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

发布时间：2017-04-26 12:16

  本文关键词：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，由笔耕文化传播整理发布。

【摘要】：城市土地利用分类正在成为一个非常重要的研究方向。及时、准确地获取城市土地利用信息,为政府进行城市规划、基础地理信息更新、国土资源调查、环境资源保护、土地动态监测以及分析决策提供基础和重要依据。遥感具有宏观、快速等优势,能够准确地获取各个空间尺度的城市土地利用信息,已经成为城市土地利用分类的最有效工具之一。目前为止,许多研究已经探索遥感技术在城市土地利用分类中的应用。然而,随着城镇化的不断发展,城市建筑物越来越高,地物类型越来越复杂,单一的遥感数据存在严重的建筑物阴影问题。此外,过去二十年,遥感图像分类技术的发展,并没有显著提高总体分类精度,被动机载／星载遥感的城市土地利用分类达到极限,研究重点从改进分类算法转移到多源遥感数据融合。与多光谱遥感数据相比,高光谱数据在电磁波谱范围内,获取上百个波段,获取地物连续的光谱信息,能够提取光谱相似的地物类型。机载激光雷达数据(LiDAR:Light Detecting and Ranging)可以提供精确的空间三维信息,能够提取具有高程信息的地物类型,也能够很好的解决城市建筑物阴影问题,但是缺乏丰富的光谱信息。因此,激光雷达和高光谱遥感数据融合能够有效的进行优势互补,既能利用高光谱数据丰富的光谱信息,又能够利用激光雷达数据精确的高程信息,从而更好地进行城市地物信息提取。本文以美国-德克萨斯州-休斯顿地区和中国-甘肃-张掖地区为研究对象,利用机载激光雷达和高光谱遥感数据,进行遥感数据融合以及城市土地利用信息提取研究。本文主要创新点如下：1.本文将机载激光雷达高程、强度信息和高光谱归一化植被指数以及灰度共生矩阵参数融合,应用于城市土地利用信息提取中。研究结果表明：与单一高光谱遥感数据分类结果相比,激光雷达和高光谱遥感数据融合对城市土地利用分类效显著,尤其是对具有高程信息、以及光谱相似性的地物类型。这主要由于数据融合后,即能够利用激光雷达精确的三维高程信息,又能够利用了高光谱遥感丰富的光谱信息,实现优势互补。2.本文将支持向量机(Support Vector Machine)和面向对象分类方法相结合,特征级别融合激光雷达和高光谱数据,并将其应用于城市土地利用分类中。像素级别融合激光雷达和高光谱数据,具有其局限性,不能够充分发挥激光雷达的高程、强度信息,也不能够充分发挥高光谱遥感丰富的光谱信息。研究结果表明：该方法既保留了SVM方法在高光谱遥感数据分类中的优越性,又利用了面向对象分类方法中长度、面积、形状等属性规则,得到了显著的融合和分类效果。3.本文利用激光雷达和高光谱数据融合,解决了城市土地利用分类中受天气(例如：云覆盖的影响)以及建筑物阴影影响的问题。被动光谱遥感影像容易受到天气影响(例如：云覆盖的影响),导致云覆盖下的地物类型光谱信息缺失,降低了分类结果。此外,随着城市建筑物高度的不断增加,高分辨率遥感影像数据具有严重的阴影问题。而激光雷达作为主动式遥感技术,受天气影响小,且具有精确的三维高程信息,能够明显减轻云覆盖和建筑物阴影的影响。此外,SAR遥感影像与高光谱遥感影像融合也能够解决上述问题,是未来研究的一个方向。
【关键词】：激光雷达数据 高光谱数据 融合 城市土地利用分类 面向对象分类 支持向量机分类
【学位授予单位】：华东师范大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：P237;P225
【目录】：

• 中文摘要6-8
• Abstract8-18
• 第一章 绪论18-33
• 第一节 研究背景和意义18-19
• 第二节 研究现状和发展趋势19-30
• 一、遥感在城市土地利用分类中的研究现状和发展趋势19-24
• 二、激光雷达和高光谱融合的研究现状和发展趋势24-30
• 第三节 论文主要内容以及组织结构30-33
• 第二章 激光雷达和高光谱遥感基本理论33-47
• 第一节 激光雷达基本理论33-38
• 一、激光雷达基本概念33-37
• 二、激光雷达数据特点37-38
• 三、激光雷达应用领域38
• 第二节 高光谱遥感基本理论38-42
• 一、高光谱遥感基本概念39-40
• 二、高光谱遥感数据特点40
• 三、高光谱遥感应用领域40-42
• 第三节 数据融合基本概念42-45
• 一、遥感数据融合基本概念42
• 二、遥感数据融合的技术关键42-43
• 三、遥感数据融合的三个层次43-45
• 第四节 本章小结45-47
• 第三章 研究区概况与数据预处理47-76
• 第一节 研究区概况47-49
• 第二节 数据获取49-54
• 一、机载高光谱遥感数据获取49-50
• 二、机载激光雷达数据获取50
• 三、训练样本和验证样本获取50-54
• 第三节 机载遥感数据预处理54-74
• 一、机载高光谱遥感数据预处理54-67
• 二、机载激光雷达数据预处理67-71
• 三、机载激光雷达和高光谱数据配准71-74
• 第四节 本章小结74-76
• 第四章 基于高光谱遥感数据的分类研究76-93
• 第一节 地物光谱特征76-78
• 第二节 研究方法78-84
• 一、最大似然分类方法78-79
• 二、支持向量机分类方法79-83
• 三、精度评估83-84
• 第三节 分类结果与分析84-92
• 第四节 本章小结92-93
• 第五章 基于激光雷达和高光谱遥感数据融合的分类研究93-127
• 第一节 地物类型的激光雷达高程和强度特性93-96
• 第二节 基于像素级别的融合分类研究96-99
• 第三节 基于特征级别的融合分类研究99-106
• 一、面向对象分类方法100-102
• 二、特征级别的融合102-106
• 第四节 分类结果与分析106-126
• 一、像素级别融合分类效果分析106-123
• 二、特征级别融合分类效果分析123-126
• 第五节 本章小结126-127
• 第六章 结论、展望与不足127-131
• 第一节 结论127-128
• 第二节 展望128-129
• 第三节 论文不足之处129-131
• 参考文献131-149
• 致谢149-152
• 作者简历及其在学期间所取得的科研成果15

