星载雷达遥感数据土地覆盖分类方法研究
发布时间：2020-12-25 21:59
土地覆盖分类研究对土地利用、生态系统退化、环境保护等工作的开展具有重要意义,受到广泛重视。面向对象的图像分类方法（object-oriented image classification）是近年来遥感领域备受关注的前沿图像处理技术之一,合成孔径雷达（Synthetic Aperture Radar,SAR）可提供大范围地表数据支持。基于合成孔径雷达成像的土地覆盖分类研究是当前遥感图像处理的前沿和热点。本文提出了一种基于极化SAR数据的面向对象土地覆盖分类方法,该方法设计了一种新型多通道图像分割算法和集成极限学习机（Ensemble Extreme Learning Machine,Ensemble-ELM）分类器,并选用了三个不同地区（蚌埠、新加坡、锡林浩特）的哨兵一号（Sentinel-1A）SAR数据对本文提出的土地覆盖分类方法进行了验证和评估。在图像分割阶段,本文设计并实现了针对SAR图像分割任务的多通道图像分割算法。该方法首先采用传统分水岭算法对SAR图像进行初步分割,提供小的图像分割块用于后续进行融合;其次基于SAR图像的极化信息与形状特征设计了一种改进的区域融合算法以合并过...
【文章来源】： 毛雪玥 电子科技大学
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
光学传感器成像时存在弊端
第二章SAR图像分类基本理论与总体方案设计132.1.2.3图像对象分类将SAR图像分割成若干个适当的图像对象后，可根据所设置的特征建立相应的分类规则，再通过具体的分类器将每个图像对象分配给一个类，实现图像对象与实际地物之间一一对应的关系，从而对整个图像进行分类。在整个面向对象图像分类流程中，选择合适的分类方法是一个重要议题。像分类流程中，选择合适的分类方法是一个重要议题。本文第一章中所提到的非监督分类和监督分类方法大都可以应用在面向对象分类中，目前，机器学习已经成为解决分类任务的主流方法。2.2总体研究方案2.2.1设计方案基于本文总体研究目标，即基于SAR图像的面向对象土地覆盖分类方法研究，整体设计框架图如图2-1所示：图2-1整体设计框图首先，确定本文所用SAR数据源为欧洲航空局所提供的哨兵一号（Sentinel-1）双极化卫星数据，并对其进行预处理，包括SAR图像去噪及SAR图像与光学图像校准，以减少或去除可能对分类结果产生影响的干扰因素，以此有效提高分类精度。本文使用欧洲航天局提供的SentinelApplicationPlatform（SNAP）软件对Sentinel卫星数据进行预处理和校准[51]，SAR图像预处理过程包括热噪声去除、
电子科技大学硕士学位论文16片如下图2-2所示。图2-2蚌埠地区SAR图像2.2.2.2新加坡地区区域概况新加坡是东南亚中南半岛南端的一个城邦岛国、城市国家。该国位于马来半岛南端，位于经度1°35′，纬度103°82′之间，新加坡南部由新加坡海峡将其与印尼相隔，北部由柔佛海峡将其与西马来西亚相隔，新柔长堤与第二通道两座桥梁将新加坡与马来西亚两国相连，地理位置十分重要。新加坡全国由63个岛屿组成，陆地总面积约700平方公里，人口570万。新加坡地处赤道附近，属典型的热带气候，雨量充沛，气温高而均匀，全年湿度高。岛上的景观以人造结构为主，大部分是住宅和商业结构，乡村和城市景观之间的区别很模糊[54]。据相关数据显示，现今新加坡土地覆被分布的50%以上为城市结构所覆盖，植被比例明显下降。新加坡城市化程度很高，因此迫切需要森林保护。如今，政府颁布了强有力的防止侵占和毁林的政策，该国剩余的大部分森林都作为保留地得到保护。本文新加坡作为一个研究区域，其主要动机在于了解本文提出的土地覆盖分类方法在应用于像新加坡这样的城市化国家时的有效性和准确性，并为新加坡政府实施森林砍伐政策提供有力的工具。实验中采用2019年8月5日采集的Sentinel-1ASAR数据和2019年8月7日采集的相应的Sentinel-2A光学数据。经过预处理的新加坡地区SAR图片如下图2-3所示。
【参考文献】：
期刊论文
[1]基于Sentinel-1A极化SAR数据与面向对象方法的山区地表覆被分类[J]. 向海燕,罗红霞,刘光鹏,杨任飞,雷茜,程玉丝,陈婧祎. 自然资源学报. 2017(12)
[2]Sentinel-1卫星综述[J]. 杨魁,杨建兵,江冰茹. 城市勘测. 2015(02)
[3]面向对象的高分辨率SAR图像处理及应用[J]. 张红,叶曦,王超,张波,吴樊,汤益先. 中国图象图形学报. 2014(03)
[4]土地利用/土地覆被分类系统研究进展[J]. 张景华,封志明,姜鲁光. 资源科学. 2011(06)
[5]遥感影像监督分类与非监督分类的比较[J]. 赵春霞,钱乐祥. 河南大学学报(自然科学版). 2004(03)
[6]遥感地学智能图解模型支持下的土地覆盖/土地利用分类[J]. 骆剑承,周成虎,杨艳. 自然资源学报. 2001(02)
