基于高分辨率遥感影像的水体信息提取方法研究

发布时间：2017-05-03 22:13

  本文关键词：基于高分辨率遥感影像的水体信息提取方法研究，由笔耕文化传播整理发布。

【摘要】：水资源是人类生产生活中的宝贵资源,对环境保护、灾害监测、地质勘探等具有重要的意义。本文对水体信息提取方法进行了研究。首先通过遥感影像分割获取了图像分析的最小单元-影像对象;然后对影像对象进行特征提取,以便构建出分类识别需要的特征向量;最后利用机器学习的方法将水体信息从遥感影像中提取出来。本文在具体的提取方法上进行了优化,主要的研究结果如下:(1)在遥感影像分割部分,采用基于均值漂移(mean_shift)结合异质性最小化合并规则(Heterogeneity Minimization Principle,HMP)对遥感影像进行了分割。该方法的影像分割是基于多种特征,分割区域的中心点自主确定,具有较好的分割精度和自适应性。该方法在mean_shift分割的基础上又进行了基于异质性最小化规则的区域合并,与传统图像分割方法相比,取得了更好的分割效果,更适合于遥感影像的分割。(2)在遥感影像特征提取部分,进行了光谱、几何、纹理等多特征的提取,其中,对几何信息的提取采用了最小外接矩形(MBR)的方法,对纹理特征的提取采用了基于灰度共生矩阵(GLCM)的方法。这种基于多特征的水体信息提取方法避免了单一利用光谱特征方法经常出现的“同物异谱,同谱异物”现象。(3)本文利用支持向量机(SVM)对水体信息进行识别,在构建支持向量机分类器的时候,利用了粒子群优化算法(PSO)对SVM的惩罚系数与核函数参数进行寻优,并通过典型的测试函数对PSO算法的性能进行了实验仿真。最后将本文采用的方法与经典的基于像元的方法、最大似然的分类方法以及未结合纹理特征的方法进行了对比,结果表明:本文采用的方法具有更高的提取精度,更适合于遥感影像数据的处理。
【关键词】：面向对象 高分辨率遥感影像 均值漂移 异质性最小化 灰度共生矩阵 支持向量机 粒子群优化算法 水体信息提取
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-14
• 1.1 研究的背景和意义8
• 1.2 研究现状8-12
• 1.2.1 遥感影像水体信息提取方法研究现状8-10
• 1.2.2 图像分割方法的研究现状10-11
• 1.2.3 学习分类方法的研究现状11-12
• 1.3 本文主要研究内容12-14
• 第2章 遥感影像数据预处理14-21
• 2.1 遥感影像数据基础14-15
• 2.2 遥感影像预处理15-20
• 2.2.1 几何校正15-19
• 2.2.2 影像融合19-20
• 2.3 本章小结20-21
• 第3章 基于MEAN_SHIFT与HMP合并规则的遥感影像分割21-38
• 3.1 图像分割理论分析21-24
• 3.2 基于MEAN_SHIFT算法的遥感影像分割24-29
• 3.2.1 MEAN_SHIFT原理分析25-28
• 3.2.2 核函数分析28
• 3.2.3 权重系数分析28-29
• 3.3 基于异质性最小化的合并规则29-30
• 3.4 遥感影像分割实验30-37
• 3.4.1 基于MEAN_SHIFT的影像分割实验31-32
• 3.4.2 基于异质性最小化合并规则（HMP）的区域合并实验32-35
• 3.4.3 对比实验35-37
• 3.5 本章小结37-38
• 第4章 遥感影像特征提取38-49
• 4.1 光谱特征提取方法分析38-39
• 4.2 几何特征提取方法分析39-41
• 4.3 纹理特征提取方法分析41-44
• 4.4 基于GLCM的纹理特征提取44-47
• 4.5 基于GLCM的纹理特征提取实验47-48
• 4.6 本章小结48-49
• 第5章 基于PSO-SVM的高分辨率遥感影像水体信息提取49-67
• 5.1 机器学习基本问题分析49-50
• 5.2 支持向量机模型50-53
• 5.3 SVM参数优化原理53-56
• 5.3.1 SVM分类器惩罚系数与核函数分析53-54
• 5.3.2 SVM分类器参数优化方法54-56
• 5.4 基于粒子群优化算法的SVM参数优化56-59
• 5.4.1 粒子群优化算法理论分析56-57
• 5.4.2 粒子群优化算法的收敛性分析57-59
• 5.5 基于PSO算法的SVM参数优化实验59-62
• 5.6 基于PSO-SVM方法的遥感影像水体信息提取实验62-66
• 5.7 本章小结66-67
• 第6章 总结与展望67-68
• 6.1 论文总结67
• 6.2 问题与展望67-68
• 参考文献68-74
• 作者简介74-75
• 致谢75

