【摘要】：Landsat衛(wèi)星遙感圖像在環(huán)境監(jiān)測(cè)、資源勘查、災(zāi)害分析、林業(yè)調(diào)查、農(nóng)業(yè)生產(chǎn)等領(lǐng)域都有著廣泛的應(yīng)用。首先,如果觀測(cè)區(qū)域有被云層覆蓋,這樣就影響了對(duì)圖像的準(zhǔn)確判讀;其次,通過云檢測(cè)將圖像有云區(qū)域的無用數(shù)據(jù)剔除,可以大大提高衛(wèi)星數(shù)據(jù)回傳地面的帶寬利用率。因此對(duì)Landsat圖像進(jìn)行準(zhǔn)確的云檢測(cè)具有非常重要的意義。本文先分別研究并實(shí)現(xiàn)了Gabor小波和卷積神經(jīng)網(wǎng)絡(luò)在Landsat圖像云檢測(cè)中的應(yīng)用,然后融合Gabor小波和卷積神經(jīng)網(wǎng)絡(luò)提取的Landsat圖像特征,并引入KECA算法對(duì)融合后的云圖特征進(jìn)行降維,完成了降維前后的云檢測(cè)實(shí)驗(yàn)及對(duì)比分析。本文的創(chuàng)新之處在于:提出了基于卷積神經(jīng)網(wǎng)絡(luò)的Landsat圖像云檢測(cè)算法,實(shí)驗(yàn)結(jié)果表明了本文算法在檢測(cè)精度上的優(yōu)勢(shì);提出了將Gabor小波與卷積神經(jīng)網(wǎng)絡(luò)提取的云圖特征進(jìn)行融合用于云檢測(cè),并引入KECA降維算法,有效提高了云檢測(cè)的精度并降低了算法的時(shí)間復(fù)雜度。本文的主要研究?jī)?nèi)容如下:(1)研究了基于Gabor與SVM的Landsat圖像云檢測(cè)算法。在分析Gabor小波算法原理和Landsat圖像特點(diǎn)的基礎(chǔ)上,通過設(shè)置不同方向及尺度的Gabor濾波器提取了Landsat樣本圖像的160維特征;針對(duì)SVM運(yùn)算量較大的問題,引入了LSSVM分類器對(duì)提取的特征進(jìn)行分類檢測(cè),完成了Landsat圖像的云檢測(cè)實(shí)驗(yàn)。最后通過實(shí)驗(yàn)對(duì)比結(jié)果驗(yàn)證了本文算法的可行性。(2)研究并提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的Landsat圖像云檢測(cè)算法。在分析了卷積神經(jīng)網(wǎng)絡(luò)模型原理及求解的基礎(chǔ)上,通過云檢測(cè)實(shí)驗(yàn)完成了卷積神經(jīng)網(wǎng)絡(luò)中激活函數(shù),網(wǎng)絡(luò)層數(shù),卷積核個(gè)數(shù)以及感受野大小的選取,構(gòu)建了基于卷積神經(jīng)網(wǎng)絡(luò)的云檢測(cè)模型,設(shè)計(jì)了本文基于卷積神經(jīng)網(wǎng)絡(luò)的云檢測(cè)實(shí)現(xiàn)過程。最后通過實(shí)驗(yàn)結(jié)果驗(yàn)證了本文基于卷積神經(jīng)網(wǎng)絡(luò)云檢測(cè)算法的有效性。(3)為了進(jìn)一步提高云檢測(cè)效果,在前面的研究基礎(chǔ)上,提出了將Gabor小波與卷積神經(jīng)網(wǎng)絡(luò)提取的云圖特征相結(jié)合的云檢測(cè)算法。通過串行組合將兩者提取的特征融合成一個(gè)無損的新特征向量,并用LSSVM對(duì)融合后的特征進(jìn)行分類,完成了特征融合后的云檢測(cè)實(shí)驗(yàn)。之后又引入KECA算法對(duì)融合后的特征向量進(jìn)行了降維優(yōu)化,并用LSSVM對(duì)降維后的圖像特征進(jìn)行分類檢測(cè)。實(shí)驗(yàn)對(duì)比結(jié)果表明本文算法可以有效提高云檢測(cè)精度并降低算法的時(shí)間復(fù)雜度。
【圖文】：

