甘肃农业大学论文格式字体是什么样的啊

甘肃农业大学论文格式字体是什么样的啊

垃圾学报不是本校的学生就别发吧，不怎么样。

大概就这样了 参考一下吧　　基于landsat-TM影像的专题信息提取　　学生姓名：XX 学号：20085080079　　院系：城市与环境科学学院 专业：XX　　指导教师：XX 职称：助教　　摘 要：本文以沈阳地区为研究区，利用光谱信息提取水体、植被，采用基于灰度共生矩阵的纹理量的分类法，通过TM5波段提取灰度共生矩阵和灰度联合矩阵，计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离，得到最终的分类结果。结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类，光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度。　　关键词：遥感影像;光谱特征;纹理特征;灰度共生矩阵;分层提取;土地利用　　Abstract:Based on the study of shenyang area for using spectral information extraction，water，vegetation，based on gray symbiotic matrix of the texture classification，through the TM5 band extraction graylevel co-occurrence matrix and gray，and joint matrix extraction can reflect the differences between vector-valued texture category will confuse the paddy fields，spectral information structure，separation，with residents of the final results of the Results show that: the texture characteristics will be applied to image classification can distinguish the confusion of spectral spectrum and texture feature combination，the classification accuracy than pure spectral classification 　　Key words:remote sensing image;spectrum feature;texture feature;text gray-level co-occurrence matrix;layered extraction;land-use　　引言　　遥感图像信息专题特征的提取，需要对TM图像的光谱信息和纹理信息进行综合分析，以达到提高影像分类精度的目的[1] 。在自然资源调查中，遥感图像已成为重要的空间数据源，其中TM图像信息是进行土地利用/覆盖变化动态监测的重要依据。常规提取TM图像信息主要是利用影像的光谱分辨率进行的，难以正确区分光谱易混淆的地物，例如菜地与其他耕地类型。　　提取TM图像中易混淆地物信息，可以充分利用影像的空间分辨率及影像上丰富的纹理信为了息来完成信息提取。纹理分析方法在许多领域都有重要的应用，吴高洪等[2]为了提高纹理图像分割的边缘准确性和区域一致性以及降低分割错误率，提出了一种基于小波变换进行纹理分割的方法。因此，研究地物在影像上的纹理特征，建立和充分应用基于纹理特征的地物分类及信息提取方法，将是今后研究高分辨率遥感影像信息提取的方向之一[3]。图像分析需要用到影像的灰度和纹理信息，灰度即波谱信息，是最基本的信息，纹理反映了灰度的空间变化情况，它由纹理基元按某种确定的规律或者某种统计规律排列组成。为了能用计算机进行纹理分析和形成统一的尺度，需将纹理量化，以定量反映纹理信息，形成纹理变量和纹理图像以便分析[4]。　　1 研究区概况　　苏家屯是沈阳市的九个市辖区之一，位于沈阳南部，距沈阳市中心15公里，与抚顺、本溪、辽阳三市毗邻。这里气候适宜，雨量适中，年均气温8度，年均降水量700毫米。物产丰富，蕴藏着丰富的煤石油天然气铁矿石和优质矿泉水等自然资源。苏家屯农业发达，盛产水稻、玉米，是国家确定的现代化农业示范区。本文选择数据源所选取的数据是沈阳地区2001年8月11日TM影像区的子区域。根据沈阳地区的农事历，选择10月上旬的遥感资料为宜。　　2　光谱信息　　地物的光谱一般是指像素的亮度值，地表的各种地物由于物质组成和结构不同而具有独特的波谱反射和辐射特性，在图像上反映为各类地物在各波段上灰度值的差异。地物光谱响应特征是多光谱遥感影像地物识别最直接，也是最重要的解译元素。　　3 纹理特征　　纹理也是遥感影像的重要信息，它通过色调或颜色的变化表现细纹或细小的纹案，这种细纹或细小的纹案在某一确定的图像区域中以一定的规律重复出现。　　目标地物的纹理特征与航空相片的比例尺和太阳高度角有关。另外，它反映了影像的灰度统计信息、地物本身的结构特征和地物空间排列的关系，是进行目视判读和计算机自动解译的重要基础[5]。许多研究表明，除了原始影像光谱信息以外，加上纹理信息就可以使分析准确性和精度提高[6]。遥感图像中多为无规则纹理，一般采用统计方法进行纹理分析，目前用得较多的统计方法有共生矩阵法、分形维法和马尔可夫随机场法。　　所谓灰度共生矩阵是由影像灰度级之间二阶联合条件概率密度所构成的矩阵，反映了影像中任意两点间灰度的空间相关性。其方法是先依据影像的灰度级数和灰度变化情况计算出4个方向(右、下、右上和左下)任意两个灰度级相邻出现的概率矩阵，它能提供多个纹理量，可以从多个侧面描述影像的纹理特征，因而在纹理分类中得到广泛的应用[7]。　　4 提取方法　　1 数据预处理　　本文对沈阳地区遥感影像进行光学增强处理，并采用高通滤波来进行滤波处理对影像进行融合将融合后的影像进行几何校正。本文以1∶5万比例尺地形图为底图，选取均匀地分别在整幅图像内的60个控制点，采用二次多项式纠正模型建立两幅影像的对应关系。配准精度在3个像元以内，　　2 土地利用分类体系的确定　　参考国家土地利用分类体系，结合研究区土地资源的实际情况，TM影像波谱特征及其分辨率等，把研究区土地利用现状分类系统按二级进行分类，一级类型5个，分别为水体、水田、旱地、居民地、植被。　　3　遥感信息提取　　遥感图像的某些波段往往存在异物同谱和同物异谱现象，如果把多种地物放到一起考虑，由于这些波段的加入，会使信息提取变得非常复杂，这也正是传统上基于统计特征的监督和非监督分类遇到的难题。而对地物进行分层处理，就可以充分利用各类地物在不同波段的特征，收到较好效果[8，9]。对某一地物进行提取，获得该信息层，与原图像进行逻辑与运算，做掩膜处理，从而将该地物像元从原始图像中去除，以避免它对其他地物提取的影响，从而为以后的信息提取创造了纯净的环境。　　1基于地物光谱模型的遥感影像分类　　为获得光谱知识，在原始图像上进行采样。在采样过程中考虑到同类地物颜色的差异，如水域的深浅等，每一地类进行了多个样本值的合并，得到地物的综合光谱特征值（如图1）。　　图1 地物光谱特征　　水体的提取：太阳光照射到水面少部分被反射到空中大部分被入射到水体，入射到水体的光，部分被水体吸收，部分被水中的悬浮物反射，少部分透射到水底。被水底吸收和反射。被悬浮物反射和被水体反射的辐射，部分返回水面，折回到空中。因此，遥感器所接收到的辐射就包括水面反射光，悬浮物反射光，水底反射光和天空反射光（如图2）。由于不同水体的水面性质和水体特性的不同，从而形成传感器上接收到的反射光谱就存在差异，为遥感探测水体提供了基础。在可见光范围内，水体的反射率总体比较低，不超过10%，一般为4%～5%，并随着波长的增大逐渐降低，到6μm处约2%～3%，过了75μm，水体几乎成为全吸收体。因此，在近红外的遥感影像上清澈的水体成黑色。因此在提取水体时图面上黑色部分即为水体。　　图2 传感器接收到的光谱　　植被的提取:健康植物的波谱曲线有明显的特点（如图3），在可见光的55μm附近有一个反射率为10%～20%的小反射峰。在45μm和65μm附近有两个明显的吸收谷。在7～8μm是一个陡坡，反射率急剧增高。在近红外波段8～3μm之间形成一个高的，反射率可达40%或更大的反射峰。在45μm、95μm和6～7μm处有三个吸收谷。它们分别受叶子色素，细胞构造，含水量等的影响。因此，在对TM影像上的植被进行提取时，要考虑以上因素。　　图3 健康植被的光谱特征　　2基于纹理信息的分类　　在图1中容易看到水田、旱地、居民地有很大的光谱相似度，因此需要根据纹理特征进行提取。　　本文用水体和植被信息分别对原始影像做掩膜，再结合纹理信息作监督分类提取居民地、水田和旱地。为了突出图像的纹理，提高对图像的解译和分析能力，在对图像进行纹理分析之前，利用ErdasImagine软件对掩膜后的影像进行了增强处理。　　为了进行纹理分类，首先必须提取各类的纹理特征。试验中先提取各类样本，统计各种类纹理特征，再找出最大差异的纹理量，作为分类特征量进行分类(如图4)。纹理特征的提取需考虑到窗口的大小、方向和步长。本文利用TM第5波段的纹理特征，采用了3X3大小的窗口、四个方向的均值[10]、步长为1来对纹理值(包括角二阶距、对比度、熵、相关)进行特征统计。　　图4 纹理样本图　　本文所有的纹理分析均在M0上进行，主要目标是实现对输入遥感影像进行纹理分析，输出纹理分析的结果，以便通过使用结果，以不同的结合方式辅助分类作对比研究。从图5中我们可以看到，3种地类在ASM纹理特征量上差异最大，COR上次之，因此取用ASM、COR特征值，对3种地物加以提取。　　图5 3种纹理特征曲线　　旱田的提取:从纹理曲线中可以看出旱田的ASM量与水田、居民地有很大的差异，因此通过实验对ASM进行阈值设定来提取旱田。　　居民地和水田的区分:采用基于纹理特征和光谱特征相结合的方法，对居民地进行提取。水田和居民地在ASM特征量上，有着较大的差异，但仔细观察可以发现，在去除了旱田的干扰后，水田和居民地在COR特征量上也有着很大的差异。同时一些研究提出了(归一化建筑指数)[11]:NDVI=(TM 5- TM 4)/(TM 5+ TM 4)来对居民地进行提取（见表1）。从表2中可以看出，这种方法并不适合本文的研究区，但是对原始的光谱特征信息进行分析可以发现，在只存有水田和居民地的图像上，两者在TM5上的亮度值差距很大。综上所述，可以对COR和TM5的亮度值进行阈值设定提取居民地，将其与水田相分离。　　表1 5种地物的NDVI指数　　指标 水体 水田 旱地 居民地 植被　　NDVI 0．24271 0．218619 0．380397 0．231489 0．166337　　5　精度评价　　衡量分类精度最广泛的方法是由Congalton提出的误差矩阵法(error matrix)，为了评价分类试验精度，本文采用随机抽样方法抽取400个点作正确率评价，通过对原图的目视判读结合实地考察对结果进行正确率评价，建立混淆矩阵，计算其Kappa系数(见表2)，在ERDAS监督分类中总正确率为4 %(见表3)，两者相比较可以看出，基于光谱和纹理特征的信息分层提取方法能够很好的对研究区影象进行分类。　　表2 光谱纹理信息分类精度%　　居民地 水田 旱地` 水体 植被　　居民地　　水田　　旱地　　水体　　植被　　总合　　正确率/% 82　　4　　2　　1　　1　　92　　2 7　　99　　2　　1　　1　　109　　8 5　　3　　113　　1　　1　　123　　8 1　　0　　0　　35　　1　　37　　6 1　　1　　1　　1　　36　　39　　3　　总正确率=5% Kappa系数=87　　表3 EARDS监督分类精度　　居民地 水田 旱地` 水体 植被　　居民地　　水田　　旱地　　水体　　植被　　总合　　正确率/% 3123　　240　　107　　24　　63　　3577　　88 39　　7481　　569　　176　　6　　1363　　78 81　　112　　1477　　99　　32　　8723　　86 5 1　　39　　202　　1067　　4　　1801　　82 7　　0　　2　　3　　379　　379　　97　　总正确率=4 %　　6　结语　　（1）试验表明，对地物进行分层处理，就可以充分利用各类地物在不同波段的特征。避免已提取地物对其他地物提取的干扰，为后续信息提取创造了纯净的环境；同时还可以有效地减少了漏分和误分，提高分类正确率。本文采用此方法对建设用地信息提取，获得较为满意的效果。　　（2)综合运用光谱知识、纹理信息对于仅基于遥感多光谱信息的传统分类方法，能够更有效地提取出土地利用类型信息，精度有了一定提高。　　（3）本文在进行纹理分析时，仅使用了单波段的影象数据，对于多波段影象数据未能充分利用； TM全色波段纹理清晰，如能加以利用，会对分类精度的提高有一定的帮助。　　参考文献　　[1] 梅安新，彭望琭，秦其明遥感导论[M]北京，高等教育出版社，　　[2] 吴高洪，章毓晋，林行刚等利用小波变换和特征加权进行纹理分割[J]中国图像图形学报，2001，6(4):333-　　[3] 张禾基于纹理特征的遥感影像居民地自动提取方法[J]江汉石油职工大学学报，2007，(4):93-96　　[4] 黄桂兰，郑肇葆，杨敏一种基于共生矩阵法的影像纹理分类方法[J]测绘通报，1996，(3):28-　　[5] 周廷刚，郭达志，盛业华灰度矢量多波段遥感影像纹理特征及其描述[J]西安科技学院学报，2000，2(4):336-　　[6] 舒宁关于多光谱和高光谱影像的纹理问题[J]武汉大学学报，2004，29(4):292-　　[7] 武文波，陈静基于ETM+的遥感影像信息提取研究[J]甘肃农业大学学报2007，43(4)　　[8] 李四海，恽才兴土地覆盖遥感专题信息的分层提取方法及其应用[J]遥感技术与应用，1999，(4):　　[9] 柴芸甘肃省沙化土地监测研究[J]甘肃农业大学学报，2003，38(3):296～　　[10] Treitz P，Howarth PIntegrating spectral spatial andTerrain variables for forest ecosystem classification[J]Photogrammetric Engineering Remote Sensing，2000，66(3):305-　　[11] 查勇，倪绍祥，杨山一种利用图像自动提取城镇用地信息的有效方法[J]遥感学报，2003，(1):38-　　标题 XXXXXXXXXXXXXX（宋体三号字加黑，居中）　　学生姓名：XX 学号：XXX(五号宋体字不加黑，居中)　　XXXX院（系） XX专业(五号宋体字不加黑，居中)　　指导教师：XXX 职称：XXX(五号宋体字不加黑，居中)　　（空两格）摘 要(黑体小四)：具体内容(楷体小四号字不加黑)　　（空两格）关键词(黑体小四)： **；**；** (楷体小四号字不加黑)　　(空一行)　　Abstract(Times New Roman小四加黑)： 具体内容(Times New Roman小四不加黑)　　Key Words(Times New Roman小四加黑)：**；**；** (Times New Roman小四不加黑)　　前言(宋体小三号加黑)　　一、政府信息公开制度概述（一级标题宋体四号字加黑）　　(一)政府信息公开的内涵（二级标题仿宋体小四号字加黑）　　1．政府信息公开（三级标题宋体小四号字）　　正文内容（宋体小四号不加黑）、图表说明（宋体小五号字不加黑）