【相似文献】

中国期刊全文数据库 前10条

1 郭振亚;王心源;王传辉;高超;吴海中;;巢湖流域水体信息提取方法研究[J];遥感技术与应用;2012年03期

2 夏双;阮仁宗;;淡水湖泊湿地水体信息提取方法[J];地理空间信息;2012年05期

3 吴文渊;沈晓华;邹乐君;卢善龙;章桂芳;;基于Landsat ETM+影像的水体信息综合提取方法[J];科技通报;2008年02期

4 胡晓东;骆剑承;夏列钢;沈占锋;朱长明;乔程;;图谱迭代反馈的自适应水体信息提取方法[J];测绘学报;2011年05期

5 赵书河,冯学智,都金康;中巴资源一号卫星水体信息提取方法研究[J];南京大学学报(自然科学版);2003年01期

6 丁凤;;基于新型水体指数(NWI)进行水体信息提取的实验研究[J];测绘科学;2009年04期

7 丁凤;;一种基于遥感数据快速提取水体信息的新方法[J];遥感技术与应用;2009年02期

8 骆剑承;盛永伟;沈占锋;李均力;郜丽静;;分步迭代的多光谱遥感水体信息高精度自动提取[J];遥感学报;2009年04期

9 李小曼;王刚;李晓安;;一种遥感影像水体信息自动提取方法[J];微计算机信息;2008年36期

10 沈金祥;杨辽;陈曦;李均力;彭青青;胡举;;面向对象的山区湖泊信息自动提取方法[J];国土资源遥感;2012年03期

中国重要会议论文全文数据库 前6条

1 陈华芳;王金亮;;山地高原地区TM影像水体信息提取方法比较[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

2 张明华;;用改进的谱间关系模型提取极高山地区水体信息[A];中国测绘学会九届四次理事会暨2008年学术年会论文集[C];2008年

3 许静;陈兴伟;陈文惠;;基于波谱特征的水体信息提取方法研究[A];福建省第十二届水利水电青年学术交流会论文集[C];2008年

4 连芸;宋传中;吴立坤;霍立新;;图像光谱特征和统计特征在水体信息提取中的应用研究[A];加强地质工作促进社会经济和谐发展——2007年华东六省一市地学科技论坛论文集[C];2007年

5 王培忠;严卫东;边辉;翟娜;吴俊政;;基于典型相关分析的多时相ETM影像水体信息变化检测[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

6 祝令亚;李杏朝;;基于HJ-1 CCD影像的水体信息提取研究及三峡水库蓄水动态监测[A];第十七届中国遥感大会摘要集[C];2010年

中国硕士学位论文全文数据库 前7条

1 黄琳;高精度遥感影像水体信息融合[D];浙江工业大学;2015年

2 魏航;多源遥感图像水体信息提取方法的研究[D];北京理工大学;2016年

3 于晓宁;基于高分辨率遥感影像的水体信息提取方法研究[D];吉林大学;2016年

4 江晖;水体信息自动提取遥感研究[D];中国地质大学（北京）;2006年

5 陈文艳;山区地形遥感图像水体信息的提取研究[D];广西师范大学;2013年

6 杜斌;基于面向对象的高分辨率遥感影像水体信息提取优势研究[D];云南师范大学;2014年

7 李永生;基于MODIS数据的艾比湖湖面变化研究[D];新疆师范大学;2008年

  本文关键词：基于高分辨率遥感影像的水体信息提取方法研究，由笔耕文化传播整理发布。

，

本文编号：343871