遥感图像污染监测分析的机器学习算法实现

发布时间：2020-11-18 11:33

　　 长期以来,监测天津市附近渤海湾的污染状况,以及数据获取均依靠人力租船进行,此方法耗时费力。但是,越来越多免费遥感图像的获取使我们能够依靠大数据计算方法监测海洋污染状况。本文主要利用美国卫星遥感图像,首先借助Grab-Cut图像分割算法分析天津市附近渤海湾的污染情况变化,总体结论是近几年海洋污染状况堪忧。可喜的是,天津市附近三个重要的排污口的排污情况自2015年已得到明显的改善。此外,本文将Grab-Cut算法与其它一些常见的图像分割算法的分割效果进行比对,结果显示Grab-Cut算法在很少的用户标记下能够很快分割出目标区域,是分割效果最好的方法之一。然而,Grab-Cut算法以及现在已经提出的一些图像分割算法,或多或少的需要人为参与。我们提出了一种新的基于机器学习方法的海洋污染检测方法,即梯度提升决策树(GBDT)算法。它是一种快速且高度准确的提升集成算法。同时,信息熵(IFE)首先被用作遥感图像分类的一个特征。为了评估我们的方法,对100个图像样本(50个污染样本和50个未污染样本)进行了包括特征评估,参数设置和分类的若干实验。结果表明,我们方法的分类精度可以达到98.33%,整个过程(训练和测试)用时0.020s。因此,我们基于GBDT的方法有助于未来的海洋污染检测。两种算法的污染监测效果都较好,有望使用在未来的海洋污染监测中。
【学位单位】：天津大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：X87;TP751;TP181
【部分图文】：

类文明的发展，人们在不断的追求着更舒适的生活。但却、土地以及海洋污染。特别是海洋污染，每年有上万吨的海洋的生态环境造成了巨大的破坏。中国半封闭内海，自净能力差，周边又都是工业发达城市每年排入渤海的污染物达 70 多万吨，占全国污染物总量排排污口携带大量悬浮颗粒物、营养盐、重金属入海，渤不断增大。邻渤海，并且位于渤海的最内部，与渤海其它海域相比，能力更加脆弱。天津又是重工业较为发达的城市，每年向得天津周边的海洋污染十分严重。图 1-1 是 2014 年渤海状况。图中监测点的颜色越红，污染越严重。从图中可以十分严重的排污口就有 4、5 个，对渤海湾造成了严重的

图 1-4 地图中交通“顺畅”与“拥堵”示意图也是关联规则的重要应用，在购物时，穿衣搭配是导搭配专家和达人生成的百万级别的搭配组合数据，以以利用关联规则从以上数据中挖掘出符合不同年龄阶

图 2-1 Grab-Cut 算法效果展示ut 算法是在 Graph Cuts 算法基础上发展而来的，是其改进uts。该算法利用了图像中的纹理颜色信息和边界反差信息互操作即可得到比较好的分割结果，能够很好的分割出前ut 算法是微软研究院的一个课题，主要功能是图像分割和外面画一个框，把目标框住，它就能够完成良好的分割。户交互，比如用户指定一些像素属于目标，那么分割的效 Border Matting 技术会使目标分割边界更加自然。当然，美的地方，如果说背景比较复杂或者背景和目标相似度很不好了。而且，该算法或多或少还是需要较多的人工参与域识别。
【相似文献】

相关期刊论文 前10条

1 刘增伟;;关于遥感图像云检测方法研究进展[J];数字通信世界;2019年04期

2 徐秋晔;李玉;林文杰;赵泉华;;基于信息聚类的遥感图像分割[J];中国矿业大学学报;2017年01期

3 彭晏飞;周娟;訾玲玲;;于卫星地域遥感图像分割方法研究仿真[J];计算机仿真;2017年01期

4 盛启慧;李启明;;航空遥感图像几何校正模型的效果比较[J];现代计算机(专业版);2017年17期

5 刘宁波;孙艳丽;王杰;;基于场景语义的遥感图像目标识别[J];现代电子技术;2017年11期

6 王超英;;统计学习在海上遥感图像背景去噪的算法研究[J];舰船科学技术;2017年12期

7 姚锐;付卓新;;关于森林资源二类调查中遥感图像的应用分析[J];北京农业;2016年01期

8 李哲学;;改进高斯混合模型的遥感图像增强方法[J];激光杂志;2016年07期

9 雷笑笑;;试论遥感图像在师范地理教学中的应用[J];山西青年;2017年03期

10 舒建文;周云真;;航空遥感图像中道路检测方法研究与仿真[J];计算机仿真;2013年09期

相关博士学位论文 前10条

1 倪维平;高分辨遥感图像统计处理及分析若干关键技术研究[D];西安电子科技大学;2016年

2 吴其昌;复杂场景下高分辨率遥感图像目标识别方法及应用研究[D];国防科学技术大学;2016年

3 姚西文;高分辨率光学遥感图像场景理解关键技术研究[D];西北工业大学;2016年

4 纪强;航天遥感图像去除冗余数据的若干算法研究[D];武汉大学;2013年

5 田丽华;基于聚类分析的遥感图像分割方法[D];吉林大学;2018年

6 林剑;基于模糊理论的遥感图像分割方法研究[D];中南大学;2003年

7 蒋艳凰;遥感图像高精度并行监督分类技术研究[D];国防科学技术大学;2004年

8 陶午沙;基于结构模型的遥感图像军事阵地目标特征分析及其识别技术研究[D];国防科学技术大学;2004年

9 张秉仁;遥感图像三维技术研究及古黄河源头水系的新发现[D];吉林大学;2005年

10 彭玲;基于小波域隐马尔可夫树模型的遥感图像纹理分类研究[D];中国科学院研究生院（遥感应用研究所）;2005年

相关硕士学位论文 前10条

1 刘晓芳;基于深度学习的遥感图像海岸线提取和地物分类[D];厦门大学;2017年

2 汤杨;遥感图像污染监测分析的机器学习算法实现[D];天津大学;2018年

3 蒋钰;基于光谱信息的指定地物遥感图像彩色增强方法[D];南京师范大学;2016年

4 王诗尧;单幅遥感图像去薄云算法研究[D];武汉大学;2017年

5 孙超;基于混合方法的卫星遥感图像自动配准技术的研究[D];吉林大学;2018年

6 李玮;遥感图像PanSharpening融合方法的研究[D];吉林大学;2018年

7 张永芳;基于聚类算法的遥感图像林地区域分割方法研究[D];兰州交通大学;2018年

8 马鹏;基于形态学的遥感图像地表水体分割与监测方法研究[D];兰州交通大学;2018年

9 蒋鹏飞;改进的小波变换在遥感图像降噪中的应用[D];成都理工大学;2018年

10 徐小栋;基于深度学习的遥感图像的重构和分类算法研究[D];北京化工大学;2018年

本文编号：2888670