1、难发表，2、费用高。可发表在《现代农业科学》国家级、《农家之友》省级

甘肃农业大学论文格式字体是什么样的

论文的写作 你要先联系老师确定一个方向 后者 通过阅读文献得到关于答辩 可以去学生工作处咨询

大概就这样了 参考一下吧　　基于landsat-TM影像的专题信息提取　　学生姓名：XX 学号：20085080079　　院系：城市与环境科学学院 专业：XX　　指导教师：XX 职称：助教　　摘 要：本文以沈阳地区为研究区，利用光谱信息提取水体、植被，采用基于灰度共生矩阵的纹理量的分类法，通过TM5波段提取灰度共生矩阵和灰度联合矩阵，计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离，得到最终的分类结果。结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类，光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度。　　关键词：遥感影像;光谱特征;纹理特征;灰度共生矩阵;分层提取;土地利用　　Abstract:Based on the study of shenyang area for using spectral information extraction，water，vegetation，based on gray symbiotic matrix of the texture classification，through the TM5 band extraction graylevel co-occurrence matrix and gray，and joint matrix extraction can reflect the differences between vector-valued texture category will confuse the paddy fields，spectral information structure，separation，with residents of the final results of the Results show that: the texture characteristics will be applied to image classification can distinguish the confusion of spectral spectrum and texture feature combination，the classification accuracy than pure spectral classification 　　Key words:remote sensing image;spectrum feature;texture feature;text gray-level co-occurrence matrix;layered extraction;land-use　　引言　　遥感图像信息专题特征的提取，需要对TM图像的光谱信息和纹理信息进行综合分析，以达到提高影像分类精度的目的[1] 。在自然资源调查中，遥感图像已成为重要的空间数据源，其中TM图像信息是进行土地利用/覆盖变化动态监测的重要依据。常规提取TM图像信息主要是利用影像的光谱分辨率进行的，难以正确区分光谱易混淆的地物，例如菜地与其他耕地类型。　　提取TM图像中易混淆地物信息，可以充分利用影像的空间分辨率及影像上丰富的纹理信为了息来完成信息提取。纹理分析方法在许多领域都有重要的应用，吴高洪等[2]为了提高纹理图像分割的边缘准确性和区域一致性以及降低分割错误率，提出了一种基于小波变换进行纹理分割的方法。因此，研究地物在影像上的纹理特征，建立和充分应用基于纹理特征的地物分类及信息提取方法，将是今后研究高分辨率遥感影像信息提取的方向之一[3]。图像分析需要用到影像的灰度和纹理信息，灰度即波谱信息，是最基本的信息，纹理反映了灰度的空间变化情况，它由纹理基元按某种确定的规律或者某种统计规律排列组成。为了能用计算机进行纹理分析和形成统一的尺度，需将纹理量化，以定量反映纹理信息，形成纹理变量和纹理图像以便分析[4]。　　1 研究区概况　　苏家屯是沈阳市的九个市辖区之一，位于沈阳南部，距沈阳市中心15公里，与抚顺、本溪、辽阳三市毗邻。这里气候适宜，雨量适中，年均气温8度，年均降水量700毫米。物产丰富，蕴藏着丰富的煤石油天然气铁矿石和优质矿泉水等自然资源。苏家屯农业发达，盛产水稻、玉米，是国家确定的现代化农业示范区。本文选择数据源所选取的数据是沈阳地区2001年8月11日TM影像区的子区域。根据沈阳地区的农事历，选择10月上旬的遥感资料为宜。　　2　光谱信息　　地物的光谱一般是指像素的亮度值，地表的各种地物由于物质组成和结构不同而具有独特的波谱反射和辐射特性，在图像上反映为各类地物在各波段上灰度值的差异。地物光谱响应特征是多光谱遥感影像地物识别最直接，也是最重要的解译元素。　　3 纹理特征　　纹理也是遥感影像的重要信息，它通过色调或颜色的变化表现细纹或细小的纹案，这种细纹或细小的纹案在某一确定的图像区域中以一定的规律重复出现。　　目标地物的纹理特征与航空相片的比例尺和太阳高度角有关。另外，它反映了影像的灰度统计信息、地物本身的结构特征和地物空间排列的关系，是进行目视判读和计算机自动解译的重要基础[5]。许多研究表明，除了原始影像光谱信息以外，加上纹理信息就可以使分析准确性和精度提高[6]。遥感图像中多为无规则纹理，一般采用统计方法进行纹理分析，目前用得较多的统计方法有共生矩阵法、分形维法和马尔可夫随机场法。　　所谓灰度共生矩阵是由影像灰度级之间二阶联合条件概率密度所构成的矩阵，反映了影像中任意两点间灰度的空间相关性。其方法是先依据影像的灰度级数和灰度变化情况计算出4个方向(右、下、右上和左下)任意两个灰度级相邻出现的概率矩阵，它能提供多个纹理量，可以从多个侧面描述影像的纹理特征，因而在纹理分类中得到广泛的应用[7]。　　4 提取方法　　1 数据预处理　　本文对沈阳地区遥感影像进行光学增强处理，并采用高通滤波来进行滤波处理对影像进行融合将融合后的影像进行几何校正。本文以1∶5万比例尺地形图为底图，选取均匀地分别在整幅图像内的60个控制点，采用二次多项式纠正模型建立两幅影像的对应关系。配准精度在3个像元以内，　　2 土地利用分类体系的确定　　参考国家土地利用分类体系，结合研究区土地资源的实际情况，TM影像波谱特征及其分辨率等，把研究区土地利用现状分类系统按二级进行分类，一级类型5个，分别为水体、水田、旱地、居民地、植被。　　3　遥感信息提取　　遥感图像的某些波段往往存在异物同谱和同物异谱现象，如果把多种地物放到一起考虑，由于这些波段的加入，会使信息提取变得非常复杂，这也正是传统上基于统计特征的监督和非监督分类遇到的难题。而对地物进行分层处理，就可以充分利用各类地物在不同波段的特征，收到较好效果[8，9]。对某一地物进行提取，获得该信息层，与原图像进行逻辑与运算，做掩膜处理，从而将该地物像元从原始图像中去除，以避免它对其他地物提取的影响，从而为以后的信息提取创造了纯净的环境。　　1基于地物光谱模型的遥感影像分类　　为获得光谱知识，在原始图像上进行采样。在采样过程中考虑到同类地物颜色的差异，如水域的深浅等，每一地类进行了多个样本值的合并，得到地物的综合光谱特征值（如图1）。　　图1 地物光谱特征　　水体的提取：太阳光照射到水面少部分被反射到空中大部分被入射到水体，入射到水体的光，部分被水体吸收，部分被水中的悬浮物反射，少部分透射到水底。被水底吸收和反射。被悬浮物反射和被水体反射的辐射，部分返回水面，折回到空中。因此，遥感器所接收到的辐射就包括水面反射光，悬浮物反射光，水底反射光和天空反射光（如图2）。由于不同水体的水面性质和水体特性的不同，从而形成传感器上接收到的反射光谱就存在差异，为遥感探测水体提供了基础。