基于Google Earth高分辨影像的典型目標(biāo)物提取方法
本文關(guān)鍵詞：基于Google Earth高分辨影像的典型目標(biāo)物提取方法
更多相關(guān)文章： Google Earth 典型目標(biāo)物 大數(shù)據(jù) 自動化提取 面向?qū)ο筇卣?/b>
【摘要】：隨著對地觀測技術(shù)的發(fā)展,遙感影像的分辨率越來越高。由于分辨率的不斷提高,目標(biāo)識別成為了遙感應(yīng)用中的熱點(diǎn)技術(shù)之一。目標(biāo)識別在軍事、農(nóng)業(yè)、空間科學(xué)、水資源管理等領(lǐng)域都有廣泛的應(yīng)用。隨著圖像空間分辨率的提高,目標(biāo)檢測的對象也越來越精細(xì)。目標(biāo)識別與遙感影像的空間分辨率息息相關(guān)。中低分辨率分辨影像中常常存在混合像元,傳統(tǒng)基于像元的分類方法無法提取出個體細(xì)小且分布離散的目標(biāo)物,需要利用高分辨影像來檢測和提取。另一方面,高分辨影像普遍價格居高、數(shù)據(jù)量大、處理速度慢且在分類過程中需要大量的人為控制,所以在大區(qū)域上很少有相關(guān)工作。在這種背景下,本文提出一種自動化的數(shù)據(jù)獲取和處理方式,結(jié)合面向?qū)ο筇卣鞯姆椒▉硖崛∵@一類典型目標(biāo)物。本文對典型目標(biāo)物的提取方法研究貢獻(xiàn)如下:1.實(shí)現(xiàn)了基于Google Earth的自動獲取多尺度遙感影像數(shù)據(jù)的技術(shù),能夠從Google Earth上自動化、低成本地獲取黑河流域下游(面積28859.7km2)0.61m的高分辨率影像;同時給出了截圖的地理坐標(biāo)和投影信息的計算方法,為該區(qū)域的3545張真彩圖添加了經(jīng)緯度坐標(biāo)以及投影參數(shù),最后拼接得到34個黑河流域下游的影像。2.采用了決策樹算法和面向?qū)ο蠓诸愃惴ㄏ嘟Y(jié)合的典型目標(biāo)物提取方法。在決策樹思想的基礎(chǔ)上分析圖像中所有地物的面向?qū)ο筇卣?將各個特征進(jìn)行最大化差別處理,生成一套典型目標(biāo)物提取規(guī)則集,遍歷決策樹提取出典型目標(biāo)物。3.在自動獲取和處理黑河流域下游的高分辨遙感數(shù)據(jù)基礎(chǔ)上,實(shí)現(xiàn)了黑河流域下游(總面積28859.7km2)胡楊林的提取;總共提取出的胡楊林面積約為30.9km2。再通過混淆矩陣算法對提取結(jié)果進(jìn)行精度評價,整體精度達(dá)到80%以上,部分地區(qū)高達(dá)87%。漏分率和錯分率都低于19%。本文的研究方法具有很高的實(shí)用價值,可為科研項目節(jié)省百萬元的數(shù)據(jù)經(jīng)費(fèi)。同時也極易擴(kuò)展到其他遙感應(yīng)用中,除了典型目標(biāo)物的提取以外,例如精細(xì)植被覆蓋分類等等。該方法的實(shí)現(xiàn)為今后在全國乃至全球?qū)ｎ}信息的自動化、低成本、高精度的識別與提取提供了一種可行的技術(shù)方案,將在今后引領(lǐng)一批相關(guān)的應(yīng)用,可以以極低的成本為國家的經(jīng)濟(jì)和社會發(fā)展提供高精度、高分辨率的基礎(chǔ)數(shù)據(jù),具有極高的應(yīng)用價值。
【關(guān)鍵詞】：Google Earth 典型目標(biāo)物 大數(shù)據(jù) 自動化提取 面向?qū)ο筇卣?/strong>
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP751
【目錄】：
- 摘要3-5
- Abstract5-9
- 第1章 引言9-15
- 1.1 課題研究背景9-10
- 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢10-13
- 1.2.1 國內(nèi)外研究現(xiàn)狀10-12
- 1.2.2 發(fā)展趨勢12-13
- 1.3 研究目的和意義13
- 1.4 研究內(nèi)容及論文結(jié)構(gòu)安排13-15
- 第2章 典型目標(biāo)物數(shù)據(jù)處理方法15-31
- 2.1 Google Earth概述16-18
- 2.2 基于Google Earth的遙感數(shù)據(jù)自動獲取方法18-26
- 2.2.1 研究區(qū)域18-19
- 2.2.2 數(shù)據(jù)獲取的基本原理19-20
