当前位置:主页 > 管理论文 > 工程管理论文 >

高光谱数据支持的深度学习算法卫星数据云检测应用

发布时间:2020-08-07 04:06
【摘要】:受传感器自身参数及观测条件的影响,云覆盖现象在光学遥感影像中普遍存在,光学传感器难以获得无云数据。云的存在是影响传感器成像质量的主要因素,它严重制约了遥感的对地探测能力,这也将极大地影响地表和大气参数定量反演的可靠性和精度。因此,快速准确地进行遥感影像的云识别是遥感数据预处理中必不可少的工作。传统的云检测方法多是基于物体的波谱反射差异,利用一组阈值组合,分割出云和晴空像元,对于不同的传感器需要分别研究算法,费时费力。针对这一问题,本文提出了一种高光谱数据支持的深度学习云检测算法,该方法能够支持多种多光谱传感器数据的云检测。AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)数据具有高光谱、高空间分辨率的特点,在400-2500nm的波长范围内有224个连续的较窄波段,能够探测目标的微小波谱差异。基于AVIRIS数据,本文通过目视解译,选取足够数量的云和晴空像元构建高光谱数据样本库。根据待检测传感器的光谱响应函数、AVIRIS数据波段宽度等参数对高光谱像元样本库进行模拟计算,得到待检测传感器的云和晴空地表像元库。基于Keras深度学习框架平台,设计用于云检测的深层的BP神经网络,将模拟得到多光谱样本数据输入网络,训练学习,得到基于光谱特性的多光谱传感器云检测规则。神经网络训练过程中,利用交叉验证的方法对网络中的参数进行改进和优化,实验表明,对隐层神经元数量、batch值、dropout、momentum动量值的优化,能够有效增加网络模型的识别精度,提高训练效率,获得较好的识别效果。马尔科夫随机场(MRF)是一种基于统计原理的无向图模型,它将像素间的空间约束关系引入到图像分割中,得到了广泛应用。本文基于马尔科夫随机场模型,利用迭代条件模式(ICM)算法对神经网络云检测结果进行优化,去除部分云检测的误分漏分误差。实验表明,利用统计信息可以降低云检测误差,改善检测效果。最后,本文选用多种传感器数据,通过与人工目视解译出的云覆盖结果对比分析,对本文提出的云检测算法进行验证。结果表明,本算法对Landsat 8 OLI、NPP VIIRS和Terra MODIS数据都取得了较好的云检测效果,总体精确度达到90%以上,可以满足数据应用对于云检测的要求。
【学位授予单位】:山东科技大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP751;TP212;TP18
【图文】:

对比图,波谱曲线,对比图,云检测


东科技大学硕士学位论文逦绪论逡逑植被、裸土、水体、城镇等典型地物的晴空像元数据库,基于云和下垫面的逡逑谱特征差异,生成云检测算法。该方法适用于包含400-2500nm波长范围的多逡逑谱传感器数据。算法主要过程包括,高光谱数据样本像元库建立、多光谱数逡逑模拟、基于BP神经网络的云检测、马尔科夫随机场结果优化等过程。逡逑"1.0邋卜I逦I逦I逡逑

分布图,分布图,大气成分,低空飞机


幅宽约为12公里。根据需求,AVIKIS还可以搭载在其它低空飞机上,以1-4逡逑米的空间分辨率采集数据。AVIRIS己经在美国各地,加拿大,南墨西哥等北美逡逑地区飞行并获取了大量数据,图2-1是AVIRLS数据的区域覆盖图。逡逑AVIRIS数据不仅为地球遥感在太阳在反射波段的研宄提供了研宄基础,而逡逑且在生态环境、大气成分、地质科学等众多科研领域发挥着不可替代的作用,逡逑其涉及的应用研究范围包括:大气成分、生态学、土壤和地质学、水质、冰雪逡逑水文以及遥感卫星的校准、建模、算法的研发及验证等1^1。逡逑7逡逑