在可见光范围内，水体的反射率总体比较低，不超过10%，一般为4%～5%，并随着波长的增大逐渐降低，到6μm处约2%～3%，过了75μm，水体几乎成为全吸收体。因此，在近红外的遥感影像上清澈的水体成黑色。因此在提取水体时图面上黑色部分即为水体。　　图2 传感器接收到的光谱　　植被的提取:健康植物的波谱曲线有明显的特点（如图3），在可见光的55μm附近有一个反射率为10%～20%的小反射峰。在45μm和65μm附近有两个明显的吸收谷。在7～8μm是一个陡坡，反射率急剧增高。在近红外波段8～3μm之间形成一个高的，反射率可达40%或更大的反射峰。在45μm、95μm和6～7μm处有三个吸收谷。它们分别受叶子色素，细胞构造，含水量等的影响。因此，在对TM影像上的植被进行提取时，要考虑以上因素。　　图3 健康植被的光谱特征　　2基于纹理信息的分类　　在图1中容易看到水田、旱地、居民地有很大的光谱相似度，因此需要根据纹理特征进行提取。　　本文用水体和植被信息分别对原始影像做掩膜，再结合纹理信息作监督分类提取居民地、水田和旱地。为了突出图像的纹理，提高对图像的解译和分析能力，在对图像进行纹理分析之前，利用ErdasImagine软件对掩膜后的影像进行了增强处理。　　为了进行纹理分类，首先必须提取各类的纹理特征。试验中先提取各类样本，统计各种类纹理特征，再找出最大差异的纹理量，作为分类特征量进行分类(如图4)。纹理特征的提取需考虑到窗口的大小、方向和步长。本文利用TM第5波段的纹理特征，采用了3X3大小的窗口、四个方向的均值[10]、步长为1来对纹理值(包括角二阶距、对比度、熵、相关)进行特征统计。　　图4 纹理样本图　　本文所有的纹理分析均在M0上进行，主要目标是实现对输入遥感影像进行纹理分析，输出纹理分析的结果，以便通过使用结果，以不同的结合方式辅助分类作对比研究。从图5中我们可以看到，3种地类在ASM纹理特征量上差异最大，COR上次之，因此取用ASM、COR特征值，对3种地物加以提取。　　图5 3种纹理特征曲线　　旱田的提取:从纹理曲线中可以看出旱田的ASM量与水田、居民地有很大的差异，因此通过实验对ASM进行阈值设定来提取旱田。　　居民地和水田的区分:采用基于纹理特征和光谱特征相结合的方法，对居民地进行提取。水田和居民地在ASM特征量上，有着较大的差异，但仔细观察可以发现，在去除了旱田的干扰后，水田和居民地在COR特征量上也有着很大的差异。同时一些研究提出了(归一化建筑指数)[11]:NDVI=(TM 5- TM 4)/(TM 5+ TM 4)来对居民地进行提取（见表1）。从表2中可以看出，这种方法并不适合本文的研究区，但是对原始的光谱特征信息进行分析可以发现，在只存有水田和居民地的图像上，两者在TM5上的亮度值差距很大。综上所述，可以对COR和TM5的亮度值进行阈值设定提取居民地，将其与水田相分离。　　表1 5种地物的NDVI指数　　指标 水体 水田 旱地 居民地 植被　　NDVI 0．24271 0．218619 0．380397 0．231489 0．166337　　5　精度评价　　衡量分类精度最广泛的方法是由Congalton提出的误差矩阵法(error matrix)，为了评价分类试验精度，本文采用随机抽样方法抽取400个点作正确率评价，通过对原图的目视判读结合实地考察对结果进行正确率评价，建立混淆矩阵，计算其Kappa系数(见表2)，在ERDAS监督分类中总正确率为4 %(见表3)，两者相比较可以看出，基于光谱和纹理特征的信息分层提取方法能够很好的对研究区影象进行分类。　　表2 光谱纹理信息分类精度%　　居民地 水田 旱地` 水体 植被　　居民地　　水田　　旱地　　水体　　植被　　总合　　正确率/% 82　　4　　2　　1　　1　　92　　2 7　　99　　2　　1　　1　　109　　8 5　　3　　113　　1　　1　　123　　8 1　　0　　0　　35　　1　　37　　6 1　　1　　1　　1　　36　　39　　3　　总正确率=5% Kappa系数=87　　表3 EARDS监督分类精度　　居民地 水田 旱地` 水体 植被　　居民地　　水田　　旱地　　水体　　植被　　总合　　正确率/% 3123　　240　　107　　24　　63　　3577　　88 39　　7481　　569　　176　　6　　1363　　78 81　　112　　1477　　99　　32　　8723　　86 5 1　　39　　202　　1067　　4　　1801　　82 7　　0　　2　　3　　379　　379　　97　　总正确率=4 %　　6　结语　　（1）试验表明，对地物进行分层处理，就可以充分利用各类地物在不同波段的特征。避免已提取地物对其他地物提取的干扰，为后续信息提取创造了纯净的环境；同时还可以有效地减少了漏分和误分，提高分类正确率。本文采用此方法对建设用地信息提取，获得较为满意的效果。　　（2)综合运用光谱知识、纹理信息对于仅基于遥感多光谱信息的传统分类方法，能够更有效地提取出土地利用类型信息，精度有了一定提高。　　（3）本文在进行纹理分析时，仅使用了单波段的影象数据，对于多波段影象数据未能充分利用； TM全色波段纹理清晰，如能加以利用，会对分类精度的提高有一定的帮助。　　参考文献　　[1] 梅安新，彭望琭，秦其明遥感导论[M]北京，高等教育出版社，　　[2] 吴高洪，章毓晋，林行刚等利用小波变换和特征加权进行纹理分割[J]中国图像图形学报，2001，6(4):333-　　[3] 张禾基于纹理特征的遥感影像居民地自动提取方法[J]江汉石油职工大学学报，2007，(4):93-96　　[4] 黄桂兰，郑肇葆，杨敏一种基于共生矩阵法的影像纹理分类方法[J]测绘通报，1996，(3):28-　　[5] 周廷刚，郭达志，盛业华灰度矢量多波段遥感影像纹理特征及其描述[J]西安科技学院学报，2000，2(4):336-　　[6] 舒宁关于多光谱和高光谱影像的纹理问题[J]武汉大学学报，2004，29(4):292-　　[7] 武文波，陈静基于ETM+的遥感影像信息提取研究[J]甘肃农业大学学报2007，43(4)　　[8] 李四海，恽才兴土地覆盖遥感专题信息的分层提取方法及其应用[J]遥感技术与应用，1999，(4):　　[9] 柴芸甘肃省沙化土地监测研究[J]甘肃农业大学学报，2003，38(3):296～　　[10] Treitz P，Howarth PIntegrating spectral spatial andTerrain variables for forest ecosystem classification[J]Photogrammetric Engineering Remote Sensing，2000，66(3):305-　　[11] 查勇，倪绍祥，杨山一种利用图像自动提取城镇用地信息的有效方法[J]遥感学报，2003，(1):38-　　标题 XXXXXXXXXXXXXX（宋体三号字加黑，居中）　　学生姓名：XX 学号：XXX(五号宋体字不加黑，居中)　　XXXX院（系） XX专业(五号宋体字不加黑，居中)　　指导教师：XXX 职称：XXX(五号宋体字不加黑，居中)　　（空两格）摘 要(黑体小四)：具体内容(楷体小四号字不加黑)　　（空两格）关键词(黑体小四)： **；**；** (楷体小四号字不加黑)　　(空一行)　　Abstract(Times New Roman小四加黑)： 具体内容(Times New Roman小四不加黑)　　Key Words(Times New Roman小四加黑)：**；**；** (Times New Roman小四不加黑)　　前言(宋体小三号加黑)　　一、政府信息公开制度概述（一级标题宋体四号字加黑）　　(一)政府信息公开的内涵（二级标题仿宋体小四号字加黑）　　1．政府信息公开（三级标题宋体小四号字）　　正文内容（宋体小四号不加黑）、图表说明（宋体小五号字不加黑）

