基于高分遥感影像纹理空间模式增强的非参数化茶园识别方法研究

发布时间：2023-10-28 16:32

　　中国是全球茶叶种植和生产大国,茶园不断扩张带来经济效益,也造成土壤侵蚀等生态问题。茶园是农业生态系统的重要组成部分,但对其的监控却不及农田,因此,能及时准确地获取茶园空间分布信息是农业生产、土壤治理决策以及茶园生态建设的重要依据^[1]。茶园的种植改变了土壤表面光谱特性和空间结构,因而仅依靠地物反射光谱特征难以准确识别茶园。高分辨率遥感影像数据可以捕捉空间细节信息,对于茶园这类具有明显纹理结构的地物,使用纹理特征能有效提高其识别精度,但目前的纹理提取算法针对性强,难以满足对纹理类型复杂的纹理影像识别要求^[2]。虽然机器学习和深度学习方法在地物识别和分类中取得了精度的突破,但方法复杂、运算耗时,并且需要大量的训练样本,而在这一背景下训练得到的分类器往往不具备可移植性。针对这些问题,本文以云南省澜沧茶园种植区为例,采用一种高分遥感影像纹理模式提取与增强算法,实现基于面向对象的非参数化茶园识别方法,实现最小代价的快速、高精度茶园识别,本研究可以总结为以下三个方面:(1)实现了基于空间点模式分析茶园纹理增强算法Worldview-2影像数据的空间纹理特...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及研究意义
    1.2 国内外研究现状
        1.2.1 纹理特征提取方法研究
        1.2.2 基于面向对象的目标探测研究
    1.3 研究内容与章节安排
        1.3.1 研究内容
        1.3.2 技术路线
        1.3.3 章节安排
第二章 基于纹理强度的面向对象目标探测方法
    2.1 纹理特征空间模式增强方法
        2.1.1 局部二值模式原理
        2.1.2 空间点模式方法概述
        2.1.3 空间点模式分析方法
    2.2 纹理强度目标探测方法原理
        2.2.1 纹理强度方法概述
        2.2.2 纹理强度计算方法
        2.2.3 影像分割
        2.2.4 精度评价方法
    2.3 本章小结
第三章 非参数化茶园识别应用实验与结果分析
    3.1 研究区与数据预处理
        3.1.1 研究区概况
        3.1.2 实验数据
    3.2 纹理模式非参数化的实验设计
        3.2.1 LBP纹理特征提取
        3.2.2 LBP纹理特征的空间模式识别
        3.2.3 非参数化识别
    3.3 实验结果分析
        3.3.1 特征提取分析
        3.3.2 纹理强度识别结果分析
    3.4 本章小结
第四章 基于SVM的特征组合茶园识别方法研究
    4.1 数据预处理
    4.2 特征识别
        4.2.1 灰度共生矩阵
        4.2.2 像元形状指数
    4.3 面向对象分类设计
        4.3.1 支持向量机分类器
        4.3.2 分类方案设计
        4.3.3 样本选择
    4.4 结果分析
        4.4.1 特征提取分析
        4.4.2 识别结果分析
        4.4.3 不同识别方法对比分析
    4.5 本章小结
第五章 结论与展望
    5.1 结论
    5.2 不足与展望
参考文献
攻读学位期间发表的学术论文和研究成果
致谢



本文编号：3857361