基于WorldView-2的多级决策的光学遥感水深反演方法研究

发布时间：2017-12-26 07:31

本文关键词：基于WorldView-2的多级决策的光学遥感水深反演方法研究　出处：《南京大学》2017年硕士论文　论文类型：学位论文

【摘要】：目前,国际海疆局势极其严峻,南海主权岛礁被他国占领现象较为严重,相关海域地形信息难以获取。作为一个海洋大国,如何捍卫国家海洋权益,充分、高效的利用海洋资源,发展海洋经济是当今我国面临的一个重要问题。海底地形信息是海洋基础信息,可为海洋运输、工程建设、资源开发以及海洋灾害防治等提供基础支撑,为国防建设提供地理信息保障。因此,作为海底地形信息获取的直接来源,海洋水深探测具有重要意义。光学遥感是浅海水深测量的一种重要手段。以往的研究中常使用简单理论、半理论半经验或统计模型等传统模型反演浅海水深,取得了可接受的效果。但仍存在一些问题亟待解决,如对水深反演因子的选择重视度不足、模型常为简化形式、反演过程常忽略模型精度的空间差异等,因此反演精度仍具有进一步优化的潜力。针对以上问题,研究利用WorldView-2影像和单波束测深数据,根据光学遥感测深原理,结合传统模型和人工神经网络模型(ANN)各自的特点,提出一种多级决策的光学遥感水深反演方案以改善反演精度,为今后的浅海测深相关研究提供一种方法借鉴。主要研究内容如下:(1)集成BM3D法去噪。为去除影像噪声,增强待反演遥感影像质量,提出一种改进的集成BM3D去噪方法,验证了该方法在影像去噪中的有效性,并将其用于去除WorldView-2影像噪声。(2)基于多级决策方法的光学遥感水深反演。在水深反演方面,提出了一种联合传统模型和人工神经网络模型的多级决策的光学遥感水深反演方案。首先通过波段水深相关性分析,根据传统模型的特点和光谱斜率线性处理技术,构建水深反演因子和因子组合(简称"因子")库,并选取相关系数较大的因子进行传统模型水深预反演,分析反演效果,进而确定最佳水深反演因子(强相关因子);然后使用强相关因子构建特征空间,建立神经网络水深反演模型(ArtificialNeural Networks,ANN),使用单网络模型进行二次水深反演和结果分析,根据反演结果的空间特征分割水体区域,进而使用提出的针对不同水深空间独立建模的多网络模型反演水深并分析结果,最后对多级决策的光学遥感水深反演方法进行评价。得到的主要研究结论如下:(1)通过辐射校正、耀斑去除、深水校正等预处理,WorldView-2遥感影像质量得到显著改善;面向对象的方法用于高分遥感影像水陆分离较为适宜;多波段结合的阈值分割能有效识别破浪区,防止了破浪区域的错误反演。(2)BM3D能高效去除高斯噪声,且具有较好的细节保留特性,但对含脉冲噪声的混合噪声去除方面有局限性;集成BM3D法可在一定程度上弥补BM3D的缺陷,不仅可以去除混合噪声,而且在细节保留方面具有较大改善,与同类方法相比,优势较为明显;WorldView-2影像去噪以后图像显示效果明显增强。(3)不同的波段与水深相关性各异,其中蓝绿波段相关性较大;对数处理可以显著提高相关性,处理后红光波段与水深相关性大幅增加;光谱斜率线性处理技术在水深反演中具有较大的潜力,光谱斜率线性处理因子与水深的相关性较高;水深反演过程中,鉴于光的水体透过能力的限制,传统模型用于全水深反演效果较差,相反30米以浅水深反演则具有可接受的反演误差(最低约23%);在所有水深反演因子中,对数处理因子,比值因子和光谱斜率线性处理因子水深敏感性较高,以水深的对数值作为模型输出更有利于水深反演。(4)通过顾及ANN模型过拟合和局部极小问题的方式,使用早停法避免过拟合,使用动量法、Levenberg-Marquart优化BP算法和多个不同初始化参数的网络择优而用的方法缓解局部极小问题,可在较大程度上使ANN模型趋近最优。多网络模型反演水深有效缓解了单一模型反演全局水深时局部反演精度较低的问题。(5)研究提出的以人工神经网络模型为核心、以传统模型为辅助的"多级决策的光学遥感水深反演方案"既考虑了光的辐射传输特性,又顾及了不同水深层的水体空间差异,反演南海典型岛礁浅海(30m以浅)水深时,在考虑大气、水体环境和潮汐等因素影响的条件下,相对误差降低至约8%,RMSE优于1m,反演精度大大提升,是一种较为理想的水深反演方法。
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：P237;P229

【相似文献】