垃圾学报不是本校的学生就别发吧，不怎么样。

甘肃农业大学论文封面格式是什么样的

1、所上传的照片格式不符合规格要求，使用照片处理工具进行处理后，按照规定的格式重新上传。2、网络原因，有可能因为网络提供商对网络访问策略做了设置。以上是甘肃农业大学智慧学工系统照片上传不了的原因。

大概就这样了 参考一下吧　　基于landsat-TM影像的专题信息提取　　学生姓名：XX 学号：20085080079　　院系：城市与环境科学学院 专业：XX　　指导教师：XX 职称：助教　　摘 要：本文以沈阳地区为研究区，利用光谱信息提取水体、植被，采用基于灰度共生矩阵的纹理量的分类法，通过TM5波段提取灰度共生矩阵和灰度联合矩阵，计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离，得到最终的分类结果。结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类，光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度。　　关键词：遥感影像;光谱特征;纹理特征;灰度共生矩阵;分层提取;土地利用　　Abstract:Based on the study of shenyang area for using spectral information extraction，water，vegetation，based on gray symbiotic matrix of the texture classification，through the TM5 band extraction graylevel co-occurrence matrix and gray，and joint matrix extraction can reflect the differences between vector-valued texture category will confuse the paddy fields，spectral information structure，separation，with residents of the final results of the Results show that: the texture characteristics will be applied to image classification can distinguish the confusion of spectral spectrum and texture feature combination，the classification accuracy than pure spectral classification 　　Key words:remote sensing image;spectrum feature;texture feature;text gray-level co-occurrence matrix;layered extraction;land-use　　引言　　遥感图像信息专题特征的提取，需要对TM图像的光谱信息和纹理信息进行综合分析，以达到提高影像分类精度的目的[1] 。在自然资源调查中，遥感图像已成为重要的空间数据源，其中TM图像信息是进行土地利用/覆盖变化动态监测的重要依据。常规提取TM图像信息主要是利用影像的光谱分辨率进行的，难以正确区分光谱易混淆的地物，例如菜地与其他耕地类型。　　提取TM图像中易混淆地物信息，可以充分利用影像的空间分辨率及影像上丰富的纹理信为了息来完成信息提取。纹理分析方法在许多领域都有重要的应用，吴高洪等[2]为了提高纹理图像分割的边缘准确性和区域一致性以及降低分割错误率，提出了一种基于小波变换进行纹理分割的方法。因此，研究地物在影像上的纹理特征，建立和充分应用基于纹理特征的地物分类及信息提取方法，将是今后研究高分辨率遥感影像信息提取的方向之一[3]。图像分析需要用到影像的灰度和纹理信息，灰度即波谱信息，是最基本的信息，纹理反映了灰度的空间变化情况，它由纹理基元按某种确定的规律或者某种统计规律排列组成。为了能用计算机进行纹理分析和形成统一的尺度，需将纹理量化，以定量反映纹理信息，形成纹理变量和纹理图像以便分析[4]。　　1 研究区概况　　苏家屯是沈阳市的九个市辖区之一，位于沈阳南部，距沈阳市中心15公里，与抚顺、本溪、辽阳三市毗邻。这里气候适宜，雨量适中，年均气温8度，年均降水量700毫米。物产丰富，蕴藏着丰富的煤石油天然气铁矿石和优质矿泉水等自然资源。苏家屯农业发达，盛产水稻、玉米，是国家确定的现代化农业示范区。本文选择数据源所选取的数据是沈阳地区2001年8月11日TM影像区的子区域。根据沈阳地区的农事历，选择10月上旬的遥感资料为宜。　　2　光谱信息　　地物的光谱一般是指像素的亮度值，地表的各种地物由于物质组成和结构不同而具有独特的波谱反射和辐射特性，在图像上反映为各类地物在各波段上灰度值的差异。地物光谱响应特征是多光谱遥感影像地物识别最直接，也是最重要的解译元素。　　3 纹理特征　　纹理也是遥感影像的重要信息，它通过色调或颜色的变化表现细纹或细小的纹案，这种细纹或细小的纹案在某一确定的图像区域中以一定的规律重复出现。　　目标地物的纹理特征与航空相片的比例尺和太阳高度角有关。另外，它反映了影像的灰度统计信息、地物本身的结构特征和地物空间排列的关系，是进行目视判读和计算机自动解译的重要基础[5]。许多研究表明，除了原始影像光谱信息以外，加上纹理信息就可以使分析准确性和精度提高[6]。遥感图像中多为无规则纹理，一般采用统计方法进行纹理分析，目前用得较多的统计方法有共生矩阵法、分形维法和马尔可夫随机场法。　　所谓灰度共生矩阵是由影像灰度级之间二阶联合条件概率密度所构成的矩阵，反映了影像中任意两点间灰度的空间相关性。其方法是先依据影像的灰度级数和灰度变化情况计算出4个方向(右、下、右上和左下)任意两个灰度级相邻出现的概率矩阵，它能提供多个纹理量，可以从多个侧面描述影像的纹理特征，因而在纹理分类中得到广泛的应用[7]。　　4 提取方法　　1 数据预处理　　本文对沈阳地区遥感影像进行光学增强处理，并采用高通滤波来进行滤波处理对影像进行融合将融合后的影像进行几何校正。本文以1∶5万比例尺地形图为底图，选取均匀地分别在整幅图像内的60个控制点，采用二次多项式纠正模型建立两幅影像的对应关系。配准精度在3个像元以内，　　2 土地利用分类体系的确定　　参考国家土地利用分类体系，结合研究区土地资源的实际情况，TM影像波谱特征及其分辨率等，把研究区土地利用现状分类系统按二级进行分类，一级类型5个，分别为水体、水田、旱地、居民地、植被。　　3　遥感信息提取　　遥感图像的某些波段往往存在异物同谱和同物异谱现象，如果把多种地物放到一起考虑，由于这些波段的加入，会使信息提取变得非常复杂，这也正是传统上基于统计特征的监督和非监督分类遇到的难题。而对地物进行分层处理，就可以充分利用各类地物在不同波段的特征，收到较好效果[8，9]。对某一地物进行提取，获得该信息层，与原图像进行逻辑与运算，做掩膜处理，从而将该地物像元从原始图像中去除，以避免它对其他地物提取的影响，从而为以后的信息提取创造了纯净的环境。　　1基于地物光谱模型的遥感影像分类　　为获得光谱知识，在原始图像上进行采样。在采样过程中考虑到同类地物颜色的差异，如水域的深浅等，每一地类进行了多个样本值的合并，得到地物的综合光谱特征值（如图1）。　　图1 地物光谱特征　　水体的提取：太阳光照射到水面少部分被反射到空中大部分被入射到水体，入射到水体的光，部分被水体吸收，部分被水中的悬浮物反射，少部分透射到水底。被水底吸收和反射。被悬浮物反射和被水体反射的辐射，部分返回水面，折回到空中。因此，遥感器所接收到的辐射就包括水面反射光，悬浮物反射光，水底反射光和天空反射光（如图2）。由于不同水体的水面性质和水体特性的不同，从而形成传感器上接收到的反射光谱就存在差异，为遥感探测水体提供了基础。