我们提出了面向对象的遥感信息提取方法。通过实验验证，可以看出面向对象法在提取用地中有很好的实用性。通过进一步的分析，发现面向对象法在提取过程中可将知识库转化为提取规则，提取的结果精度较高。面向对象的分类方法可以自主选择适合于分类图的分割尺度和加入分类决策的规则，而面向像元的提取过程只能针对影像光谱特征来完成信息提取，所以提取精度不理想。因此，面向对象法无论是操作过程还是最后的提取精度，都优于面向像元法，是一种具有广阔前景的信息提取方法方法。
与此同时，张蓉[3]也同样指出：采用的面向对象的分类方法具有良好的分类效果，传统的只采用像元的分类法具有比较明显的优势。总体分类精度达到了88．6％，Kappa系数为0．838。比传统的基于像元分类方法的总体精度提高了14．9％，Kappa系数提高了0．22。与传统基于像元的土地利用现状信息提取结果相比，各类别之间混分现象明显减少。
姚琴风[10]分析了高分辨率影像中道路提取的国内外研究现状，将典型的道路提取方法按提取结果分为道路线特征的提取及道路区域特征的提取，并对提取方法和高分辨率遥感影像中道路提取的噪声因素进行了归纳分析，分析表明研究不同级别道路的尺度特征，对于建立高分辨率遥感影像道路要素提取规则集和提取具有重要的理论意义和应用价值。依据道路的光谱特征、几何特征和关联特征构建快速道提取规则集，实现快速道的提取。对主干道，给定道路首末端对象，依据道路连续不中断的特性及上下文的关联特征构建循环规则集连接道路首末端对象，实现主干道的初步提取，利用形态学膨胀腐蚀运算对初步提取的道路进行毛刺去除及缺失填补等的处理，增强了道路边界的平滑效果。应用太原市0．5m分辨率的遥感影像，在易康环境中对构建的特征构建规则集进行了实际验证，提取了城市快速道和主干道，在MatLab环境中利用膨胀腐蚀运算实现道路的后期处理。随机选取样本点，对提取结果进行精度评价，评价结果表明该方法基本可行。[9]
在评价指标上，吴波，林珊珊，周桂军在[4]基于分割对象的几何结构，提出了5个面向对象的高分辨率遥感影像分割/分类精度评价指标：过分割、欠分割、边缘匹配、分割块数，以及形状误差，并在IDL 平台实现了一个面向对象影像分析与评价的原型系统。实验还表明，该评价指标在确定分割算法的参数方面具有重要的应用价值。
还有，在周贵强[2]中，得出这样的结论：我国正处于城市高速发展时期，而数字城市则是城市发展的主要方向，在数字城市规划中，高分辨率遥感技术的应用有助于各种地图的绘制和三维空间地理信息平台的构建，为城市建设规划获取大量基础性数据，为决策部门提供规划依据。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
