基于Google Earth高分辨影像的典型目标物提取方法

发布时间：2017-10-11 09:20

  本文关键词：基于Google Earth高分辨影像的典型目标物提取方法

  更多相关文章： Google Earth 典型目标物 大数据 自动化提取 面向对象特征

【摘要】：随着对地观测技术的发展,遥感影像的分辨率越来越高。由于分辨率的不断提高,目标识别成为了遥感应用中的热点技术之一。目标识别在军事、农业、空间科学、水资源管理等领域都有广泛的应用。随着图像空间分辨率的提高,目标检测的对象也越来越精细。目标识别与遥感影像的空间分辨率息息相关。中低分辨率分辨影像中常常存在混合像元,传统基于像元的分类方法无法提取出个体细小且分布离散的目标物,需要利用高分辨影像来检测和提取。另一方面,高分辨影像普遍价格居高、数据量大、处理速度慢且在分类过程中需要大量的人为控制,所以在大区域上很少有相关工作。在这种背景下,本文提出一种自动化的数据获取和处理方式,结合面向对象特征的方法来提取这一类典型目标物。本文对典型目标物的提取方法研究贡献如下:1.实现了基于Google Earth的自动获取多尺度遥感影像数据的技术,能够从Google Earth上自动化、低成本地获取黑河流域下游(面积28859.7km2)0.61m的高分辨率影像;同时给出了截图的地理坐标和投影信息的计算方法,为该区域的3545张真彩图添加了经纬度坐标以及投影参数,最后拼接得到34个黑河流域下游的影像。2.采用了决策树算法和面向对象分类算法相结合的典型目标物提取方法。在决策树思想的基础上分析图像中所有地物的面向对象特征,将各个特征进行最大化差别处理,生成一套典型目标物提取规则集,遍历决策树提取出典型目标物。3.在自动获取和处理黑河流域下游的高分辨遥感数据基础上,实现了黑河流域下游(总面积28859.7km2)胡杨林的提取;总共提取出的胡杨林面积约为30.9km2。再通过混淆矩阵算法对提取结果进行精度评价,整体精度达到80%以上,部分地区高达87%。漏分率和错分率都低于19%。本文的研究方法具有很高的实用价值,可为科研项目节省百万元的数据经费。同时也极易扩展到其他遥感应用中,除了典型目标物的提取以外,例如精细植被覆盖分类等等。该方法的实现为今后在全国乃至全球专题信息的自动化、低成本、高精度的识别与提取提供了一种可行的技术方案,将在今后引领一批相关的应用,可以以极低的成本为国家的经济和社会发展提供高精度、高分辨率的基础数据,具有极高的应用价值。
【关键词】：Google Earth 典型目标物 大数据 自动化提取 面向对象特征
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要3-5
• Abstract5-9
• 第1章 引言9-15
• 1.1 课题研究背景9-10
• 1.2 国内外研究现状及发展趋势10-13
• 1.2.1 国内外研究现状10-12
• 1.2.2 发展趋势12-13
• 1.3 研究目的和意义13
• 1.4 研究内容及论文结构安排13-15
• 第2章 典型目标物数据处理方法15-31
• 2.1 Google Earth概述16-18
• 2.2 基于Google Earth的遥感数据自动获取方法18-26
• 2.2.1 研究区域18-19
• 2.2.2 数据获取的基本原理19-20
• 2.2.3 Google Earth的区域定位20-22
• 2.2.4 截取区域影像22-24
• 2.2.5 研究区域截图结果24-26
• 2.3 Google Earth图像数据的自动处理26-30
• 2.4 本章小结30-31
• 第3章 典型目标物提取方法研究31-42
• 3.1 遥感图像目标提取算法31-36
• 3.1.1 时间序列分析31-32
• 3.1.2 决策树32-34
• 3.1.3 支持向量机(SVM)34-35
• 3.1.4 面向对象分类35-36
• 3.2 典型目标物的提取36-40
• 3.2.1 典型目标物定义范围及特征分析36-37
• 3.2.2 典型目标物提取37-40
• 3.3 本章小结40-42
• 第4章 典型目标物提取实现42-58
• 4.1 典型目标物对象——胡杨林42-44
• 4.1.1 黑河流域下游的胡杨林简介42
• 4.1.2 提取黑河流域下游胡杨林的意义42-43
• 4.1.3 黑河下游胡杨林的提取难点43-44
• 4.2 典型目标物（胡杨林）提取44-51
• 4.2.1 黑河流域下游胡杨林的特征分析45-46
• 4.2.2 黑河流域下游胡杨林的特征提取过程46-51
• 4.3 提取结果51-55
• 4.3.1 提取结果细节图51
• 4.3.2 黑河流域下游分区提取结果51-55
• 4.4 结果验证与分析55-56
• 4.5 本章小结56-58
• 第5章 结论与展望58-61
• 5.1 论文归纳总结58-59
• 5.2 后续的工作研究59-61
• 参考文献61-65
• 致谢65-66
• 攻读硕士学位期间从事的科研工作及取得的成果66

【参考文献】

中国期刊全文数据库 前10条

1 徐菲楠;祁元;王建华;张金龙;;面向对象的黑河下游河岸林植被覆盖信息分类![J];遥感技术与应用;2015年05期

2 周艳飞;张绘芳;李霞;杨帆;丁程锋;;基于高分辨遥感数据的胡杨与柽柳树冠提取[J];遥感技术与应用;2015年03期

3 ZHONG Bo;MA Peng;NIE AiHua;YANG AiXia;YAO YanJuan;Lü WenBo;ZHANG Hang;LIU QinHuo;;Land cover mapping using time series HJ-1 / CCD data[J];Science China(Earth Sciences);2014年08期

4 张世富;;基于Google Earth的高分辨率影像获取方法探讨[J];电子技术;2013年12期

5 余婧峰;;基于决策树的遥感影像土地利用类型识别研究[J];测绘;2012年06期

6 徐冉冉;李文斌;李朝锋;;支持向量机在遥感图像分类中的应用研究综述[J];电脑知识与技术;2012年18期

7 李新;刘绍民;马明国;肖青;柳钦火;晋锐;车涛;王维真;祁元;李弘毅;朱高峰;郭建文;冉有华;闻建光;王树果;;黑河流域生态—水文过程综合遥感观测联合试验总体设计[J];地球科学进展;2012年05期

8 杨永民;田静;荣媛;龙爱华;;基于遥感的黑河流域植被物候空间格局提取分析[J];遥感技术与应用;2012年02期

9 郭广猛;杨杰;;Google Earth在《遥感原理与方法》教学中的应用[J];南阳师范学院学报;2011年06期

10 周伟;关键;张国华;;高分辨率遥感图像感兴趣目标的提取算法[J];光电工程;2011年02期

中国博士学位论文全文数据库 前1条

1 韩现伟;大幅面可见光遥感图像典型目标识别关键技术研究[D];哈尔滨工业大学;2013年

，

本文编号：1011722