【相似文献】

中国期刊全文数据库 前10条

1 姜小光,唐伶俐,王长耀,王成;高光谱数据的光谱信息特点及面向对象的特征参数选择——以北京顺义区为例[J];遥感技术与应用;2002年02期

2 范学炜,张汉德,孙幸文;成像高光谱数据在赤潮检测和识别中的应用研究[J];国土资源遥感;2003年01期

3 张雄飞,张兵,张霞,郑兰芬,童庆禧;高光谱数据在数据库中的高效存储技术研究[J];遥感学报;2004年05期

4 张远飞;吴德文;张艮中;朱谷昌;李红;;高光谱数据的波段序结构分析与应用研究[J];国土资源遥感;2010年01期

5 肖海燕;曾辉;昝启杰;白钰;程好好;;基于高光谱数据和专家决策法提取红树林群落类型信息[J];遥感学报;2007年04期

6 李娜;李咏洁;赵慧洁;曹扬;;基于光谱与空间特征结合的改进高光谱数据分类算法[J];光谱学与光谱分析;2014年02期

7 卜志国,周凯,黄娟;基于图像特征的航空高光谱数据油污染光谱曲线提取分析[J];中国海洋大学学报(自然科学版);2005年04期

8 闻建光;肖青;杨一鹏;柳钦火;李小文;;基于高光谱数据提取水体叶绿素a浓度的混合光谱模型[J];水科学进展;2007年02期

9 颜春燕;刘强;;机载高光谱数据提取冬小麦冠层叶绿素含量的模型分析及验证[J];遥感信息;2009年05期

10 施润和,牛铮,庄大方;利用高光谱数据估测植物叶片碳氮比的可行性研究[J];遥感技术与应用;2003年02期

中国重要会议论文全文数据库 前10条

1 郭宇龙;李云梅;;环境1号卫星高光谱数据重建及其精度分析[A];第十七届中国环境遥感应用技术论坛论文集[C];2013年

2 李云梅;蒋建军;韦玉春;;利用地面实测高光谱数据评价太湖富营养化状态[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

3 姜小光;王长耀;王成;;高光谱数据的光谱信息特点及面向对象的特征参数选择——以北京顺义区为例[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

4 杨仁忠;马利春;石璐;王欣;;基于GPU的高光谱数据实时处理平台结构设计与分析[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

5 张霞;张兵;胡方超;童庆禧;;CHRIS高光谱数据大气自校正与仪器定标精度评价[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

6 李英杰;薛勇;光洁;何兴伟;梅林露;王颖;徐慧;艾建文;;环境小卫星高光谱数据在气溶胶定量反演及沙尘监测中的应用初探[A];第十七届中国遥感大会摘要集[C];2010年

7 董广军;;PHI高光谱数据光谱重建及城市分类应用研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

8 曹扬;胡荣;金彬;张佩;;一种准确快速的高光谱数据光谱混合分析方法[A];第二届高分辨率对地观测学术年会论文集[C];2013年

9 陈军;杨存建;许辉熙;程曦冉;;MODIS高光谱数据的初步分析和应用探讨[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

10 张萌;赵慧洁;李娜;;高光谱数据光谱分辨率对矿物识别的影响分析[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

中国博士学位论文全文数据库 前5条

1 李兴;高光谱数据库及数据挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2006年

2 张兵;时空信息辅助下的高光谱数据挖掘[D];中国科学院研究生院（遥感应用研究所）;2002年

3 邢东兴;基于高光谱数据的果树理化性状信息提取研究[D];西北农林科技大学;2009年

4 满其霞;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];华东师范大学;2015年

5 高晓惠;高光谱数据处理技术研究[D];中国科学院研究生院（西安光学精密机械研究所）;2013年

中国硕士学位论文全文数据库 前10条

1 苏乐乐;改进型人工免疫系统及其在高光谱数据处理中的应用[D];中国地质大学（北京）;2009年

2 乔宇;基于松驰聚类假设的高光谱数据分类研究[D];西安电子科技大学;2014年

3 王鑫禄;城市高光谱数据的频谱空间分类方法研究[D];吉林大学;2010年

4 靳红红;基于极速学习理论的高光谱数据分类[D];西安电子科技大学;2014年

5 范潇;基于高光谱数据解译的近海岸要素分析及应用分析[D];哈尔滨工业大学;2011年

6 白继伟;基于高光谱数据库的光谱匹配技术研究[D];中国科学院研究生院（遥感应用研究所）;2002年

7 孙墨寒;高光谱数据误差估计及降维方法研究[D];中国地质大学（北京）;2013年

8 褚西鹏;基于叶片非成像高光谱数据树种分类[D];浙江农林大学;2012年

9 张川;基于环境减灾卫星高光谱数据的我国北方农业干旱遥感监测技术研究[D];中国地质大学（北京）;2010年

10 陈雪华;基于高光谱数据的海岸带水体及环境要素监测研究[D];哈尔滨工业大学;2011年

  本文关键词：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，，由笔耕文化传播整理发布。

本文编号：328447