基于面向对象分析的无人机影像侵蚀沟提取研究

发布时间：2020-07-25 08:28

【摘要】：侵蚀沟在我国的黄土高原地区有着极为广泛的分布,它是侵蚀地貌最主要类型。对于侵蚀沟的治理是土壤侵蚀治理的重要内容。侵蚀沟的提取方法主要包括:目视解译、基于像元分析方法、面向对象方法三大类。前两种方法费时费力、受限于影像精度而且对解译人员的业务素质和工作经验要求高,面向对象方法往往只利用影像的光谱信息,缺少地形信息,对分类精度造成影响。本文融合无人机影像生产的高分辨率DEM与DOM影像数据,结合面向对象影像分析的方法,使用多层次特征提取对安塞区纸坊沟的侵蚀沟进行提取,部分克服了传统侵蚀沟在地形图上人工目视解译与外业调绘侵蚀沟的费时费力的问题,并且分类精度较高。论文的主要研究内容以及结论如下:(1)确定了侵蚀沟提取的最优分割尺度参数:通过局部方差法得到了研究区域进行冲沟切沟区与浅沟区提取时的最优分割尺度参数,包括形状参数、紧致度参数和最优分割尺度参数。冲沟切沟区地形数据的最优参数组合为(215-0.4-0.7)、冲沟切沟区地形和影像数据的最优参数组合为(187-0.4-0.6),浅沟区地形数据的最优参数组合为(152-0.5-0.7)、地形和影像数据的最优参数组合为(133-0.3-0.5)。(2)构建了面向对象分类的特征空间:利用R语言分割结果的纹理特征、光谱特征与几何特征计算分类误差以及分类精度,并对特征空间的变量重要性进行排序,然后对若干个主要的变量进行保留而后再计算一次效能,通过这样重复的计算直到找出最为合适的变量,构建了面向对象分类的特征空间。其中切沟地形数据的特征为17个,地形加影像数据的特征为18个,而浅沟地形和影像数据的特征为10个。(3)基于面向对象的双层次方法完成了侵蚀沟提取:基于面向对象分类的特征空间,利用面向对象分类思想实现了冲沟切沟区的提取,研究结果表明:地形加影像数据的分类精度整体上要高于地形数据的分类精度,其中地形和影像数据分类中随机森林分类方法的精度最高,整体分类精度为92.82%,Kappa系数为0.85。利用规则分类对浅沟区进行了提取,分类的用户精度为86.96%。(4)分析了各侵蚀沟带的坡度与坡向特征:对各侵蚀沟带的坡度与坡向进行计算,通过计算得到坡度和坡向图和频率曲线,结果表明坡度统计分布图接近于正态分布,坡向的统计分布中阳坡所占比例大于阴坡。
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P237
【图文】：

技术路线图,尺度参数,最优分割,研究数据

8图 1.1 技术路线图第三章：提取侵蚀沟最优分割尺度参数的确定。本章主要对影像分割的概念进行了详细的阐述并对文章中所使用的多尺度分割算法进行了解释。利用 ESP-Tools 工具选择研究数据相对应的最优分割尺度参数，对分割后的结果进行评价，得到最适合于研究数据的尺度参数、形状参数以及紧致度参数。

影像,位置图,像控点,软件

图 2.1 研究区位置图分为基础控制点的测量与像控点的测量。基础能够对整个测区进行控制的控制网。测量采用时长为 1.5 小时。像控点的测量是为了纠正无测量外业规范要求进行布设。空中三角测量以及 DEM 与 DOM 的生成。空点成果，经过内定向、外定向以及绝对定向，本研究是在天宝 Inpho6.0 软件中进行的空中三arix 软件中进行的。该软件中使用了计算机视角测量的基础之上得到高精度的数字高程模型程图如图 2.2 所示。在无人机数据之外，利用oogle Earth 影像。影像以及下载的谷歌地球影像如图 2.3 所示。

影像,影像

DOM与谷歌影像

【参考文献】