- 2.2.3 Google Earth的區(qū)域定位20-22
- 2.2.4 截取區(qū)域影像22-24
- 2.2.5 研究區(qū)域截圖結(jié)果24-26
- 2.3 Google Earth圖像數(shù)據(jù)的自動處理26-30
- 2.4 本章小結(jié)30-31
- 第3章 典型目標(biāo)物提取方法研究31-42
- 3.1 遙感圖像目標(biāo)提取算法31-36
- 3.1.1 時間序列分析31-32
- 3.1.2 決策樹32-34
- 3.1.3 支持向量機(jī)(SVM)34-35
- 3.1.4 面向?qū)ο蠓诸?/span>35-36
- 3.2 典型目標(biāo)物的提取36-40
- 3.2.1 典型目標(biāo)物定義范圍及特征分析36-37
- 3.2.2 典型目標(biāo)物提取37-40
- 3.3 本章小結(jié)40-42
- 第4章 典型目標(biāo)物提取實(shí)現(xiàn)42-58
- 4.1 典型目標(biāo)物對象——胡楊林42-44
- 4.1.1 黑河流域下游的胡楊林簡介42
- 4.1.2 提取黑河流域下游胡楊林的意義42-43
- 4.1.3 黑河下游胡楊林的提取難點(diǎn)43-44
- 4.2 典型目標(biāo)物（胡楊林）提取44-51
- 4.2.1 黑河流域下游胡楊林的特征分析45-46
- 4.2.2 黑河流域下游胡楊林的特征提取過程46-51
- 4.3 提取結(jié)果51-55
- 4.3.1 提取結(jié)果細(xì)節(jié)圖51
- 4.3.2 黑河流域下游分區(qū)提取結(jié)果51-55
- 4.4 結(jié)果驗證與分析55-56
- 4.5 本章小結(jié)56-58
- 第5章 結(jié)論與展望58-61
- 5.1 論文歸納總結(jié)58-59
- 5.2 后續(xù)的工作研究59-61
- 參考文獻(xiàn)61-65
- 致謝65-66
- 攻讀碩士學(xué)位期間從事的科研工作及取得的成果66
【參考文獻(xiàn)】
中國期刊全文數(shù)據(jù)庫 前10條
1 徐菲楠;祁元;王建華;張金龍;;面向?qū)ο蟮暮诤酉掠魏影读种脖桓采w信息分類![J];遙感技術(shù)與應(yīng)用;2015年05期
2 周艷飛;張繪芳;李霞;楊帆;丁程鋒;;基于高分辨遙感數(shù)據(jù)的胡楊與檉柳樹冠提取[J];遙感技術(shù)與應(yīng)用;2015年03期
3 ZHONG Bo;MA Peng;NIE AiHua;YANG AiXia;YAO YanJuan;Lü WenBo;ZHANG Hang;LIU QinHuo;;Land cover mapping using time series HJ-1 / CCD data[J];Science China(Earth Sciences);2014年08期
4 張世富;;基于Google Earth的高分辨率影像獲取方法探討[J];電子技術(shù);2013年12期
5 余婧峰;;基于決策樹的遙感影像土地利用類型識別研究[J];測繪;2012年06期
6 徐冉冉;李文斌;李朝鋒;;支持向量機(jī)在遙感圖像分類中的應(yīng)用研究綜述[J];電腦知識與技術(shù);2012年18期
7 李新;劉紹民;馬明國;肖青;柳欽火;晉銳;車濤;王維真;祁元;李弘毅;朱高峰;郭建文;冉有華;聞建光;王樹果;;黑河流域生態(tài)—水文過程綜合遙感觀測聯(lián)合試驗總體設(shè)計[J];地球科學(xué)進(jìn)展;2012年05期
8 楊永民;田靜;榮媛;龍愛華;;基于遙感的黑河流域植被物候空間格局提取分析[J];遙感技術(shù)與應(yīng)用;2012年02期
9 郭廣猛;楊杰;;Google Earth在《遙感原理與方法》教學(xué)中的應(yīng)用[J];南陽師范學(xué)院學(xué)報;2011年06期
10 周偉;關(guān)鍵;張國華;;高分辨率遙感圖像感興趣目標(biāo)的提取算法[J];光電工程;2011年02期
中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條
1 韓現(xiàn)偉;大幅面可見光遙感圖像典型目標(biāo)識別關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2013年
，本文編號：1011722
本文鏈接：http://sikaile.net/guanlilunwen/gongchengguanli/1011722.html
