基于ICA和自适应最小距离分类法的湿地信息提取研究

发布时间：2017-05-27 08:24

  本文关键词：基于ICA和自适应最小距离分类法的湿地信息提取研究，由笔耕文化传播整理发布。

【摘要】：湿地是一种处于陆地与水体间的过渡生态系统,与森林、海洋生态系统有着同样重要的地位。湿地资源的可持续利用与保护是地球科学的重要内容,但是由于各种因素影响,湿地资源并没有得到有效保护。所以,对湿地开展探索性研究,显得尤为重要。随着遥感技术的飞速发展,利用遥感技术对湿地资源进行监测成为被广泛应用的技术手段,其中信息提取是湿地遥感研究的基础,具有举足轻重的地位。传统的湿地信息提取方法主要有人工目视解译、监督分类、非监督分类等,但传统方法有着速度慢、精度差、过程繁复等缺点。对传统信息提取方法进行改进与新方法的探索,成为近年湿地遥感研究的热点。 本研究以西洞庭湖区作为主要研究区,以Landsat-TM和SPOT-5中高分辨率遥感影像为数据源,对所采用的数据源影像进行预处理与最佳波段组合分析,找到适用于Landsat-TM与SPOT-5影像湿地分类的最佳波段组合；然后将ICA(独立分量分析)技术引入湿地信息提取,结合自适应最小距离分类法,对湿地进行分类,并评价分类效果。旨在完善湿地信息提取算法体系,为今后湿地遥感研究提供依据,为洞庭湖湿地研究提供科学、准确与合理的方法支持。主要研究结果如下： (1)最佳波段组合分析研究 针对湿地信息精细提取要求,快速、准确识别不同典型湿地类型,往往需要对影像波段、影像特征、地物光谱特性等进行深入分析。研究将光谱特征分析与基于信息量的评价综合起来,旨在找到适用于湿地信息提取的Landsat-TM、SPOT-5影像的最佳波段组合。研究确定了Landsat-TM影像最佳波段组合为RGB=453, SPOT-5影像最佳波段组合为RGB=412。 (2)独立分量分析研究 对Landsat-TM、SPOT-5影像进行PCA(主成分分析)与ICA处理,对得到的结果进行信息量评价,探讨PCA与ICA处理是否造成了图像损失；此外,对PCA与ICA处理结果进行最小距离分类,并作出精度评价。通过实验得出：PCA与ICA处理过程没有减少图像信息量,不会造成图像信息损失,不会影响典型湿地类型的目视判读；PCA与ICA处理,都可以增加洞庭湖典型湿地类型的可分性,且ICA效果明显优于PCA,充分验证了ICA基于高阶统计信息,不但能去除波段之间的相关性,而且可以得到分量之间相互独立的特性,增强不同地类的可分离性,能有效去除相关性对遥感图像分类的负面影响,提高湿地信息提取精度。 (3)FastICA算法的改进 对Landsat-TM与SPOT-5影像进行FastICA与M-FastICA算法处理,统计两种算法的计算量,探索改进算法是否提高了ICA处理过程的效率；对经过两种算法处理后的结果影像,进行最小距离分类,并作出精度检验,探索改进算法是否影响了湿地信息提取精度。通过实验得出：应用M-FastICA算法后的湿地分类精度较原算法基本相同,满足实验要求,且其算法收敛性大为改善,速度提升显著。充分说明M-FastICA算法可以提高独立分量分析在湿地分类上的有效性。 (4)自适应最小距离分类研究 对Landsat-TM与SPOT-5影像进行最小距离分类、最大似然分类与自使用最小距离分类,对结果进行精度评价,得出：Landsat-TM影像最大似然分类比最小距离分类总体精度降低0.87个百分点,kappa系数降低0.0097,自适应最小距离分类相比最小距离分类总体精度提高3.48%,kappa系数提高0.0410;SPOT-5影像最大似然分类比最小距离分类总体精度降低1.74%,kappa系数降低0.0200,自适应最小距离分类相比最小距离分类总体精度提高3.47个百分点,kappa系数提高0.0203。充分说明：在湿地分类上,最小距离分类要优于最大似然分类,但优势并不明显,自适应最小距离分类要优于其他两种分类方法,且分类精度提高明显。
【关键词】：湿地 遥感 独立分量分析 自适应最小距离 西洞庭湖
【学位授予单位】：中南林业科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P237;P941.7
【目录】：

