【摘要】：森林是人類文明的搖籃,是人類生存和發(fā)展的重要保障,森林與人類活動(dòng)息息相關(guān),所以實(shí)時(shí)掌握森林資源乃至生態(tài)環(huán)境的動(dòng)態(tài)變化情況,是現(xiàn)代科學(xué)最重要的任務(wù)之一。傳統(tǒng)的林地監(jiān)測方法以地面測量為主,需要專人到達(dá)實(shí)地進(jìn)行測量,造成了工作量大、成本高、周期長等問題,而遙感技術(shù)的迅速發(fā)展使這些問題得到解決。目前常用遙感影像來監(jiān)測林地變化,監(jiān)測過程中最主要的問題是林地面積估測,因此分割出遙感影像中的林地區(qū)域成為了首要解決的問題。分割遙感圖像中林地區(qū)域的方法有很多種,其中基于聚類的方法由于其具有模糊性(同一像素可以隸屬于不同的類別),而被廣泛應(yīng)用于分割遙感圖像這種地物數(shù)據(jù)結(jié)構(gòu)復(fù)雜的圖像。本文以模糊聚類算法為主線,提出兩種分割遙感圖像中林地區(qū)域的方法。論文的主要工作如下:(1)詳細(xì)分析了傳統(tǒng)模糊C-均值聚類(Fuzzy C-means,FCM)算法以及幾種針對(duì)FCM算法本身忽略圖像空間信息造成算法對(duì)噪聲敏感的問題而提出的改進(jìn)算法:FCM_S1、FCM_S2、FLICM、NWFCM和KWFLICM,并對(duì)這幾種算法做了仿真實(shí)驗(yàn),客觀分析了各算法的優(yōu)缺點(diǎn)。(2)針對(duì)加強(qiáng)模糊C-均值聚類(Enhanced Fuzzy C-means,En FCM)算法忽略空間信息,導(dǎo)致該算法對(duì)椒鹽噪聲敏感,以至于用其分割噪聲含量較高的遙感圖像時(shí)分割效果較差的問題,提出了一種基于歐氏空間距離的加強(qiáng)模糊C-均值聚類方法。該方法通過引入歐氏空間距離到En FCM算法的線性加權(quán)和濾波圖像中,兼顧了鄰域信息和空間信息。實(shí)驗(yàn)證明,改進(jìn)后的方法在保證運(yùn)行時(shí)間未明顯增加的情況下,提高了算法抑制噪聲的能力和分割精度,利于遙感圖像中林地區(qū)域地準(zhǔn)確分割。(3)針對(duì)快速廣義模糊C-均值(FGFCM)聚類算法空間鄰域信息貢獻(xiàn)強(qiáng)度難以控制,需人為設(shè)定,且該強(qiáng)度值為全局變量以及未充分考慮噪聲分布情況的問題,提出了一種基于自適應(yīng)濾波的模糊聚類算法。該算法根據(jù)非局部噪聲強(qiáng)弱來確定局部平衡參數(shù)因子,與中值濾波圖像有效組合成新的、更為合理的濾波圖像。實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的算法有效平衡了遙感圖像中的非林地區(qū)域,提高了算法的分割精度。(4)利用本文方法分割遙感圖像中林地區(qū)域,主要過程為:增強(qiáng)遙感圖像(直方圖均衡化和Retinex增強(qiáng)方法)、利用兩種方法將遙感圖像聚為林地區(qū)域和非林地區(qū)域兩類、計(jì)算代表林地區(qū)域像素占原始圖像像素總數(shù)的百分比、該百分比和原圖比例尺結(jié)合即可計(jì)算出實(shí)際林地面積。以專家手繪圖為標(biāo)準(zhǔn),采用本文方法分割出遙感圖像中的林地區(qū)域,準(zhǔn)確度可以達(dá)到99%以上。
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙泉華;李紅瑩;李玉;;區(qū)域化模糊C均值高分辨率彩色遙感影像分割方法[J];控制與決策;2015年09期

2 Li Liu;Aolei Yang;Wenju Zhou;Xiaofeng Zhang;Minrui Fei;Xiaowei Tu;;Robust Dataset Classification Approach Based on Neighbor Searching and Kernel Fuzzy C-Means[J];IEEE/CAA Journal of Automatica Sinica;2015年03期

3 梁守真;陳勁松;吳炳方;陳工;;應(yīng)用面向?qū)ο蟮臎Q策樹模型提取橡膠林信息[J];遙感學(xué)報(bào);2015年03期

4 吉紅霞;范興旺;吳桂平;劉元波;;離散型湖泊水體提取方法精度對(duì)比分析[J];湖泊科學(xué);2015年02期

5 吳俐民;於雪琴;黃亮;;FCM聚類算法協(xié)同Canny算子的遙感影像邊緣檢測方法[J];測繪工程;2014年12期

6 MAO Kebiao;MA Ying;XIA Lang;SHEN Xinyi;SUN Zhiwen;HE Tianjue;ZHOU Guanhua;;A Neural Network Method for Monitoring Snowstorm: A Case Study in Southern China[J];Chinese Geographical Science;2014年05期

7 張磊;邵振峰;周熙然;丁霖;;聚類特征和SVM組合的高光譜影像半監(jiān)督協(xié)同分類[J];測繪學(xué)報(bào);2014年08期

8 劉曉娜;封志明;姜魯光;;基于決策樹分類的橡膠林地遙感識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2013年24期

9 張鵬林;黃麗;呂志勇;周冰;;一種改進(jìn)的空間加權(quán)模糊C均值算法在遙感影像分割中的應(yīng)用[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年07期

10 張帥;鐘燕飛;張良培;;自適應(yīng)差分進(jìn)化的遙感影像自動(dòng)模糊聚類方法[J];測繪學(xué)報(bào);2013年02期

相關(guān)博士學(xué)位論文 前1條

1 任沖;中高分辨率遙感影像森林類型精細(xì)分類與森林資源變化監(jiān)測技術(shù)研究[D];中國林業(yè)科學(xué)研究院;2016年

，

本文編號(hào)：2609114