基于高光谱与机载LiDAR融合的地物分类方法研究
发布时间：2022-07-29 14:15
土地资源是人类生存最基本的自然资源,为国家和社会经济发展提供了物质保障。我国土地资源丰富、类型多样,获取真实准确的地物信息是对其进行合理开发利用的关键,对于及时规划和管理国土资源具有重要的意义。随着航空技术的不断发展和进步,航空遥感影像被广泛地应用到地物分类中。但土地资源不断发展变化,地物类型越来越复杂,单一的遥感影像技术不能满足精确的地物信息提取,因此地物分类从单一的遥感数据源转移到多源数据的融合。高光谱影像分辨率高、波段多,包含着丰富的空间信息和光谱信息,近年来在土地地物分类中得到广泛的应用。而机载LiDAR点云包含独特的高精度三维空间信息,可以为地物分类提供高光谱影像不具备的高度特征。因此,将高光谱影像数据与机载LiDAR点云数据进行融合是地物分类的有效手段。本文以黑河中游核心观测区为研究区域,结合高光谱和机载LiDAR数据的特点,提取多源数据特征进行融合分类研究。论文首先采用主成分分析和最小噪声分离变换对高光谱影像进行降维,得到包含大部分光谱信息的有效影像波段,并利用SVM、卷积神经网络和残差网络算法对降维后的影像进行分类,对不同算法的分类结果比较分析。然后,通过计算高光谱影像...
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题背景与意义
1.2 国内外研究现状
1.2.1 遥感影像进行地物分类的研究现状
1.2.2 高光谱与机载LiDAR数据融合分类的研究现状
1.2.3 基于深度学习对遥感影像分类的研究现状
1.2.4 现存的问题
1.3 研究内容
1.4 技术路线
1.5 论文组织结构
2 研究区数据源与数据预处理
2.1 引言
2.2 研究区概况
2.2.1 遥感数据源
2.2.2 地表覆盖类型
2.3 研究区高光谱影像的数据获取
2.4 本章小结
3 基于高光谱影像的地物分类
3.1 引言
3.2 高光谱影像的降维
3.2.1 主成分分析(PCA)
3.2.2 最小噪声分离变换(MNF)
3.3 高光谱影像的地物分类方法研究
3.3.1 基于SVM的高光谱分类
3.3.2 基于CNN的高光谱分类
3.3.3 基于DRN的高光谱分类
3.4 本章小结
4 基于高光谱与机载LiDAR融合数据的地物分类
4.1 引言
4.2 高光谱与机载LiDAR数据配准
4.3 高光谱影像的特征提取
4.3.1 归一化植被指数(NDVI)
4.3.2 灰度共生矩阵(GLCM)
4.4 高光谱与机载LiDAR数据的特征融合
4.4.1 数据融合层次
4.4.2 特征融合实验
4.5 本章小结
5 基于高光谱与机载LiDAR的残差网络分类器设计
5.1 引言
5.2 分层融合的残差网络(M-DRN)
5.3 实验过程与结果分析
5.3.1 训练过程分析
5.3.2 网络参数分析
5.4 分类方法的对比分析
5.5 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]遥感数据融合的进展与前瞻[J]. 张良培,沈焕锋. 遥感学报. 2016(05)
[2]高光谱遥感影像分类研究进展[J]. 杜培军,夏俊士,薛朝辉,谭琨,苏红军,鲍蕊. 遥感学报. 2016(02)
[3]机载激光雷达和高光谱组合系统的亚热带森林估测遥感试验[J]. 刘清旺,谭炳香,胡凯龙,樊雪,李增元,庞勇,李世明. 高技术通讯. 2016(03)
[4]基于Landsat 8 OLI影像的三江源区表层土壤全氮空间格局反演[J]. 贾伟,高小红,杨扬,张威,杨灵玉,田成明. 干旱区研究. 2015(05)
[5]机载LiDAR和高光谱数据融合提取冰川雪线[J]. 李光辉,王成,习晓环,郑照军,骆社周,岳彩荣. 国土资源遥感. 2013(03)
[6]下垫面对WRF模式模拟黑河流域区域气候精度影响研究[J]. 潘小多,李新,冉有华,刘超. 高原气象. 2012(03)
[7]基于AROP程序包的类Landsat遥感影像配准与正射纠正试验和精度分析[J]. 李爱农,蒋锦刚,边金虎,雷光斌,黄成全. 遥感技术与应用. 2012(01)
[8]多源遥感数据融合的发展趋势[J]. 张继贤. 地理信息世界. 2011(02)
博士论文
[1]支持向量机增量学习研究[D]. 唐庭龙.浙江工业大学 2018