• 摘要4-6
• ABSTRACT6-9
• 目录9-12
• 1 绪论12-24
• 1.1 研究背景12-13
• 1.2 研究目的与意义13
• 1.2.1 研究目的13
• 1.2.2 研究意义13
• 1.3 国内外研究现状13-18
• 1.3.1 湿地资源遥感监测13-16
• 1.3.2 ICA研究概况16-18
• 1.4 课题来源18
• 1.5 研究内容与技术路线18-21
• 1.5.1 研究目标18-19
• 1.5.2 研究拟解决的关键问题19
• 1.5.3 主要研究内容19-20
• 1.5.4 技术路线20-21
• 1.6 论文结构21-24
• 2 研究区概况与数据预处理24-36
• 2.1 研究区概况24
• 2.2 数据来源24-27
• 2.2.1 遥感数据24-26
• 2.2.2 辅助数据26-27
• 2.3 数据预处理27-36
• 2.3.1 几何校正28
• 2.3.2 辐射定标28-30
• 2.3.3 大气校正30-32
• 2.3.4 图像增强32-36
• 3 最佳波段组合分析36-42
• 3.1 地物光谱特征分析36-37
• 3.2 基于信息量的波段组合分析37-40
• 3.2.1 标准差37-38
• 3.2.2 信息熵38
• 3.2.3 最佳指数(OIF)38-39
• 3.2.4 清晰度39-40
• 3.3 分析讨论40-42
• 4 ICA基本理论42-52
• 4.1 ICA概述42-43
• 4.2 ICA相关概念43-52
• 4.2.1 累积量43-45
• 4.2.2 微分熵45-46
• 4.2.3 交互信息46-47
• 4.2.4 K-L散度47
• 4.2.5 峰度47-48
• 4.2.6 负熵48-52
• 5 FastICA算法及其改进52-66
• 5.1 FastICA算法原理52-53
• 5.2 FastICA处理结果与分析53-59
• 5.2.1 图像处理结果与评价53-55
• 5.2.2 地物可分性分析55-57
• 5.2.3 分类实验结果与精度评价57-59
• 5.3 FastICA算法的改进59-66
• 5.3.1 计算量评价61-62
• 5.3.2 分类实验与精度比较62-66
• 6 自适应最小距离分类66-72
• 6.1 最小距离分类原理及缺陷66
• 6.2 自适应最小距离分类66-68
• 6.3 分类结果与精度评价68-71
• 6.4 分析讨论71-72
• 7 结论与讨论72-76
• 7.1 主要研究结论72-73
• 7.2 创新点73
• 7.3 讨论73-76
• 参考文献76-84
• 附录 攻读学位期间的主要学术成果84-86
• 致谢86-87

【参考文献】

中国期刊全文数据库 前10条

1 熊建新;吴南飞;;东洞庭湖湿地景观空间结构的完整性分析[J];环境科学与管理;2008年04期

2 陶欣;范闻捷;徐希孺;;高光谱数据组分信息的盲分解方法[J];北京大学学报(自然科学版);2008年06期

3 宁龙梅,王学雷,吴后建;武汉市湿地景观格局变化研究[J];长江流域资源与环境;2005年01期

4 李仁东;土地利用变化对洪水调蓄能力的影响——以洞庭湖区为例[J];地理科学进展;2004年06期

5 杨永兴,黄锡畴,王世岩,孔昭宸;西辽河平原东部沼泽发育与中全新世早期以来古环境演变[J];地理科学;2001年03期

6 黄进良;洞庭湖湿地的面积变化与演替[J];地理研究;1999年03期

7 吴炳方,黄进良,沈良标;湿地的防洪功能分析评价——以东洞庭湖为例[J];地理研究;2000年02期

8 杨绿溪,李克,周长春,何振亚;一种用于超高斯和亚高斯混合信号盲分离的新算法[J];东南大学学报;1999年01期

9 赵青,俞承芳,凌燮亭;前馈神经网络盲信号分离的实验研究[J];复旦学报(自然科学版);1997年03期

10 刘斌，凌燮亭;源于盲分离思想的线性变形图象校正[J];复旦学报(自然科学版);1995年02期

  本文关键词：基于ICA和自适应最小距离分类法的湿地信息提取研究，由笔耕文化传播整理发布。

，

本文编号：399379