在可见光范围内，水体的反射率总体比较低，不超过10%，一般为4%～5%，并随着波长的增大逐渐降低，到6μm处约2%～3%，过了75μm，水体几乎成为全吸收体。因此，在近红外的遥感影像上清澈的水体成黑色。因此在提取水体时图面上黑色部分即为水体。　　图2 传感器接收到的光谱　　植被的提取:健康植物的波谱曲线有明显的特点（如图3），在可见光的55μm附近有一个反射率为10%～20%的小反射峰。在45μm和65μm附近有两个明显的吸收谷。在7～8μm是一个陡坡，反射率急剧增高。在近红外波段8～3μm之间形成一个高的，反射率可达40%或更大的反射峰。在45μm、95μm和6～7μm处有三个吸收谷。它们分别受叶子色素，细胞构造，含水量等的影响。因此，在对TM影像上的植被进行提取时，要考虑以上因素。　　图3 健康植被的光谱特征　　2基于纹理信息的分类　　在图1中容易看到水田、旱地、居民地有很大的光谱相似度，因此需要根据纹理特征进行提取。　　本文用水体和植被信息分别对原始影像做掩膜，再结合纹理信息作监督分类提取居民地、水田和旱地。为了突出图像的纹理，提高对图像的解译和分析能力，在对图像进行纹理分析之前，利用ErdasImagine软件对掩膜后的影像进行了增强处理。　　为了进行纹理分类，首先必须提取各类的纹理特征。试验中先提取各类样本，统计各种类纹理特征，再找出最大差异的纹理量，作为分类特征量进行分类(如图4)。纹理特征的提取需考虑到窗口的大小、方向和步长。本文利用TM第5波段的纹理特征，采用了3X3大小的窗口、四个方向的均值[10]、步长为1来对纹理值(包括角二阶距、对比度、熵、相关)进行特征统计。　　图4 纹理样本图　　本文所有的纹理分析均在M0上进行，主要目标是实现对输入遥感影像进行纹理分析，输出纹理分析的结果，以便通过使用结果，以不同的结合方式辅助分类作对比研究。从图5中我们可以看到，3种地类在ASM纹理特征量上差异最大，COR上次之，因此取用ASM、COR特征值，对3种地物加以提取。　　图5 3种纹理特征曲线　　旱田的提取:从纹理曲线中可以看出旱田的ASM量与水田、居民地有很大的差异，因此通过实验对ASM进行阈值设定来提取旱田。　　居民地和水田的区分:采用基于纹理特征和光谱特征相结合的方法，对居民地进行提取。水田和居民地在ASM特征量上，有着较大的差异，但仔细观察可以发现，在去除了旱田的干扰后，水田和居民地在COR特征量上也有着很大的差异。同时一些研究提出了(归一化建筑指数)[11]:NDVI=(TM 5- TM 4)/(TM 5+ TM 4)来对居民地进行提取（见表1）。从表2中可以看出，这种方法并不适合本文的研究区，但是对原始的光谱特征信息进行分析可以发现，在只存有水田和居民地的图像上，两者在TM5上的亮度值差距很大。综上所述，可以对COR和TM5的亮度值进行阈值设定提取居民地，将其与水田相分离。　　表1 5种地物的NDVI指数　　指标 水体 水田 旱地 居民地 植被　　NDVI 0．24271 0．218619 0．380397 0．231489 0．166337　　5　精度评价　　衡量分类精度最广泛的方法是由Congalton提出的误差矩阵法(error matrix)，为了评价分类试验精度，本文采用随机抽样方法抽取400个点作正确率评价，通过对原图的目视判读结合实地考察对结果进行正确率评价，建立混淆矩阵，计算其Kappa系数(见表2)，在ERDAS监督分类中总正确率为4 %(见表3)，两者相比较可以看出，基于光谱和纹理特征的信息分层提取方法能够很好的对研究区影象进行分类。　　表2 光谱纹理信息分类精度%　　居民地 水田 旱地` 水体 植被　　居民地　　水田　　旱地　　水体　　植被　　总合　　正确率/% 82　　4　　2　　1　　1　　92　　2 7　　99　　2　　1　　1　　109　　8 5　　3　　113　　1　　1　　123　　8 1　　0　　0　　35　　1　　37　　6 1　　1　　1　　1　　36　　39　　3　　总正确率=5% Kappa系数=87　　表3 EARDS监督分类精度　　居民地 水田 旱地` 水体 植被　　居民地　　水田　　旱地　　水体　　植被　　总合　　正确率/% 3123　　240　　107　　24　　63　　3577　　88 39　　7481　　569　　176　　6　　1363　　78 81　　112　　1477　　99　　32　　8723　　86 5 1　　39　　202　　1067　　4　　1801　　82 7　　0　　2　　3　　379　　379　　97　　总正确率=4 %　　6　结语　　（1）试验表明，对地物进行分层处理，就可以充分利用各类地物在不同波段的特征。避免已提取地物对其他地物提取的干扰，为后续信息提取创造了纯净的环境；同时还可以有效地减少了漏分和误分，提高分类正确率。本文采用此方法对建设用地信息提取，获得较为满意的效果。　　（2)综合运用光谱知识、纹理信息对于仅基于遥感多光谱信息的传统分类方法，能够更有效地提取出土地利用类型信息，精度有了一定提高。　　（3）本文在进行纹理分析时，仅使用了单波段的影象数据，对于多波段影象数据未能充分利用； TM全色波段纹理清晰，如能加以利用，会对分类精度的提高有一定的帮助。　　参考文献　　[1] 梅安新，彭望琭，秦其明遥感导论[M]北京，高等教育出版社，　　[2] 吴高洪，章毓晋，林行刚等利用小波变换和特征加权进行纹理分割[J]中国图像图形学报，2001，6(4):333-　　[3] 张禾基于纹理特征的遥感影像居民地自动提取方法[J]江汉石油职工大学学报，2007，(4):93-96　　[4] 黄桂兰，郑肇葆，杨敏一种基于共生矩阵法的影像纹理分类方法[J]测绘通报，1996，(3):28-　　[5] 周廷刚，郭达志，盛业华灰度矢量多波段遥感影像纹理特征及其描述[J]西安科技学院学报，2000，2(4):336-　　[6] 舒宁关于多光谱和高光谱影像的纹理问题[J]武汉大学学报，2004，29(4):292-　　[7] 武文波，陈静基于ETM+的遥感影像信息提取研究[J]甘肃农业大学学报2007，43(4)　　[8] 李四海，恽才兴土地覆盖遥感专题信息的分层提取方法及其应用[J]遥感技术与应用，1999，(4):　　[9] 柴芸甘肃省沙化土地监测研究[J]甘肃农业大学学报，2003，38(3):296～　　[10] Treitz P，Howarth PIntegrating spectral spatial andTerrain variables for forest ecosystem classification[J]Photogrammetric Engineering Remote Sensing，2000，66(3):305-　　[11] 查勇，倪绍祥，杨山一种利用图像自动提取城镇用地信息的有效方法[J]遥感学报，2003，(1):38-　　标题 XXXXXXXXXXXXXX（宋体三号字加黑，居中）　　学生姓名：XX 学号：XXX(五号宋体字不加黑，居中)　　XXXX院（系） XX专业(五号宋体字不加黑，居中)　　指导教师：XXX 职称：XXX(五号宋体字不加黑，居中)　　（空两格）摘 要(黑体小四)：具体内容(楷体小四号字不加黑)　　（空两格）关键词(黑体小四)： **；**；** (楷体小四号字不加黑)　　(空一行)　　Abstract(Times New Roman小四加黑)： 具体内容(Times New Roman小四不加黑)　　Key Words(Times New Roman小四加黑)：**；**；** (Times New Roman小四不加黑)　　前言(宋体小三号加黑)　　一、政府信息公开制度概述（一级标题宋体四号字加黑）　　(一)政府信息公开的内涵（二级标题仿宋体小四号字加黑）　　1．政府信息公开（三级标题宋体小四号字）　　正文内容（宋体小四号不加黑）、图表说明（宋体小五号字不加黑）