確保了對(duì)全球范圍內(nèi)的長(zhǎng)期連續(xù)觀測(cè)，這顆衛(wèi)星上搭載了制圖儀（Enhanced Thematic Mapper，ETM+），這個(gè)傳感器通過式來獲取圖像數(shù)據(jù)，衛(wèi)星的獲取圖像的波段數(shù)和空間分辨率相比較大的提升。2003 年 5 月，Landsat7 ETM+ 機(jī)載掃描行inesCorrector，簡(jiǎn)稱 SLC) 突然發(fā)生故障，造成這個(gè)時(shí)間之后 Land據(jù)出現(xiàn)異常，，需要通過 SLC-off 模型進(jìn)行校正。13 年，美國(guó)成功發(fā)射了第四代陸地衛(wèi)星 Landsat-8，為 Landsat 系新鮮血液。衛(wèi)星搭載了陸地成像儀（Operational Land Imager，OL感器（Thermal Infrared Sensor，TIRS）。其中 OLI 成像儀包括了傳感器的所有波段，主要變化是新增了兩個(gè)波段：氣溶膠波段(b0.453 μm)，可以用來觀測(cè)海岸，短波紅外波段(band 9；1.360 1.390進(jìn)行云檢測(cè)。Landsat-8 由于其圖像數(shù)據(jù)質(zhì)量比較高，并且和上一保存了連續(xù)性，從發(fā)射至今，已經(jīng)成為了中國(guó)衛(wèi)星遙感地面站的[28]。

下墊面分類特征空間，把待識(shí)別的點(diǎn)和特征空間中的點(diǎn)一一映射云與下墊面特征屬性的差異，通過分類器對(duì)特征空間進(jìn)行劃分，目標(biāo)點(diǎn)的相對(duì)位置來進(jìn)行對(duì)象的分類與識(shí)別，圖 1-2 中 x(1)和 x(2)。
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 柳欣;耿佳佳;鐘必能;杜吉祥;;多生物特征融合發(fā)展現(xiàn)狀及其展望[J];小型微型計(jì)算機(jī)系統(tǒng);2017年08期

2 孫興華,郭麗,王正群,楊靜宇;商標(biāo)圖像檢索中子圖像特征融合準(zhǔn)則研究[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年05期

3 宋衛(wèi)華;;基于多級(jí)別特征融合的醫(yī)學(xué)圖像檢索技術(shù)[J];南華大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

4 武冰;周石琳;林勇強(qiáng);商亞新;;特征融合的多時(shí)相遙感圖像道路提取方法[J];微計(jì)算機(jī)信息;2007年36期

5 黃雙萍;俞龍;衛(wèi)曉欣;;一種異質(zhì)特征融合分類算法[J];電子技術(shù)與軟件工程;2013年02期

6 種衍杰;方琰;沙濤;;基于特征融合網(wǎng)絡(luò)的行人重識(shí)別[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2019年01期

7 楊亞龍;汪明月;方潛生;;基于圖像與生理參數(shù)特征融合的情感識(shí)別方法研究[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年06期

8 林勁;;基于典型相關(guān)分析的水聲特征融合方法研究[J];中國(guó)科技信息;2014年01期

9 何冉;陳自力;劉建軍;高喜俊;;特征融合與尺度自適應(yīng)的核相關(guān)濾波目標(biāo)跟蹤[J];計(jì)算機(jī)工程與設(shè)計(jì);2019年06期

10 鐘國(guó)崇;儲(chǔ)s

本文編號(hào)：2587605