基于蜂群算法的无人机遥感图像森林类型识别方法研究
发布时间：2022-08-08 18:49
合理地保护和利用森林资源,对地球生态系统的稳定及可持续发展有重要意义,森林类型的正确识别是其重要的基础和依据。拥有成本低、灵活度高、分辨率高优点的无人机的发展为获取资源信息提供了便利,同时为森林有序开发奠定了基础。国内外学者广泛利用遥感数据及不同的分类方法对森林类型进行识别,改善森林类型识别的效率及精度。论文考虑到在实际应用中,普遍存在未标注的样本信息和标注的样本两种数据集情况,论文研究分别使用非监督分类和监督分类两种方法对森林类型进行识别。使用蜂群k-means非监督分类方法和蜂群SVM（Support Vector Machine）监督分类算法对林场内森林类型进行识别,以满足不同数据样本情况的森林类型识别需求。论文的主要工作包括:（1）数据处理对研究区域的无人机图像进行了数字正射影像处理及裁剪等预处理,形成了可用于分类的基础数据。论文使用 ERDAS IMAGINE 中的 LPS（Leica Photogrammetry Suite）数字摄影测量系统进行数字正射影像图的制作。然后对数字正射影像图进行了裁剪处理。（2）无人机遥感图像森林类型聚类模型研究及森林类型识别应用研究聚类模型的...
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
图１－２技术路线图??１．４．２论文组织结构??本文的基本组织结构如下所示：??
图２－１遥感技术原理图??
图.口冲心..目中心
【参考文献】：
期刊论文
[1]基于无人机遥感与卷积神经网络的草原物种分类方法[J]. 杨红艳,杜健民,王圆,张燕斌,张锡鹏,康拥朝. 农业机械学报. 2019(04)
[2]一种喀斯特地貌无人机遥感影像的快速匹配方法[J]. 何志伟,王晓红,邓仕雄,曹留霞,李闯. 测绘科学. 2019(07)
[3]基于无人机遥感的高潜水位采煤沉陷湿地植被分类[J]. 肖武,任河,吕雪娇,闫皓月,孙诗睿. 农业机械学报. 2019(02)
[4]基于人工蜂群算法的人脸识别[J]. 白荟琳,曲娜,陈少杰,刘添添. 沈阳工程学院学报(自然科学版). 2019(01)
[5]基于灰度共生矩阵理论的PVA纤维分散评价法[J]. 曹源文,吴春洋,郑婷婷,肖伟,夏柱林,郑南翔. 哈尔滨工业大学学报. 2019(01)
[6]基于智能蜂群算法的DDoS攻击检测系统[J]. 余学山,韩德志,杜振鑫. 计算机科学. 2018(12)
[7]基于改进群智能K-means优化算法的侵犯性驾驶行为异常点检测[J]. 王丝丝,张敬磊,王建兴,陈慈,马春杰. 科学技术与工程. 2018(34)
[8]以小型低成本无人机进行大型考古遗址航测的新探索——以赤峰辽中京遗址为例[J]. 李松阳,王藏博,徐怡涛. 遗产与保护研究. 2018(11)
[9]多旋翼无人飞行器在气象业务中的应用[J]. 王洋,孙姣,刘羿,姜明波,杜智涛,江军. 气象水文海洋仪器. 2018(03)
[10]Forest type identification by random forest classification combined with SPOT and multitemporal SAR data[J]. Ying Yu,Mingze Li,Yu Fu. Journal of Forestry Research. 2018(05)
博士论文
[1]基于无人机采集图像的植被识别方法研究[D]. 唐晏.成都理工大学 2014
硕士论文
[1]基于改进词袋模型的图像分类算法[D]. 刘利锋.上海师范大学 2018
[2]森林类型高光谱遥感分类研究[D]. 王怀警.中国林业科学研究院 2018
[3]基于改进的FCM遥感图像聚类算法的研究与应用[D]. 张景柯.南京信息工程大学 2017
[4]基于视觉词袋模型的高分辨率遥感图像分类研究[D]. 王卓.南京信息工程大学 2017
[5]基于峰值密度聚类的高光谱图像分析方法研究[D]. 于文博.郑州大学 2017
[6]无人机正射影像图的制作[D]. 刘淑慧.东华理工大学 2013
本文编号：3672039
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
图１－２技术路线图??１．４．２论文组织结构??本文的基本组织结构如下所示：??
图２－１遥感技术原理图??
图.口冲心..目中心
【参考文献】：
期刊论文
[1]基于无人机遥感与卷积神经网络的草原物种分类方法[J]. 杨红艳,杜健民,王圆,张燕斌,张锡鹏,康拥朝. 农业机械学报. 2019(04)
[2]一种喀斯特地貌无人机遥感影像的快速匹配方法[J]. 何志伟,王晓红,邓仕雄,曹留霞,李闯. 测绘科学. 2019(07)
[3]基于无人机遥感的高潜水位采煤沉陷湿地植被分类[J]. 肖武,任河,吕雪娇,闫皓月,孙诗睿. 农业机械学报. 2019(02)
[4]基于人工蜂群算法的人脸识别[J]. 白荟琳,曲娜,陈少杰,刘添添. 沈阳工程学院学报(自然科学版). 2019(01)
[5]基于灰度共生矩阵理论的PVA纤维分散评价法[J]. 曹源文,吴春洋,郑婷婷,肖伟,夏柱林,郑南翔. 哈尔滨工业大学学报. 2019(01)
[6]基于智能蜂群算法的DDoS攻击检测系统[J]. 余学山,韩德志,杜振鑫. 计算机科学. 2018(12)
[7]基于改进群智能K-means优化算法的侵犯性驾驶行为异常点检测[J]. 王丝丝,张敬磊,王建兴,陈慈,马春杰. 科学技术与工程. 2018(34)
[8]以小型低成本无人机进行大型考古遗址航测的新探索——以赤峰辽中京遗址为例[J]. 李松阳,王藏博,徐怡涛. 遗产与保护研究. 2018(11)
[9]多旋翼无人飞行器在气象业务中的应用[J]. 王洋,孙姣,刘羿,姜明波,杜智涛,江军. 气象水文海洋仪器. 2018(03)
[10]Forest type identification by random forest classification combined with SPOT and multitemporal SAR data[J]. Ying Yu,Mingze Li,Yu Fu. Journal of Forestry Research. 2018(05)
博士论文
[1]基于无人机采集图像的植被识别方法研究[D]. 唐晏.成都理工大学 2014
硕士论文
[1]基于改进词袋模型的图像分类算法[D]. 刘利锋.上海师范大学 2018
[2]森林类型高光谱遥感分类研究[D]. 王怀警.中国林业科学研究院 2018
[3]基于改进的FCM遥感图像聚类算法的研究与应用[D]. 张景柯.南京信息工程大学 2017
[4]基于视觉词袋模型的高分辨率遥感图像分类研究[D]. 王卓.南京信息工程大学 2017
[5]基于峰值密度聚类的高光谱图像分析方法研究[D]. 于文博.郑州大学 2017
[6]无人机正射影像图的制作[D]. 刘淑慧.东华理工大学 2013
本文编号：3672039
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3672039.html