[2]激光雷达和高光谱数据融合的城市土地利用分类方法研究[D]. 满其霞.华东师范大学 2015
[3]基于激光雷达和高光谱遥感的森林单木关键参数提取[D]. 赵旦.中国林业科学研究院 2012
硕士论文
[1]基于像素级的高分辨率遥感影像融合方法研究[D]. 汤耶磊.东华理工大学 2018
[2]基于机载LiDAR和高光谱遥感影像融合实现普洱山区树种分类[D]. 刘怡君.中国林业科学研究院 2016
[3]基于高空间分辨率遥感影像的土地利用信息提取[D]. 孙燕霞.重庆交通大学 2014
本文编号：3666613
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题背景与意义
1.2 国内外研究现状
1.2.1 遥感影像进行地物分类的研究现状
1.2.2 高光谱与机载LiDAR数据融合分类的研究现状
1.2.3 基于深度学习对遥感影像分类的研究现状
1.2.4 现存的问题
1.3 研究内容
1.4 技术路线
1.5 论文组织结构
2 研究区数据源与数据预处理
2.1 引言
2.2 研究区概况
2.2.1 遥感数据源
2.2.2 地表覆盖类型
2.3 研究区高光谱影像的数据获取
2.4 本章小结
3 基于高光谱影像的地物分类
3.1 引言
3.2 高光谱影像的降维
3.2.1 主成分分析(PCA)
3.2.2 最小噪声分离变换(MNF)
3.3 高光谱影像的地物分类方法研究
3.3.1 基于SVM的高光谱分类
3.3.2 基于CNN的高光谱分类
3.3.3 基于DRN的高光谱分类
3.4 本章小结
4 基于高光谱与机载LiDAR融合数据的地物分类
4.1 引言
4.2 高光谱与机载LiDAR数据配准
4.3 高光谱影像的特征提取
4.3.1 归一化植被指数(NDVI)
4.3.2 灰度共生矩阵(GLCM)
4.4 高光谱与机载LiDAR数据的特征融合
4.4.1 数据融合层次
4.4.2 特征融合实验
4.5 本章小结
5 基于高光谱与机载LiDAR的残差网络分类器设计
5.1 引言
5.2 分层融合的残差网络(M-DRN)
5.3 实验过程与结果分析
5.3.1 训练过程分析
5.3.2 网络参数分析
5.4 分类方法的对比分析
5.5 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]遥感数据融合的进展与前瞻[J]. 张良培,沈焕锋. 遥感学报. 2016(05)
[2]高光谱遥感影像分类研究进展[J]. 杜培军,夏俊士,薛朝辉,谭琨,苏红军,鲍蕊. 遥感学报. 2016(02)
[3]机载激光雷达和高光谱组合系统的亚热带森林估测遥感试验[J]. 刘清旺,谭炳香,胡凯龙,樊雪,李增元,庞勇,李世明. 高技术通讯. 2016(03)
[4]基于Landsat 8 OLI影像的三江源区表层土壤全氮空间格局反演[J]. 贾伟,高小红,杨扬,张威,杨灵玉,田成明. 干旱区研究. 2015(05)
[5]机载LiDAR和高光谱数据融合提取冰川雪线[J]. 李光辉,王成,习晓环,郑照军,骆社周,岳彩荣. 国土资源遥感. 2013(03)
[6]下垫面对WRF模式模拟黑河流域区域气候精度影响研究[J]. 潘小多,李新,冉有华,刘超. 高原气象. 2012(03)
[7]基于AROP程序包的类Landsat遥感影像配准与正射纠正试验和精度分析[J]. 李爱农,蒋锦刚,边金虎,雷光斌,黄成全. 遥感技术与应用. 2012(01)
[8]多源遥感数据融合的发展趋势[J]. 张继贤. 地理信息世界. 2011(02)
博士论文
[1]支持向量机增量学习研究[D]. 唐庭龙.浙江工业大学 2018
[2]激光雷达和高光谱数据融合的城市土地利用分类方法研究[D]. 满其霞.华东师范大学 2015
[3]基于激光雷达和高光谱遥感的森林单木关键参数提取[D]. 赵旦.中国林业科学研究院 2012
硕士论文
[1]基于像素级的高分辨率遥感影像融合方法研究[D]. 汤耶磊.东华理工大学 2018
[2]基于机载LiDAR和高光谱遥感影像融合实现普洱山区树种分类[D]. 刘怡君.中国林业科学研究院 2016
[3]基于高空间分辨率遥感影像的土地利用信息提取[D]. 孙燕霞.重庆交通大学 2014
本文编号：3666613
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3666613.html
