锡林浩特露天开采煤矿区占地信息自动提取方法研究

发布时间：2017-06-25 11:01

  本文关键词：锡林浩特露天开采煤矿区占地信息自动提取方法研究，由笔耕文化传播整理发布。

【摘要】：内蒙古矿产资源富集,存在着大量露天开采煤矿,不仅其占地面积大,而且对土地资源和生态资源的破坏严重,因此,本论文以“内蒙区矿山开发遥感调查与监测”项目为依托,选取锡林浩特胜利露天开采煤矿为研究区,开展矿山占地信息自动提取方法研究。综合利用遥感数据的光谱特征、纹理特征以及空间特征,对研究区的高分辨率影像进行了面向对象的分类器性能测试,根据测试结果,建立了一套基于层次的加权投票法分类器组合的技术方法流程,并应用于锡林浩特大型露天开采煤矿占地信息提取,验证本技术方法的有效性。本论文取得以下研究成果:(1)深入分析了高分辨率遥感数据的庞大信息含量,复合实验区worldview-2数据的光谱信息、纹理信息和DEM数据的空间信息,为后续研究提供数据保障。(2)对复合后的数据进行六种算法的面向对象监督分类,并对所生成的分类器进行性能测试,从中筛选出高性能的分类器作为基分类器,为层次法信息提取奠定基础。(3)以基分类器的微观精度分析结果为依据,确定各占地类型的最优分类器。采用层次法实现对强类占地信息的提取,保证了强类信息的精度,避免了信息之间的干扰;对于不存在最优分类器的弱类信息,在子分类器差异性度量的基础上,采用加权投票法的分类器组合分类,获得了满意的提取效果。(4)在上述研究的基础上,以锡林浩特大型露天开采煤矿(面积为127.5km2)为验证区,进行本论文技术方法有效性的验证,占地信息提取总体精度达到92.45%。
【关键词】：大型露天开采煤矿 面向对象监督分类 层次法信息提取 差异性度量 分类器组合
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TD824;TD67
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章. 绪论10-21
• 1.1. 选题背景与意义10-11
• 1.1.1. 选题背景10-11
• 1.1.2. 研究意义11
• 1.2. 国内外研究现状11-18
• 1.2.1. 基于像元的遥感信息自动提取12-13
• 1.2.2. 面向对象的信息提取13-15
• 1.2.3. 多分类器组合分类15-16
• 1.2.4. 矿山开发占地信息提取研究16-17
• 1.2.5. 存在问题17-18
• 1.3. 研究内容和技术路线18-21
• 1.3.1. 研究内容18-19
• 1.3.2. 技术路线19-21
• 第2章. 数据预处理及多元信息复合21-36
• 2.1. 实验区数据源21-23
• 2.2. 数据预处理23-30
• 2.2.1. 辐射校正23-25
• 2.2.2. 几何校正25-26
• 2.2.3. 图像配准与融合26-29
• 2.2.4. DEM数据投影转换29-30
• 2.3. 纹理特征提取30-34
• 2.3.1. 基于灰度共生矩阵纹理特征提取原理31-32
• 2.3.2. 纹理特征提取32-33
• 2.3.3. 特征量选取33-34
• 2.4. 光谱、纹理、空间信息复合34-36
• 第3章. 面向对象的监督分类36-54
• 3.1. 面向对象分类原理36-37
• 3.2. 影像分割37-42
• 3.2.1. 分割参数的选取38-40
• 3.2.2. 分割结果对比40-42
• 3.3. 面向对象的监督分类42-50
• 3.3.1. 感兴趣区选取42-43
• 3.3.2. 信息提取43-48
• 3.3.3. 实验结果48-50
• 3.4. 分类器性能测试及筛选50-54
• 3.4.1. 性能测试50-51
• 3.4.2. 原因分析51-52
• 3.4.3. 分类器筛选52-54
• 第4章. 基于层次的面向对象分类器组合54-80
• 4.1. 层次法占地信息提取54-64
• 4.1.1. 微观精度分析55-59
• 4.1.2. 最优分类器的确定59-60
• 4.1.3. 层次法占地信息提取60-64
• 4.2. 分类器组合系统64-66
• 4.2.1. 子分类器的生成64-65
• 4.2.2. 分类器组合结构65-66
• 4.2.3. 分类器组合决策机制66
• 4.3. 分类器组合66-74
• 4.3.1. 加权投票法分类器组合66-69
• 4.3.2. 子分类器的差异性研究69-74
• 4.4. 基于层次的分类器组合效果评价74-80
• 4.4.1. 分类器组合精度评价74-77
• 4.4.2. 基于层次的分类器组合精度评价77-80
• 第5章. 技术方法的验证80-87
• 5.1. 验证区概况80-81
• 5.2. 验证区总体分析81-82
• 5.3. 锡林浩特大型露天煤矿占地信息提取结果82-83
• 5.4. 验证区占地信息提取结果精度评价83-87
• 5.4.1. 类型精度83-84
• 5.4.2. 位置精度84-86
• 5.4.3. 面积精度86-87
• 第6章. 结论87-89
• 6.1. 研究成果87-88
• 6.2. 存在问题88-89
• 致谢89-90
• 参考文献90-93