垃圾学报不是本校的学生就别发吧，不怎么样。

首先MBA的备考流程一、预报名必须报吗?预报名不是必须报的，不过建议报，以防正式报名时人太多，系统容易出故障。另外，预报名是有效的，如果预报名如果填错内容，可以在正式报名期间修改。二、预报名流程不管是预报名还是正式报名，生成报名号后才可视为网上报名成功。网上报名需要填写或选择的内容以及要求，除明确说明可不填写外，其他均为必填选项，小伙伴们要提前准备，以免在网报期间由于单个页面停滞时间过长导致报名失败。①确认是否具有学信网账号已有学信网账号，可以直接登陆研招网();没有学信网账号，需要先进行注册，填写基本信息进行提交;已有学信网账号在注册时，会提醒身份证号重复②登陆研招网注册成功后，使用学信网账号在研招网登录，由于现在系统尚未开放，网上报名不可点击，若开通之后，直接进入报名页面。③进入报名页面首先确定报考单位、考试方式以及专项计划。特别提醒：这几个选项请务必注意：第一，选择招生单位是让考生选择你所报考的学校的所在地，不是你现在的所在地;第二，选择学校是你所要报考的学校，不是你现在的学校。第三，考试方式请务必选择全国统考，因为我们是统一时间考试，所以是全国统考。第四，专项计划这里，如果你是参加你所在城市的少数民族骨干计划的话，那么请选择少数民族骨干计划，普通人都是选择"无"。④进入正式填写阶段主要填写考生基本信息，需要注意能够填写预报名的同学，都是普通全日制应届本科毕业生，否则，你的预报名是无效的。如果你是往届生或者其他情况，就选择其他人员即可。最后获得学历的学习形式，正常的本科就是普通全日制，成人高考属于成人教育，自考属于自学考试，正常选择即可，一般的考生都是选择"普通全日制"。⑤选择报考学校和报考点报考学校和专业都是下拉菜单形式，选择自己要报考的学校、专业即可;特别提醒1、“招生单位”、“报考点”、“考试方式”等关键信息在提交生成报名后不允许修改!其它基本信息可以在网报截止时间以前登陆网报系统修改、确认。2、网报的报考点、考试方式、报考院校专业如有填错，可在网上报名截前新增报名信息并重新填报报名信息，系统会生成新的报名号。现场确认时确实该报名号即可。3、关于报考点的选择：每个省市对于报考点接收考生报名的要求都不同，在选择报考点之前，一定要查看你准备选择的报考点公告，以确认你在该报考点所接收的考生范围以内。一般情况下：应届本科生原则上选择就读学校所在省(区、市)的报考点网上报名和现场确认;单独考试及工商管理、公共管理、旅游管理和工程管理等专业学位的选择招生单位所在地省级教育招生考试管理机构指定的报考点网报和现场确认;其他考生选择工作或户口所在地省(区、市)的报考点网报和现场确认。(现场确认须是在你所选择的报考点进行)。选择工作地的往届考生一定要注意，可能需要相关工作证明。(近期缴纳社会保险凭证(社保机构盖章)或缴纳个人所得税凭证(需税务部门盖章))不同地区可能政策不同，具体以当地要求为准三、现场确认所需材料(1)本人第二代居民身份证(2)学历证书((普通高校、成人高校、普通高校举办的成人高校学历证书，应届本科毕业生持学生证)(3)网上报名编号(即网上报名成功后系统显示的9位数字报名号)(4)工作证明(报考点选择了工作单位所在地的往届生需提供)具体以相关院校或地区的公布的现场确认公告要求为准。四、现场确认流程1、到报考点指定的地方进行现场确认不同身份的考生报考点不同：(1)应届本科毕业生原则上应选择就读学校所在省(区、市)的报考点办理网上报名和现场确认手续;(2)单独考试考生应选择招生单位所在地省级教育招生考试管理机构指定的报考点办理网上报名和现场确认手续;(3)工商管理、公共管理、旅游管理和工程管理等专业学位考生和其他考生应选择工作或户口所在地省级教育招生考试管理机构指定的报考点办理网上报名和现场确认手续。2、信息核对考生提交本人居民身份证、学历证书(普通高校、成人高校、普通高校举办的成人高校学历教育应届本科毕业生持学生证)和网上报名编号，由报考点工作人员进行核对。考生要对本人网上报名信息进行认真核对并确认。报名信息经考生确认后一律不作修改，因考生填写错误引起的一切后果由其自行承担。3、缴纳报考费考生应按规定缴纳报考费。考生办理报考手续缴纳报考费后，不再退还。随着网络支付的流行，很多省份都支持网上支付!且部分地区只支持网上支付，但亦有部分地区仅供现场缴费。具体以相关地区公告为准!切勿错过缴费时间!4、采集考生图像信息考生应按报考点规定配合采集本人图像等相关电子信息。五、相关问题答疑问题1：现场确认地点是在哪里?答：不同身份的考生现场确认地点不同①推荐免试生根据毕业院校按所在地省级教育招生考试管理机构要求办理网上报名和现场确认手续;②报考单独考试及工商管理硕士、公共管理硕士、旅游管理硕士和工程管理等考生必须到招生单位所在地省级教育招生考试管理机构指定的报考点办理网上报名和现场确认手续。报名时间及确认手续按招生单位的要求办理;③应届本科毕业生原则上应选择就读学校所在省(区、市)的报考点办理网上报名和现场确认手续。其他考生应选择工作或户口所在地省(区、市)的报考点办理网上报名和现场确认手续。问题2：身份证丢失或过期，没有来得及办理新证怎么办?答：使用临时身份证的同学，虽然在现场确认能够通过，但是进考场时特别麻烦，另需要一份户籍证明，所以，建议最好提前办好二代身份证。因身份证损坏导致二代身份证信息无法读取或持临时身份证的考生，必须出示户口所在地派出所出具的带照片并加盖骑缝章的身份证明或二代身份证已在办理中的证明方可进行信息确认和电子照相。问题3：军人考生未办理二代身份证，哪些证件可以替代?答：军人考生尚未办理二代身份证的，需出示证明方可进行信息确认和电子照相;其他无二代身份证的考生，一律不予进行信息确认。问题4：关于未通过学籍认证或者没有学籍信息，怎么办?哪些认证报告是有效的?答：部分考生未通过网报学历(学籍)校验审核，此类考生需现场确认时通过考点报考资格审核后方可交费确认，现场确认时未能提交认证报告的，不得进行现场确认，不准考试。有效认证报告包括《教育部学籍在线验证报告》、《教育部学历证书电子注册备案表》或《中国高等教育学历证书认证报告》。问题5：毕业之后更改了姓名或身份证号，怎么处理呢?答：属于毕业后更改姓名或身份证号，学历审核未通过的，考生须出具公安部门的信息变更证明;属于本科入学信息中身份证号错误为更正，学籍审核未通过的，考生需出具本科就读学校学籍管理部门的学籍证明。

