基于多源数据的目标特征库建立与自然资源资产信息提取方法研究

发布时间：2020-11-12 15:45

　　 十八届三中全会以来,自然资源资产离任审计正在成为一种重要的管理举措,准确、及时地提取自然资源资产信息是自然资源资产离任审计工作顺利开展的重要保障。遥感影像具有覆盖范围广、费用低、现势性强等优势,以遥感影像为数据源提取审计目标信息,可以为自然资源资产离任审计提供有效的技术支撑。针对遥感影像空间分辨率与光谱分辨率存在相互制约的关系,采用单一数据源难以兼顾地物的空间信息与光谱属性,本文尝试以资源三号(ZY3)影像为基础数据,融合Landsat8与数字高程模型(Digital Elevation Model,DEM)数据,形成对自然资源目标更完整的描述,进而辅助自然资源资产信息的有效提取。采用面向对象分类方法,利用影像对象的光谱、形状与纹理等解译特征提取自然资源资产信息,能充分融合多源数据的优势,且避免了面向像素分类容易产生“椒盐噪声”、解译特征单一等问题,已经成为遥感信息提取的主要方法之一。通过影像分割获得与真实地物接近的影像对象是面向对象分类的基础,分形网络演化算法(Fractal Net Evaluation Approach,FNEA)构建的多尺度影像对象层能较好的反映地物的实际构成情况,但该算法采用单一的分割尺度,难以解决不同地物的最优分割尺度不同的问题;其次,审计人员往往缺乏遥感信息提取的专家知识,而传统信息提取方法需要通过目视判别选择训练样本,对专家解译知识依赖强,使自然资源资产信息提取效率低、自动化程度低;最后,多源数据面临解译特征维度高的挑战,降维是一个可行的解决方案,但特征选择同样需要一定的先验知识。因此,如何减少自然资源资产信息提取中的人工参与程度,解决非遥感专业的审计人员缺乏专家解译知识的问题,实现自然资源资产信息快速、有效的提取,是本文研究的重点。针对上述问题,本文研究了基于多源数据与多种分割方法的最优分割方案选择,基于多源数据的自然资源目标特征库建立,基于高维特征的分类模型构建等关键技术,在此基础之上开展了自然资源资产信息提取实验。本文的主要研究工作如下:(1)结合ZY3、Landsat8与DEM数据,采用分形网络演化算法对不同组合方式的数据进行分割;并通过光谱差异分割(Spectral Difference Segmentation,SDS)解决不同地物最优分割尺度不同的问题,改善了分割效果;基于改进的欧式距离3定量评价以上多种分割方案,获得了基于多源数据与多种分割方法的最优分割方案;(2)综合考虑自然资源审计需求与遥感影像所能反映的土地覆被信息,设计了自然资源分类系统;采用PostGIS数据库管理系统储存、管理对象级审计目标与解译特征,实现了基于多源数据的目标特征库构建;(3)基于目标特征库,利用Boosting技术集成决策树C5.0,实现了基于高维特征构建稳健的分类模型,解决特征选择需要依赖先验知识的问题;(4)利用多时相的多源数据开展了自然资源资产信息提取实验,验证了目标特征库辅助自然资源资产信息提取方法的可行性。研究表明:多源数据与多种分割方法协同,均能提高影像分割质量;基于目标特征库,利用Boosting技术集成决策树C5.0,挖掘的分类规则稳健性强;多时相的自然资源资产信息提取精度较高,目标特征库辅助的自然资源资产信息提取能在一定程度上减少人工参与程度,提高自然资源资产信息提取的效率与半自动化程度。论文的研究成果解决了非遥感专业的审计人员缺乏专家解译知识的问题,对自然资源资产信息准确、半自动化提取具有重要的实用价值,在自然资源资产离任审计中具有较好的应用前景。
【学位单位】：西南交通大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：P237
【部分图文】：

图 1-1 技术路线图本文技术路线如图 1-1 所示。首先对多源数据预处理，为自然资源资产信息提取数据基础，主要包括大气校正、配准、镶嵌、裁剪、云掩膜、指数特征提取等，若目标特征库提取不同时相的自然资源资产信息，还需要对不同时相的影像进行直匹配；其次，采用分形网络演化算法对不同数据组合进行分割，评价分割质量，采谱差异分割对分割质量最好的结果再分割，再次评价分割质量，选择最优分割方案次，建立自然资源分类体系，提取自然资源目标的多维特征，并采用 PostGIS 数据理系统对其储存、管理，完成目标特征库建立；最后，基于目标特征库，利用 Boost术集成决策树 C5.0 挖掘分类规则，提取多时相自然资源资产信息，评价信息提取，验证基于目标特征库提取自然资源资产信息方法的可行性。.5 论文的组织结构本文的组织结构如下：第 1 章 绪论。本章首先介绍了本文的研究背景、意义和国内外研究现状，分析