[7]国际上土地利用/土地覆盖变化研究的新进展[J]. 陈佑启,杨鹏. 经济地理. 2001(01)
[8]全球环境变化研究的核心领域──土地利用／土地覆被变化的国际研究动向[J]. 李秀彬. 地理学报. 1996(06)
博士论文
[1]基于聚类分析的图像分割算法研究[D]. 许晓丽.哈尔滨工程大学 2012
硕士论文
[1]基于卷积神经网络的SAR图像分类[D]. 许开炜.合肥工业大学 2019
[2]基于人工神经网络的遥感影像分类研究[D]. 李源泰.昆明理工大学 2010
本文编号：2938461
【文章来源】： 毛雪玥 电子科技大学
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
光学传感器成像时存在弊端
第二章SAR图像分类基本理论与总体方案设计132.1.2.3图像对象分类将SAR图像分割成若干个适当的图像对象后，可根据所设置的特征建立相应的分类规则，再通过具体的分类器将每个图像对象分配给一个类，实现图像对象与实际地物之间一一对应的关系，从而对整个图像进行分类。在整个面向对象图像分类流程中，选择合适的分类方法是一个重要议题。像分类流程中，选择合适的分类方法是一个重要议题。本文第一章中所提到的非监督分类和监督分类方法大都可以应用在面向对象分类中，目前，机器学习已经成为解决分类任务的主流方法。2.2总体研究方案2.2.1设计方案基于本文总体研究目标，即基于SAR图像的面向对象土地覆盖分类方法研究，整体设计框架图如图2-1所示：图2-1整体设计框图首先，确定本文所用SAR数据源为欧洲航空局所提供的哨兵一号（Sentinel-1）双极化卫星数据，并对其进行预处理，包括SAR图像去噪及SAR图像与光学图像校准，以减少或去除可能对分类结果产生影响的干扰因素，以此有效提高分类精度。本文使用欧洲航天局提供的SentinelApplicationPlatform（SNAP）软件对Sentinel卫星数据进行预处理和校准[51]，SAR图像预处理过程包括热噪声去除、
电子科技大学硕士学位论文16片如下图2-2所示。图2-2蚌埠地区SAR图像2.2.2.2新加坡地区区域概况新加坡是东南亚中南半岛南端的一个城邦岛国、城市国家。该国位于马来半岛南端，位于经度1°35′，纬度103°82′之间，新加坡南部由新加坡海峡将其与印尼相隔，北部由柔佛海峡将其与西马来西亚相隔，新柔长堤与第二通道两座桥梁将新加坡与马来西亚两国相连，地理位置十分重要。新加坡全国由63个岛屿组成，陆地总面积约700平方公里，人口570万。新加坡地处赤道附近，属典型的热带气候，雨量充沛，气温高而均匀，全年湿度高。岛上的景观以人造结构为主，大部分是住宅和商业结构，乡村和城市景观之间的区别很模糊[54]。据相关数据显示，现今新加坡土地覆被分布的50%以上为城市结构所覆盖，植被比例明显下降。新加坡城市化程度很高，因此迫切需要森林保护。如今，政府颁布了强有力的防止侵占和毁林的政策，该国剩余的大部分森林都作为保留地得到保护。本文新加坡作为一个研究区域，其主要动机在于了解本文提出的土地覆盖分类方法在应用于像新加坡这样的城市化国家时的有效性和准确性，并为新加坡政府实施森林砍伐政策提供有力的工具。实验中采用2019年8月5日采集的Sentinel-1ASAR数据和2019年8月7日采集的相应的Sentinel-2A光学数据。经过预处理的新加坡地区SAR图片如下图2-3所示。
【参考文献】：
期刊论文
[1]基于Sentinel-1A极化SAR数据与面向对象方法的山区地表覆被分类[J]. 向海燕,罗红霞,刘光鹏,杨任飞,雷茜,程玉丝,陈婧祎. 自然资源学报. 2017(12)
[2]Sentinel-1卫星综述[J]. 杨魁,杨建兵,江冰茹. 城市勘测. 2015(02)
[3]面向对象的高分辨率SAR图像处理及应用[J]. 张红,叶曦,王超,张波,吴樊,汤益先. 中国图象图形学报. 2014(03)
[4]土地利用/土地覆被分类系统研究进展[J]. 张景华,封志明,姜鲁光. 资源科学. 2011(06)
[5]遥感影像监督分类与非监督分类的比较[J]. 赵春霞,钱乐祥. 河南大学学报(自然科学版). 2004(03)
[6]遥感地学智能图解模型支持下的土地覆盖/土地利用分类[J]. 骆剑承,周成虎,杨艳. 自然资源学报. 2001(02)
[7]国际上土地利用/土地覆盖变化研究的新进展[J]. 陈佑启,杨鹏. 经济地理. 2001(01)
[8]全球环境变化研究的核心领域──土地利用／土地覆被变化的国际研究动向[J]. 李秀彬. 地理学报. 1996(06)
博士论文
[1]基于聚类分析的图像分割算法研究[D]. 许晓丽.哈尔滨工程大学 2012
硕士论文
[1]基于卷积神经网络的SAR图像分类[D]. 许开炜.合肥工业大学 2019
[2]基于人工神经网络的遥感影像分类研究[D]. 李源泰.昆明理工大学 2010
本文编号：2938461
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/2938461.html
教材专著
