【摘要】：陸地地表水體是江、河、湖的總稱,它是被水覆蓋地段的自然綜合體,更是自然萬物和人類文明的搖籃。但是,自從人類文明進入工業(yè)化階段,一些超負荷甚至是破壞性的開發(fā)使地表水體滿目瘡痍。地表水體變遷越發(fā)頻繁,有效地對水體變遷進行監(jiān)測是對水資源進行高效開發(fā)利用的前提條件。伴隨著遙感技術(shù)的快速發(fā)展,空間遙感平臺提供的高分辨率圖像信息日漸豐富,其中地表水體的空間與光譜信息占據(jù)著重要的組成部分。遙感影像攜帶的豐富的地表水體數(shù)據(jù)為地表水體變遷的監(jiān)測打下了堅實基礎(chǔ),但是豐富的數(shù)據(jù)量并不能直接被使用,需要人為提取有效信息進行高效的分析量化。本文將地表水體變遷作為研究目標,目的是對給定的同一地區(qū)不同時刻的遙感影像通過算法標定變化狀態(tài)。傳統(tǒng)的分割變化檢測采用地物的分布、形狀、結(jié)構(gòu)、紋理、色調(diào)等特征,在處理單一場景時表現(xiàn)較好,但是當?shù)匚镄畔⒎彪s或者影像分辨率高時算法性能會受到影響,且傳統(tǒng)的閾值由人為實驗檢測設(shè)定,算法魯棒性較低。為了解決此問題,本文以超像素作為基本分析單元,使用機器學習算法構(gòu)建多個非線性變換組合的深度學習模型對超像素內(nèi)在的高級抽象特征進行建模,以提高圖像分割的準確率與魯棒性。論文主要內(nèi)容如下:(1)獲取多個同一地區(qū)不同時間段的遙感影像并進行幾何校正,然后采用面向?qū)ο蟮姆椒ㄊ褂胑Cognition軟件標注影像獲取基準值(Ground truth)。(2)針對傳統(tǒng)閾值分割方法無法有效地分割高背景復(fù)雜度的遙感影像,本文提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的水體變遷分割方法,該方法在Unet網(wǎng)絡(luò)構(gòu)架的基礎(chǔ)上優(yōu)化并改進為D-Unet(Deep-Unet)與DS-Unet(Deep Separable-Unet),可以從遙感影像中精確地提取水體信息,為后續(xù)的地表水體變遷研究以及水域面積測算打下堅實基礎(chǔ)。(3)針對深度卷積神經(jīng)網(wǎng)絡(luò)進行粗分割存在邊界不平滑和像素點定位不準確等問題,使用全連接條件隨機場對粗分割結(jié)果進行細化處理達到更加精細準確的結(jié)果。(4)針對遙感影像的特點提出了地表水體面積測算與水體遷移可視化方法。(5)本文針對數(shù)據(jù)集所采集的基準數(shù)據(jù)測試了方法的有效性,DS-Unet獲得了88.74%的平均分割準確率,并在Intel Core i7(2.2 GHz)下達到15s處理1幅6000*6000px遙感影像的分割速度;D-Unet可以達到91.59%的平均分割準確率以及在Intel Core i7(2.2 GHz)下45s處理1幅6000*6000px遙感影像的分割速度;在使用全連接條件隨機場優(yōu)化后使得分割結(jié)果更加細致,在Intel Core i7(2.2 GHz)下處理的平均時間為166s,環(huán)境噪聲的魯棒性提高,分割邊緣的光滑度更高,是一種有效的水體提取方法。本文最后提出基于像素的地表水體面積測算與地表水體變遷可視化方法在實驗中被證明是一種良好的測算方法,取得了良好的展示效果。
【圖文】：

