基于面向对象的两阶段村域无人机影像土地利用分类研究

发布时间：2020-07-18 11:39

【摘要】：目前,快速的工业化和城镇化进程伴随着城乡人口流动和经济社会发展要素的重组与交互作用,对我国农村地区土地利用方式产生了显著影响。因此,快速获取高精度的土地利用信息,探讨其变化驱动机制,对于我国正在加快推进的美丽和谐乡村与农村农业现代化建设具有重要作用。与传统地面调查相比,遥感技术具有宏观、综合、动态、快速等特点,现已成为获取土地利用信息最有效的手段之一。其中,对于微观性的村域土地利用信息,由于要深入了解其内部细节,则必须要使用高分辨率遥感影像。本文以四川省邛崃市某镇为研究区域,以高分辨率无人机遥感影像为数据源,对基于面向对象的两阶段村域土地利用分类方法进行了较深入的研究,具体的研究内容与主要成果如下:(1)对获取的无人机影像及其对应的POS(PositionOrientation System)数据格式进行预处理,并应用SfM运动恢复结构技术进行DOM产品制作。最后,结合像片野外实测控制点对DOM产品进行几何校正,获得了较高的平面位置精度。(2)对研究区的地理位置、气候以及地物分布状况进行分析,并探讨了无人机影像的时相特征,初步建立了研究区土地利用分类体系。(3)针对无人机影像光谱信息不足、纹理特征丰富的具体特点,提出了一种基于平均J-M距离增量的“扩充特征子集法”实现了最优纹理特征以及可见光植被指数的选取,并经试验验证该方法选取的特征信息能够有效地提高影像分割质量。(4)根据地物特征的复杂情况,研究了应用基于面向对象的规则和最邻近相结合的两阶段村域尺度土地利用分类方法,实验显示最终分类结果的总体精度为92.16%,Kappa系数为85.10%,高于全局最优分割尺度下的决策树、支持向量机、随机森林等分类方法,表明本文研究方法对于村域尺度的无人机影像土地利用分类具有较好的适用性。另外,对于全局最优分割尺度,本次研究运用一种结合空间分析的方法进行确定,这种非监督的分割质量评价方法较好地克服了主观评价的不稳定性,可为确定无人机影像全局最优分割尺度提供有益参考。
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P237
【图文】：

示意图,地理位置,示意图,小规模经营

块化分布严重，耕作多为小规模经营方式，作物种类多样化；部分土地长期得不到有效利用，造成一定程度的闲置；聚居受自然地理环境约束，加上我国长期重城轻乡对农村发展缺乏统筹规划，居民用地分布散乱。图2-1为研究区的地理位置示意图。图2-1 研究区地理位置示意图

模型图,三维点云,模型,影像

每张像片对应曝光时刻的相机位置、构建一个稀疏的三维点云模型以及获取相机内部校准参数（焦距、主点位置和三个径向和两个切向畸变系数），并对可能存在的影像畸变差进行校正，图2-2为生成的三维点云模型；图2-2 三维点云模型（4）创建密集点云及格网模型。与对齐影像阶段不同，密集点云是基于影像像元值建立，然后基于点云生成格网模型，此时可以对模型不需要的面以及影像重叠不够引起的航空漏洞等现象做一定人工编辑；（5）为格网模型创建纹理，并将制图模式设置为正射影像；（6）生成并输出DOM数字产品，像元大小设置为0.2m，投影模式为WGS-84坐标系；图2-3（a）是制作的DOM影像。2.2.3 DOM 精度评定由于影像曝光时刻的POS数据采用WGS-84坐标系，和影像野外控制点的坐标系不一致，又二者转换参数未知，故在DOM制作过程中没有使用影像野外控制点数据。在这种情况下

距离增量,纹理特征,类别,可分性

表示样本不具有可分性；J-M距离位于1.0-1.9之间，表示样本具有一定的可分性，但存在较大重叠度；J-M距离位于1.9-2.0之间，表示样本可分性较好（马娜等，2010）。图2-4 不同纹理特征作用下地物类别间的平均J-M距离增量

【参考文献】