基于数据驱动的机器学习水体提取算法研究

发布时间：2022-08-13 09:53

　　地表水是地球上最常见也是最重要的资源之一,由于环境变化等因素的影响,地表水也会在空间域和时间域上发生变化。水资源易受土地利用变化、气候变化、人为活动等因素的影响。地表水的变化可能会导致洪水、热带区域的干旱等灾害,会造成巨大的经济损失和伤害。因此,监测地表水的变化是十分必要的。青藏高原是世界上最高的平原,因其独特的地貌特性而被称为“世界之脊”,在全球气候变化中起着非常重要的作用。在本文中,将重点研究这一区域的水体信息。遥感可以为地表水调查提供免费、可靠的信息,已成为分析和分发水体数据的重要信息来源。许多基于遥感影像的水体提取算法已经被提出并得到了广泛的应用。为了得到精确的水体分布信息,本文进行了以下工作:（1）首先围绕水体提取这一主题,系统的查阅了国内外的一些相关文献。然后按照时间的先后顺序,对这些方法的原理和问题进行了总结。对Landsat-8影像来说,传统的方法所利用的光谱信息有限,并且缺乏对空间信息的建模,所以在复杂环境下分类效果很差。对Sentinel-2影像来说,不同波段间的分辨率不同,所以数据处理较为复杂。（2）为了充分利用Landsat-8影像的空间信息和光谱信息,本文提出... 

【文章页数】：97 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 水体提取算法概述
        1.2.2 存在的问题
    1.3 主要研究内容与技术路线
        1.3.1 基于条件随机场的方法
        1.3.2 基于深度学习的分割方法
    1.4 论文章节安排
第二章 传统的水体提取算法
    2.1 单波段阈值法
    2.2 比值法
    2.3 多波段水体指数法
    2.4 非监督分类方法
    2.5 监督分类方法
第三章 基于随机的全连接条件随机场的水体提取算法研究
    3.1 数据的选取及预处理
    3.2 图像预处理
        3.2.1 辐射定标
        3.2.2 大气校正
    3.3 基于随机的条件随机场水体提取算法研究
        3.3.1 马尔可夫随机场
        3.3.2 马尔可夫随机场中的邻域关系定义
        3.3.3 Gibbs分布与MRF的等价性
        3.3.4 基于能量形式的马尔可夫随机场
    3.4 基于随机的全连接条件随机场水体提取算法
        3.4.1 随机的全连条件随机场
        3.4.2 一元势能的定义
        3.4.3 二元势能的定义
        3.4.4 极大验后能量优化
    3.5 精度评定与结论
第四章 基于深度学习的水体提取算法研究
    4.1 多层感知机
        4.1.1 正向传播
        4.1.2 反向传播
    4.2 卷积神经网络
        4.2.1 卷积
        4.2.2 池化
    4.3 基于语义分割的网络模型
        4.3.1 FCN网络
        4.3.2 SegNet网络
        4.3.3 U-Net网络
    4.4 基于哨兵2 数据的多尺度U-Net模型
        4.4.1 哨兵2 数据存在的问题
        4.4.2 基于哨兵2 号数据的多尺度U-net水体提取算法
        4.4.3 数据准备与实验细节
        4.4.4 结果分析
第五章 总结与展望
致谢
参考文献



本文编号：3676809