【相似文献】

中国期刊全文数据库 前10条

1 魏蓉;赵艳君;张同亮;顾全;;使用伪氨基酸和集成分类器预测凋谢蛋白亚细胞定位[J];计算机与应用化学;2009年07期

2 陈晓平;沈记全;;分类器集成在入侵检测中的应用研究[J];河南理工大学学报(自然科学版);2012年03期

3 计时鸣，王烈鑫，熊四昌，席静珠;茶叶分拣在线模式分类器[J];浙江工业大学学报;1995年03期

4 张章华;;应用分类器组合模型进行岩性识别[J];计算机仿真;2009年04期

5 王直杰,方建安,邵世煌;分类器系统综述[J];中国纺织大学学报;1997年01期

6 刘达;张国英;刘冠洲;沙芸;;基于特征筛选的云分类器[J];北京石油化工学院学报;2011年01期

7 范骁辉,程翼宇;基于分步相关成分分析的中药材质量鉴别神经元分类器[J];高等学校化学学报;2004年12期

8 杜海莲;吕锋;辛涛;杜妮;;基于证据理论的优化集成分类器融合算法及应用[J];化工学报;2012年09期

9 杨维宁，王宏，，匡建超，童孝华;基于自组织映射网络的模式分类器对储产层自动分类方法研究[J];成都理工学院学报;1994年04期

10 陈绍杰;李光丽;张伟;曹文;;基于多分类器集成的煤矿区土地利用遥感分类[J];中国矿业大学学报;2011年02期

中国重要会议论文全文数据库 前10条

1 王占一;徐蔚然;刘东鑫;郭军;;一种基于两级分类器的垃圾短信过滤方法[A];第五届全国信息检索学术会议论文集[C];2009年

2 翟静;李海宏;唐常杰;陈敏敏;李智;;可验证对象集分类器的再训练演进[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

3 陈继航;刘家锋;赵巍;唐降龙;;联机手写识别笔段特征分类器的学习方法[A];黑龙江省计算机学会2009年学术交流年会论文集[C];2010年

4 穆明生;;基于特征集的多种分类器模型的在线笔迹认证[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

5 彭涛;左万利;赫枫龄;;基于链接上下文的分类器主题爬行技术(英文)[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

6 王岚;陈珂;迟惠生;;基于多特征组合多分类器的方法用于“与文本无关”的说话人辨认[A];第四届全国人机语音通讯学术会议论文集[C];1996年

7 谢秋玲;;应用于心电图分类的KNN-SVM分类器研究[A];2006中国控制与决策学术年会论文集[C];2006年

8 胡琼;汪荣贵;胡韦伟;孙见青;;基于级联分类器的快速人脸检测方法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

9 李兰春;王双成;杜瑞杰;;认知结构评估的动态贝叶斯网络分类器方法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

10 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集（上卷）[C];2004年

中国重要报纸全文数据库 前1条

1 黄明;精子分类器决定生男生女[N];广东科技报;2000年

中国博士学位论文全文数据库 前10条

1 张非;对抗逃避攻击的防守策略研究[D];华南理工大学;2015年

2 张文博;多类别智能分类器方法研究[D];西安电子科技大学;2014年

3 许劲松;智能交通中目标检测与分类关键技术研究[D];南京理工大学;2014年

4 余家林;普通场景视频人脸检测与识别的关键技术研究[D];浙江大学;2016年

5 赵作林;基于图像分析的北京地区杨树种类识别研究[D];北京林业大学;2015年

6 任亚峰;基于标注和未标注数椐的虚假评论识别研究[D];武汉大学;2015年

7 刘明;分类器组合技术研究及其在人机交互系统中的应用[D];北京交通大学;2008年

8 严志永;在划分数据空间的视角下基于决策边界的分类器研究[D];浙江大学;2011年

9 王U

本文编号：481811