对比图,模拟数据,原始数据,对比图


逦数据模拟逡逑为了对数据模拟效果进行验证,本文选取同一地区相同时相的Landsat8邋OLI逡逑和AVIR1S数据,对比分析原始数据与模拟数据。图2.4中两图分别为为LandsatS逡逑OLI原始数据(a)和AVIRIS模拟数据(b)的标准假彩色合成图,这一区域包逡逑括城镇、植被、水体等多种典型地表类型。从对比图我们可以看出,模拟图和逡逑原始数据具有较好的一致性。逡逑^W逡逑(a)逦(b)逡逑图2.3Landsat8邋OLI原始影像与模拟影像标准假彩色对比逡逑Fig.邋2.3邋Contrast邋of邋standard邋false邋color邋of邋Landsat8邋OLI邋original邋image邋and邋the邋simulated邋image.逡逑在模拟图像中分别选取典型地表中的水体(右图点A)、植被(右图点B)逡逑和建筑(右图点C),与原始数据中同一区域的像元波谱特性进行比较可知,三逡逑种地物的在两图像中具有相似的波谱曲线。图2.5中图(a)、(b)和(c)分别逡逑为水体、植被和建筑的波谱曲线对比,从图中可以看出,模拟图像的波谱反射逡逑曲线与Landsat8邋0LI数据相似,可以表现地物的波谱特征,模拟数据各波段的逡逑反射率均略低于实际的LandsatS邋OLI数据,其中建筑物的反射差异最大,在可逡逑见光波段范围大约相差0.02。综合分析可知,模拟数据和原始数据具有较好的逡逑一致性

【相似文献】

相关期刊论文 前10条

1 栗荣贺;;遥感图像处理软件在文物高光谱数据分析中的应用[J];辽宁省博物馆馆刊;2016年00期

2 王祥涛;冯燕;陈武;;基于改进独立分量分析的高光谱数据分类研究[J];计算机仿真;2009年11期

3 叶加青;康婧;;深度置信网络环境下高光谱数据降维方法仿真[J];计算机仿真;2019年06期

4 蔡辉;李娜;赵慧洁;;基于本征模函数的高光谱数据特征提取方法[J];红外与激光工程;2013年12期

5 李娜;赵慧洁;;高光谱数据非监督分类的改进独立成分分析方法[J];国土资源遥感;2011年02期

6 张雄飞,张兵,张霞,郑兰芬,童庆禧;高光谱数据在数据库中的高效存储技术研究[J];遥感学报;2004年05期

7 褚西鹏;葛宏立;陈柯萍;;基于小波包变换的叶片高光谱数据的树种分类[J];光谱实验室;2012年05期

8 陈尔学;李增元;谭炳香;梁毓照;张则路;;高光谱数据森林类型统计模式识别方法比较评价[J];林业科学;2007年01期

9 吕纪荣;;基于小波分析和数学形态学相融合的高光谱数据去噪[J];激光杂志;2018年06期

10 王祥涛;冯燕;吴政;;高光谱数据分类新方法研究[J];计算机工程与应用;2010年10期

相关会议论文 前10条

1 郭宇龙;李云梅;;环境1号卫星高光谱数据重建及其精度分析[A];第十七届中国环境遥感应用技术论坛论文集[C];2013年

2 郭宇龙;李云梅;;环境一号卫星高光谱数据重建及其精度分析[A];第十六届中国环境遥感应用技术论坛论文集[C];2012年

3 李云梅;蒋建军;韦玉春;;利用地面实测高光谱数据评价太湖富营养化状态[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 曹扬;胡荣;金彬;张佩;;一种准确快速的高光谱数据光谱混合分析方法[A];第二届高分辨率对地观测学术年会论文集[C];2013年

5 杨仁忠;马利春;石璐;王欣;;基于GPU的高光谱数据实时处理平台结构设计与分析[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

6 董广军;;PHI高光谱数据光谱重建及城市分类应用研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

7 杨浩;柳炳利;张二喜;郭科;;基于奇异值分解的岩心高光谱数据降噪研究[A];第十五届全国数学地质与地学信息学术研讨会论文集[C];2016年

8 李英杰;薛勇;光洁;何兴伟;梅林露;王颖;徐慧;艾建文;;环境小卫星高光谱数据在气溶胶定量反演及沙尘监测中的应用初探[A];第十七届中国遥感大会摘要集[C];2010年

9 张晟

本文编号:2783455


资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/gongchengguanli/2783455.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户f68f8***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com