甘肃农业大学论文格式字体大小一样吗

大概就这样了 参考一下吧　　基于landsat-TM影像的专题信息提取　　学生姓名：XX 学号：20085080079　　院系：城市与环境科学学院 专业：XX　　指导教师：XX 职称：助教　　摘 要：本文以沈阳地区为研究区，利用光谱信息提取水体、植被，采用基于灰度共生矩阵的纹理量的分类法，通过TM5波段提取灰度共生矩阵和灰度联合矩阵，计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离，得到最终的分类结果。结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类，光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度。　　关键词：遥感影像;光谱特征;纹理特征;灰度共生矩阵;分层提取;土地利用　　Abstract:Based on the study of shenyang area for using spectral information extraction，water，vegetation，based on gray symbiotic matrix of the texture classification，through the TM5 band extraction graylevel co-occurrence matrix and gray，and joint matrix extraction can reflect the differences between vector-valued texture category will confuse the paddy fields，spectral information structure，separation，with residents of the final results of the Results show that: the texture characteristics will be applied to image classification can distinguish the confusion of spectral spectrum and texture feature combination，the classification accuracy than pure spectral classification 　　Key words:remote sensing image;spectrum feature;texture feature;text gray-level co-occurrence matrix;layered extraction;land-use　　引言　　遥感图像信息专题特征的提取，需要对TM图像的光谱信息和纹理信息进行综合分析，以达到提高影像分类精度的目的[1] 。在自然资源调查中，遥感图像已成为重要的空间数据源，其中TM图像信息是进行土地利用/覆盖变化动态监测的重要依据。常规提取TM图像信息主要是利用影像的光谱分辨率进行的，难以正确区分光谱易混淆的地物，例如菜地与其他耕地类型。　　提取TM图像中易混淆地物信息，可以充分利用影像的空间分辨率及影像上丰富的纹理信为了息来完成信息提取。纹理分析方法在许多领域都有重要的应用，吴高洪等[2]为了提高纹理图像分割的边缘准确性和区域一致性以及降低分割错误率，提出了一种基于小波变换进行纹理分割的方法。因此，研究地物在影像上的纹理特征，建立和充分应用基于纹理特征的地物分类及信息提取方法，将是今后研究高分辨率遥感影像信息提取的方向之一[3]。图像分析需要用到影像的灰度和纹理信息，灰度即波谱信息，是最基本的信息，纹理反映了灰度的空间变化情况，它由纹理基元按某种确定的规律或者某种统计规律排列组成。为了能用计算机进行纹理分析和形成统一的尺度，需将纹理量化，以定量反映纹理信息，形成纹理变量和纹理图像以便分析[4]。　　1 研究区概况　　苏家屯是沈阳市的九个市辖区之一，位于沈阳南部，距沈阳市中心15公里，与抚顺、本溪、辽阳三市毗邻。这里气候适宜，雨量适中，年均气温8度，年均降水量700毫米。物产丰富，蕴藏着丰富的煤石油天然气铁矿石和优质矿泉水等自然资源。苏家屯农业发达，盛产水稻、玉米，是国家确定的现代化农业示范区。本文选择数据源所选取的数据是沈阳地区2001年8月11日TM影像区的子区域。根据沈阳地区的农事历，选择10月上旬的遥感资料为宜。　　2　光谱信息　　地物的光谱一般是指像素的亮度值，地表的各种地物由于物质组成和结构不同而具有独特的波谱反射和辐射特性，在图像上反映为各类地物在各波段上灰度值的差异。地物光谱响应特征是多光谱遥感影像地物识别最直接，也是最重要的解译元素。　　3 纹理特征　　纹理也是遥感影像的重要信息，它通过色调或颜色的变化表现细纹或细小的纹案，这种细纹或细小的纹案在某一确定的图像区域中以一定的规律重复出现。　　目标地物的纹理特征与航空相片的比例尺和太阳高度角有关。另外，它反映了影像的灰度统计信息、地物本身的结构特征和地物空间排列的关系，是进行目视判读和计算机自动解译的重要基础[5]。许多研究表明，除了原始影像光谱信息以外，加上纹理信息就可以使分析准确性和精度提高[6]。遥感图像中多为无规则纹理，一般采用统计方法进行纹理分析，目前用得较多的统计方法有共生矩阵法、分形维法和马尔可夫随机场法。　　所谓灰度共生矩阵是由影像灰度级之间二阶联合条件概率密度所构成的矩阵，反映了影像中任意两点间灰度的空间相关性。其方法是先依据影像的灰度级数和灰度变化情况计算出4个方向(右、下、右上和左下)任意两个灰度级相邻出现的概率矩阵，它能提供多个纹理量，可以从多个侧面描述影像的纹理特征，因而在纹理分类中得到广泛的应用[7]。　　4 提取方法　　1 数据预处理　　本文对沈阳地区遥感影像进行光学增强处理，并采用高通滤波来进行滤波处理对影像进行融合将融合后的影像进行几何校正。本文以1∶5万比例尺地形图为底图，选取均匀地分别在整幅图像内的60个控制点，采用二次多项式纠正模型建立两幅影像的对应关系。配准精度在3个像元以内，　　2 土地利用分类体系的确定　　参考国家土地利用分类体系，结合研究区土地资源的实际情况，TM影像波谱特征及其分辨率等，把研究区土地利用现状分类系统按二级进行分类，一级类型5个，分别为水体、水田、旱地、居民地、植被。　　3　遥感信息提取　　遥感图像的某些波段往往存在异物同谱和同物异谱现象，如果把多种地物放到一起考虑，由于这些波段的加入，会使信息提取变得非常复杂，这也正是传统上基于统计特征的监督和非监督分类遇到的难题。而对地物进行分层处理，就可以充分利用各类地物在不同波段的特征，收到较好效果[8，9]。对某一地物进行提取，获得该信息层，与原图像进行逻辑与运算，做掩膜处理，从而将该地物像元从原始图像中去除，以避免它对其他地物提取的影响，从而为以后的信息提取创造了纯净的环境。　　1基于地物光谱模型的遥感影像分类　　为获得光谱知识，在原始图像上进行采样。在采样过程中考虑到同类地物颜色的差异，如水域的深浅等，每一地类进行了多个样本值的合并，得到地物的综合光谱特征值（如图1）。　　图1 地物光谱特征　　水体的提取：太阳光照射到水面少部分被反射到空中大部分被入射到水体，入射到水体的光，部分被水体吸收，部分被水中的悬浮物反射，少部分透射到水底。被水底吸收和反射。被悬浮物反射和被水体反射的辐射，部分返回水面，折回到空中。因此，遥感器所接收到的辐射就包括水面反射光，悬浮物反射光，水底反射光和天空反射光（如图2）。由于不同水体的水面性质和水体特性的不同，从而形成传感器上接收到的反射光谱就存在差异，为遥感探测水体提供了基础。在可见光范围内，水体的反射率总体比较低，不超过10%，一般为4%～5%，并随着波长的增大逐渐降低，到6μm处约2%～3%，过了75μm，水体几乎成为全吸收体。因此，在近红外的遥感影像上清澈的水体成黑色。因此在提取水体时图面上黑色部分即为水体。　　图2 传感器接收到的光谱　　植被的提取:健康植物的波谱曲线有明显的特点（如图3），在可见光的55μm附近有一个反射率为10%～20%的小反射峰。在45μm和65μm附近有两个明显的吸收谷。在7～8μm是一个陡坡，反射率急剧增高。在近红外波段8～3μm之间形成一个高的，反射率可达40%或更大的反射峰。在45μm、95μm和6～7μm处有三个吸收谷。它们分别受叶子色素，细胞构造，含水量等的影响。因此，在对TM影像上的植被进行提取时，要考虑以上因素。　　图3 健康植被的光谱特征　　2基于纹理信息的分类　　在图1中容易看到水田、旱地、居民地有很大的光谱相似度，因此需要根据纹理特征进行提取。　　本文用水体和植被信息分别对原始影像做掩膜，再结合纹理信息作监督分类提取居民地、水田和旱地。为了突出图像的纹理，提高对图像的解译和分析能力，在对图像进行纹理分析之前，利用ErdasImagine软件对掩膜后的影像进行了增强处理。　　为了进行纹理分类，首先必须提取各类的纹理特征。试验中先提取各类样本，统计各种类纹理特征，再找出最大差异的纹理量，作为分类特征量进行分类(如图4)。纹理特征的提取需考虑到窗口的大小、方向和步长。本文利用TM第5波段的纹理特征，采用了3X3大小的窗口、四个方向的均值[10]、步长为1来对纹理值(包括角二阶距、对比度、熵、相关)进行特征统计。　　图4 纹理样本图　　本文所有的纹理分析均在M0上进行，主要目标是实现对输入遥感影像进行纹理分析，输出纹理分析的结果，以便通过使用结果，以不同的结合方式辅助分类作对比研究。从图5中我们可以看到，3种地类在ASM纹理特征量上差异最大，COR上次之，因此取用ASM、COR特征值，对3种地物加以提取。　　图5 3种纹理特征曲线　　旱田的提取:从纹理曲线中可以看出旱田的ASM量与水田、居民地有很大的差异，因此通过实验对ASM进行阈值设定来提取旱田。　　居民地和水田的区分:采用基于纹理特征和光谱特征相结合的方法，对居民地进行提取。水田和居民地在ASM特征量上，有着较大的差异，但仔细观察可以发现，在去除了旱田的干扰后，水田和居民地在COR特征量上也有着很大的差异。同时一些研究提出了(归一化建筑指数)[11]:NDVI=(TM 5- TM 4)/(TM 5+ TM 4)来对居民地进行提取（见表1）。从表2中可以看出，这种方法并不适合本文的研究区，但是对原始的光谱特征信息进行分析可以发现，在只存有水田和居民地的图像上，两者在TM5上的亮度值差距很大。综上所述，可以对COR和TM5的亮度值进行阈值设定提取居民地，将其与水田相分离。　　表1 5种地物的NDVI指数　　指标 水体 水田 旱地 居民地 植被　　NDVI 0．24271 0．218619 0．380397 0．231489 0．166337　　5　精度评价　　衡量分类精度最广泛的方法是由Congalton提出的误差矩阵法(error matrix)，为了评价分类试验精度，本文采用随机抽样方法抽取400个点作正确率评价，通过对原图的目视判读结合实地考察对结果进行正确率评价，建立混淆矩阵，计算其Kappa系数(见表2)，在ERDAS监督分类中总正确率为4 %(见表3)，两者相比较可以看出，基于光谱和纹理特征的信息分层提取方法能够很好的对研究区影象进行分类。　　表2 光谱纹理信息分类精度%　　居民地 水田 旱地` 水体 植被　　居民地　　水田　　旱地　　水体　　植被　　总合　　正确率/% 82　　4　　2　　1　　1　　92　　2 7　　99　　2　　1　　1　　109　　8 5　　3　　113　　1　　1　　123　　8 1　　0　　0　　35　　1　　37　　6 1　　1　　1　　1　　36　　39　　3　　总正确率=5% Kappa系数=87　　表3 EARDS监督分类精度　　居民地 水田 旱地` 水体 植被　　居民地　　水田　　旱地　　水体　　植被　　总合　　正确率/% 3123　　240　　107　　24　　63　　3577　　88 39　　7481　　569　　176　　6　　1363　　78 81　　112　　1477　　99　　32　　8723　　86 5 1　　39　　202　　1067　　4　　1801　　82 7　　0　　2　　3　　379　　379　　97　　总正确率=4 %　　6　结语　　（1）试验表明，对地物进行分层处理，就可以充分利用各类地物在不同波段的特征。避免已提取地物对其他地物提取的干扰，为后续信息提取创造了纯净的环境；同时还可以有效地减少了漏分和误分，提高分类正确率。本文采用此方法对建设用地信息提取，获得较为满意的效果。　　（2)综合运用光谱知识、纹理信息对于仅基于遥感多光谱信息的传统分类方法，能够更有效地提取出土地利用类型信息，精度有了一定提高。　　（3）本文在进行纹理分析时，仅使用了单波段的影象数据，对于多波段影象数据未能充分利用； TM全色波段纹理清晰，如能加以利用，会对分类精度的提高有一定的帮助。　　参考文献　　[1] 梅安新，彭望琭，秦其明遥感导论[M]北京，高等教育出版社，　　[2] 吴高洪，章毓晋，林行刚等利用小波变换和特征加权进行纹理分割[J]中国图像图形学报，2001，6(4):333-　　[3] 张禾基于纹理特征的遥感影像居民地自动提取方法[J]江汉石油职工大学学报，2007，(4):93-96　　[4] 黄桂兰，郑肇葆，杨敏一种基于共生矩阵法的影像纹理分类方法[J]测绘通报，1996，(3):28-　　[5] 周廷刚，郭达志，盛业华灰度矢量多波段遥感影像纹理特征及其描述[J]西安科技学院学报，2000，2(4):336-　　[6] 舒宁关于多光谱和高光谱影像的纹理问题[J]武汉大学学报，2004，29(4):292-　　[7] 武文波，陈静基于ETM+的遥感影像信息提取研究[J]甘肃农业大学学报2007，43(4)　　[8] 李四海，恽才兴土地覆盖遥感专题信息的分层提取方法及其应用[J]遥感技术与应用，1999，(4):　　[9] 柴芸甘肃省沙化土地监测研究[J]甘肃农业大学学报，2003，38(3):296～　　[10] Treitz P，Howarth PIntegrating spectral spatial andTerrain variables for forest ecosystem classification[J]Photogrammetric Engineering Remote Sensing，2000，66(3):305-　　[11] 查勇，倪绍祥，杨山一种利用图像自动提取城镇用地信息的有效方法[J]遥感学报，2003，(1):38-　　标题 XXXXXXXXXXXXXX（宋体三号字加黑，居中）　　学生姓名：XX 学号：XXX(五号宋体字不加黑，居中)　　XXXX院（系） XX专业(五号宋体字不加黑，居中)　　指导教师：XXX 职称：XXX(五号宋体字不加黑，居中)　　（空两格）摘 要(黑体小四)：具体内容(楷体小四号字不加黑)　　（空两格）关键词(黑体小四)： **；**；** (楷体小四号字不加黑)　　(空一行)　　Abstract(Times New Roman小四加黑)： 具体内容(Times New Roman小四不加黑)　　Key Words(Times New Roman小四加黑)：**；**；** (Times New Roman小四不加黑)　　前言(宋体小三号加黑)　　一、政府信息公开制度概述（一级标题宋体四号字加黑）　　(一)政府信息公开的内涵（二级标题仿宋体小四号字加黑）　　1．政府信息公开（三级标题宋体小四号字）　　正文内容（宋体小四号不加黑）、图表说明（宋体小五号字不加黑）

