基于深度学习的多源遥感水体信息提取方法及其应用研究

发布时间：2021-03-30 03:04

　　地表水体是地球水资源的重要组成部分,对其进行快速、有效地监测对于地球生态平衡与稳定有着至关重要的作用。相比较于传统现场测量的方法,遥感技术监测尺度广、时效性高,被广泛应用于地表水体提取、动态演变监测等。目前遥感水体提取方法主要有目视解译、波段计算法、光谱监督分类法、决策树分类法等,存在需专家经验、效率低、自动化程度不高、泛化能力弱等问题,难以实现大范围遥感水体信息的快速监测。深度学习由于具有数据特征“自学习”的特性,且可对高维图像数据进行更有效的特征提取与拟合,在多波段遥感影像信息提取问题上具有较强的适用性,目前已成为遥感图像信息提取的有效途径。本文针对遥感水体信息提取问题,利用深度学习创新性地在全卷积网络中引入了密集连接结构,缓解了一般网络中数据浅层特征丢失的问题,加强了网络对图像特征的抽取能力,提高了对遥感影像中细节水体的敏感程度,实现了更优的水体提取效果;并选取长江（安徽段）为研究区,将深度学习方法应用于实际遥感水体提取任务中,实现水体时空演变和生态岸线变化数据的自动化获取,为“长江大保护”提供数据支持与技术支撑。本文具体结论如下:（1）本文方法从实际实验结果中看,提取结果基本接... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

影像水体与非水体海岸波段光谱值散点图

?数据源及遥感水体样本库构建???对水体提取的有效性进行分析。本文首先在影像上通过绘制矢量面选取水体与非??水体感兴趣区，水体感兴趣区包括河流、湖泊、水田等，非水体包括建筑、裸地、??植被等，再将矢量面转换为栅格图像，水体与非水体像元数共计７０００个。将栅??格图像中水体与非水体像元与遥感影像所直接反映的像元光谱值进行对应统计，??结果如下：??

?数据源及遥感水体样本库构建???对水体提取的有效性进行分析。本文首先在影像上通过绘制矢量面选取水体与非??水体感兴趣区，水体感兴趣区包括河流、湖泊、水田等，非水体包括建筑、裸地、??植被等，再将矢量面转换为栅格图像，水体与非水体像元数共计７０００个。将栅??格图像中水体与非水体像元与遥感影像所直接反映的像元光谱值进行对应统计，??结果如下：??


本文编号：3108732