這些數(shù)據(jù)集來自日常人類視角的生地球觀測數(shù)據(jù)，研究區(qū)域是重慶市沙坪慶市政府批準建設(shè)以后，大學城校區(qū)，主要體現(xiàn)在建筑與道路用地的增多，，生態(tài)環(huán)境增建許多人造水體，使地表環(huán)境的變化與地表水資源空間分布變可以為氣候環(huán)境和生態(tài)環(huán)境的研究與整提取方法，能夠為水資源保護與合理持，這不僅是是當今學術(shù)界關(guān)注的焦點理念。狀機器學習領(lǐng)域的新興分支，是整個人系如圖 1.1 所示。

圖 1.2 機器學習：一種新的編程范式習的一個分支：這是從數(shù)據(jù)中學習學習，這些層對應(yīng)越來越有意義的續(xù)的表示層，而不是利用這種方法由數(shù)十個甚至上百個連續(xù)的表示層的。相比之下，其他機器學習方法往法也被稱為淺層學習（shallow lear Dan Ciresan 開始使用 GPU 訓練的學習首次應(yīng)用于計算機視覺領(lǐng)域。賽 ImageNet，參賽者需要將 140 萬。2011 年，獲勝模型基于傳統(tǒng)的計 2012 年，由 Alex Krizhevsky 帶領(lǐng)法實現(xiàn)了 83.6%的 top-5 精度。從那導。到 2015 年，獲勝者的精度達到
【學位授予單位】：重慶師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP751;P332

【相似文獻】

相關(guān)期刊論文 前10條

1 于德浩;龍凡;鄧正棟;王大慶;;基于遙感特征指數(shù)的地表水體自動提取技術(shù)研究[J];地球物理學進展;2009年02期

2 張永吉;;大氣中痕量有機物對地表水體的非點源污染[J];環(huán)境污染與防治;1987年06期

3 李文蘋;王旭紅;李天文;毛文婷;姚磊;;黃河流域內(nèi)陸地表水體提取方法研究[J];水土保持通報;2017年02期

4 胡德勝;;中哈跨界地表水體生態(tài)環(huán)境的保護合作[J];中華環(huán)境;2018年05期

5 葉洪嶺;;河北省邯鄲市地表水體景觀規(guī)劃淺析[J];環(huán)境科學與管理;2007年11期

6 陳民友;W值法評價地表水體污染狀況的應(yīng)用與探討[J];黃金;1996年08期

7 于澤河;;不可忽視的“地表水體”平衡[J];吉林廣播電視大學學報;1995年Z1期

8 張佩云;王凱;王戈飛;梁櫪文;張世強;;毛烏素沙地中部地表水體1999-2015時空動態(tài)變化特征及驅(qū)動分析[J];干旱區(qū)地理;2017年03期

9 段金龍;張學雷;;區(qū)域地表水體、歸一化植被指數(shù)與熱環(huán)境多樣性格局的關(guān)聯(lián)分析[J];應(yīng)用生態(tài)學報;2012年10期

10 王偉杰;柯涌潮;;地表水體污染評價的一種方法——W值分級法[J];環(huán)境保護;1982年01期

相關(guān)會議論文 前10條

1 劉波;崔莉鳳;;北京市城區(qū)地表水體富營養(yǎng)化關(guān)鍵影響因素研究[A];2008中國環(huán)境科學學會學術(shù)年會優(yōu)秀論文集（中卷）[C];2008年

2 李霞;于德浩;楊清雷;龍凡;徐興宇;劉金龍;;基于SPOT數(shù)據(jù)的地表水體提取方法適用性研究[A];國家安全地球物理叢書（十二）——地球物理與信息感知[C];2016年

3 王南江;張立爭;李衛(wèi)東;;淮河流域非點源污染治理對策研究[A];青年治淮論壇論文集[C];2005年

4 王文濤;花修藝;董德明;趙蘊珠;梁大鵬;;松花江吉林省江段部分沉積物中汞的分布特征[A];第五屆全國環(huán)境化學大會摘要集[C];2009年

5 蘭雅莉;;石家莊區(qū)域生態(tài)環(huán)境簡述[A];2012中國環(huán)境科學學會學術(shù)年會論文集（第四卷）[C];2012年

6 莫偉華;黃永t

本文編號：2638497