论文的写作 你要先联系老师确定一个方向 后者 通过阅读文献得到关于答辩 可以去学生工作处咨询

甘肃农业大学论文格式字体多大正常啊

_asp?article_id=516

甘肃农业大学论文的格式要求并没有什么特别的，你按照其他一般的格式进行农业方面的辩论就行

一标题二论点三关键字四论据

一、论文页面格式： 41、页面设置：A4。2、论文要有页码。二、论文内容格式：题目:论文题目为黑体三号字，字数不得超过36个汉字，可分成1或2行居中打印。 题目下空一行为专业、姓名、指导教师，字体为黑体四号。如：专业：工商管理 姓名：马雷 指导教师：马某某专业、姓名、指导教师下空一行打印:“摘要”二字，字体为黑体四号。“摘要”二字后下空两字打印摘要内容，字体为楷体四号，每段开头空两格。摘要内容后空一行打印“关键词”三字（黑体四号），其后空两字打印关键词 （楷体四号），关键词数量为4--6个，每一个关键词之间用逗号分开，最后 一个关键词后不点标点符号。正文：关键词下空一行为正文，字体为宋体4号，每段开头空两格，标点符号占一格。参考文献:正文后空一行打印参考文献四字(黑体小四号)。“参考文献”四字转行打印内容，字体为宋体小四号。（1）参考文献按论文中参考文献出现的先后顺序用阿拉伯数字连续编号，将序号置于方括号内。正文中注释序号用上角标。（2）参考文献中每条项目应齐全。作者姓名之间用逗号分开，作者不超过三位时全部列出，超过三位时，只列前三位，后面加“等”字。参考文献中著录格式示例：①期刊:序号 作者《题名》载《刊名》，刊名，出版年份，卷号(期号)，起止页码（第…～…页）②专著:序号 作者 载《书名》，版本(第1版不标注)，出版地：出版社，出版年，起止页码（第…～…页）③论文集:序号 作者 《题名》，见(英文用In) 主编，《论文集名》，出版地：出版社，出版年，起止页码（第…～…页）④学位论文:序号 作者 《题名》，〔学位论文〕(英文用〔Dissertation〕)，保存地点，保存单位，年份⑤专利:序号 专利申请者 《题名》，国别，专利文献种类，专利号，出版日期⑥技术标准:序号 起草责任者，标准代号，标准顺序号－发布年，标准名称，出版地，出版者，出版年度如：[1] 张三 《关于…的研究》，载《中国高等教育》2001年第10期，第1～4页。[2] 张三 《关于…的研究》，兰州：甘肃人民出版社，2000年，第1～5页