图 2-1 面向对象的监督分类流程目标特征库的自然资源资产信息提取技术面向对象方法提取自然资源资产信息的实际应用中，需要解译样本和解译特征，该过程执行效率低，且对专家经验依赖性强，感信息提取的专家知识，使传统信息提取方法难以满足审计人中，很难实现自然资源资产信息的全自动提取，但可以通过建知识来减少人工参与程度，国内外学者就此已经开展了不少研46]，为自然资源资产信息提取提供了借鉴。标特征库大多面向特定的应用领域，难以满足自然资源资产离文通过建立目标特征库，研究基于目标特征库的自然资源资产遥感专业的审计人员缺乏信息提取的专家知识的问题。目标特征表达模型，实现对象级特征表达，主要储存影像对象的样本矢征、纹理特征、形状特征与指数特征等），以及样本的数据源属性信息。基于目标特征库的自然资源资产信息提取技术实现

图 2-2 基于目标特征库的自然资源资产信息提取流程割概述将输入图像转换成局部像素组成的若干对象的过程，纹理等方面具有相似的特征[55]。影像分割是面向对象有重要影响：一方面，分割形成的对象是特征量化表达特征提取、选择与分类，可以将原始影像转化为更紧凑、影像进行分析和理解[56]。影像分割的定义为： R 表示所有像素集合，分割是将 划分为满足以下 5.,nR ：分割结果的并集应包括影像中的所有像元，即1niiR R 形成的所有子区域互不重叠，即i jR R ， i j；
【参考文献】

相关期刊论文 前10条

1 毛学刚;魏晶昱;;基于多源遥感数据的面向对象林分类型识别[J];应用生态学报;2017年11期

2 陈扬洋;明冬萍;徐录;赵璐;;高空间分辨率遥感影像分割定量实验评价方法综述[J];地球信息科学学报;2017年06期

3 翟天林;金贵;邓祥征;李兆华;王润;;基于多源遥感影像融合的武汉市土地利用分类方法研究[J];长江流域资源与环境;2016年10期

4 董文;沈占锋;程希萌;;基于高分辨率遥感目标特征库的地震灾情快速评估方法[J];地球信息科学学报;2016年05期

5 雷光斌;李爱农;谭剑波;张正健;边金虎;靳华安;赵伟;曹小敏;;基于多源多时相遥感影像的山地森林分类决策树模型研究[J];遥感技术与应用;2016年01期

6 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

7 孔博;邓伟;李爱农;杨勇;;多源数据的面向对象国际河流土地覆被分类研究[J];武汉大学学报(信息科学版);2015年07期

8 刘纯;洪亮;楚森森;;高分辨率遥感影像分割方法研究[J];测绘与空间地理信息;2014年10期

9 张景华;封志明;姜鲁光;;土地利用/土地覆被分类系统研究进展[J];资源科学;2011年06期

10 安立强;张景发;赵福军;;汶川地震次生灾害提取——面向对象影像分类技术的应用[J];自然灾害学报;2011年02期

相关博士学位论文 前4条

1 高伟;基于特征知识库的遥感信息提取技术研究[D];中国地质大学;2010年

2 黄昕;高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究[D];武汉大学;2009年

3 邓小炼;基于变化矢量分析的土地利用变化检测方法研究[D];中国科学院研究生院（遥感应用研究所）;2006年

4 黄慧萍;面向对象影像分析中的尺度问题研究[D];中国科学院研究生院（遥感应用研究所）;2003年

相关硕士学位论文 前9条

1 易佳思;基于多源遥感数据的不透水面提取[D];武汉大学;2017年

2 许光明;基于面向对象和多源数据融合的茶园遥感提取研究[D];陕西师范大学;2016年

3 赵孟银;遥感影像去云方法研究[D];天津科技大学;2016年

4 刘文静;资源三号卫星影像解译样本及特征知识库构建研究[D];中国矿业大学;2015年

5 候逸晨;基于多源遥感数据的黄龙山森林植被分类研究[D];西北农林科技大学;2015年

6 马元;特征库辅助的遥感影像快速变化检测方法研究[D];辽宁工程技术大学;2012年

7 齐义娜;面向对象的高分辨率遥感影像信息提取与尺度效应分析[D];东北师范大学;2009年

8 田新光;面向对象高分辨率遥感影像信息提取[D];中国测绘科学研究院;2007年

9 曹爽;高分辨率遥感影像去云方法研究[D];河海大学;2006年

本文编号：2880923