發(fā)布時(shí)間：2020-08-07 04:06

【摘要】：受傳感器自身參數(shù)及觀測(cè)條件的影響,云覆蓋現(xiàn)象在光學(xué)遙感影像中普遍存在,光學(xué)傳感器難以獲得無(wú)云數(shù)據(jù)。云的存在是影響傳感器成像質(zhì)量的主要因素,它嚴(yán)重制約了遙感的對(duì)地探測(cè)能力,這也將極大地影響地表和大氣參數(shù)定量反演的可靠性和精度。因此,快速準(zhǔn)確地進(jìn)行遙感影像的云識(shí)別是遙感數(shù)據(jù)預(yù)處理中必不可少的工作。傳統(tǒng)的云檢測(cè)方法多是基于物體的波譜反射差異,利用一組閾值組合,分割出云和晴空像元,對(duì)于不同的傳感器需要分別研究算法,費(fèi)時(shí)費(fèi)力。針對(duì)這一問(wèn)題,本文提出了一種高光譜數(shù)據(jù)支持的深度學(xué)習(xí)云檢測(cè)算法,該方法能夠支持多種多光譜傳感器數(shù)據(jù)的云檢測(cè)。AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)數(shù)據(jù)具有高光譜、高空間分辨率的特點(diǎn),在400-2500nm的波長(zhǎng)范圍內(nèi)有224個(gè)連續(xù)的較窄波段,能夠探測(cè)目標(biāo)的微小波譜差異�；贏VIRIS數(shù)據(jù),本文通過(guò)目視解譯,選取足夠數(shù)量的云和晴空像元構(gòu)建高光譜數(shù)據(jù)樣本庫(kù)。根據(jù)待檢測(cè)傳感器的光譜響應(yīng)函數(shù)、AVIRIS數(shù)據(jù)波段寬度等參數(shù)對(duì)高光譜像元樣本庫(kù)進(jìn)行模擬計(jì)算,得到待檢測(cè)傳感器的云和晴空地表像元庫(kù)�；贙eras深度學(xué)習(xí)框架平臺(tái),設(shè)計(jì)用于云檢測(cè)的深層的BP神經(jīng)網(wǎng)絡(luò),將模擬得到多光譜樣本數(shù)據(jù)輸入網(wǎng)絡(luò),訓(xùn)練學(xué)習(xí),得到基于光譜特性的多光譜傳感器云檢測(cè)規(guī)則。神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中,利用交叉驗(yàn)證的方法對(duì)網(wǎng)絡(luò)中的參數(shù)進(jìn)行改進(jìn)和優(yōu)化,實(shí)驗(yàn)表明,對(duì)隱層神經(jīng)元數(shù)量、batch值、dropout、momentum動(dòng)量值的優(yōu)化,能夠有效增加網(wǎng)絡(luò)模型的識(shí)別精度,提高訓(xùn)練效率,獲得較好的識(shí)別效果。馬爾科夫隨機(jī)場(chǎng)(MRF)是一種基于統(tǒng)計(jì)原理的無(wú)向圖模型,它將像素間的空間約束關(guān)系引入到圖像分割中,得到了廣泛應(yīng)用。本文基于馬爾科夫隨機(jī)場(chǎng)模型,利用迭代條件模式(ICM)算法對(duì)神經(jīng)網(wǎng)絡(luò)云檢測(cè)結(jié)果進(jìn)行優(yōu)化,去除部分云檢測(cè)的誤分漏分誤差。實(shí)驗(yàn)表明,利用統(tǒng)計(jì)信息可以降低云檢測(cè)誤差,改善檢測(cè)效果。最后,本文選用多種傳感器數(shù)據(jù),通過(guò)與人工目視解譯出的云覆蓋結(jié)果對(duì)比分析,對(duì)本文提出的云檢測(cè)算法進(jìn)行驗(yàn)證。結(jié)果表明,本算法對(duì)Landsat 8 OLI、NPP VIIRS和Terra MODIS數(shù)據(jù)都取得了較好的云檢測(cè)效果,總體精確度達(dá)到90%以上,可以滿足數(shù)據(jù)應(yīng)用對(duì)于云檢測(cè)的要求。
【學(xué)位授予單位】：山東科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP751;TP212;TP18
【圖文】：

東科技大學(xué)碩士學(xué)位論文邐緒論逡逑植被、裸土、水體、城鎮(zhèn)等典型地物的晴空像元數(shù)據(jù)庫(kù)，基于云和下墊面的逡逑譜特征差異，生成云檢測(cè)算法。該方法適用于包含４００－２５００ｎｍ波長(zhǎng)范圍的多逡逑譜傳感器數(shù)據(jù)。算法主要過(guò)程包括，高光譜數(shù)據(jù)樣本像元庫(kù)建立、多光譜數(shù)逡逑模擬、基于ＢＰ神經(jīng)網(wǎng)絡(luò)的云檢測(cè)、馬爾科夫隨機(jī)場(chǎng)結(jié)果優(yōu)化等過(guò)程。逡逑＂１．０邋卜Ｉ邐Ｉ邐Ｉ逡逑

幅寬約為１２公里。根據(jù)需求，ＡＶＩＫＩＳ還可以搭載在其它低空飛機(jī)上，以１－４逡逑米的空間分辨率采集數(shù)據(jù)。ＡＶＩＲＩＳ己經(jīng)在美國(guó)各地，加拿大，南墨西哥等北美逡逑地區(qū)飛行并獲取了大量數(shù)據(jù)，圖２－１是ＡＶＩＲＬＳ數(shù)據(jù)的區(qū)域覆蓋圖。逡逑ＡＶＩＲＩＳ數(shù)據(jù)不僅為地球遙感在太陽(yáng)在反射波段的研宄提供了研宄基礎(chǔ)，而逡逑且在生態(tài)環(huán)境、大氣成分、地質(zhì)科學(xué)等眾多科研領(lǐng)域發(fā)揮著不可替代的作用，逡逑其涉及的應(yīng)用研究范圍包括：大氣成分、生態(tài)學(xué)、土壤和地質(zhì)學(xué)、水質(zhì)、冰雪逡逑水文以及遙感衛(wèi)星的校準(zhǔn)、建模、算法的研發(fā)及驗(yàn)證等１＾１。逡逑７逡逑

邐數(shù)據(jù)模擬逡逑為了對(duì)數(shù)據(jù)模擬效果進(jìn)行驗(yàn)證，本文選取同一地區(qū)相同時(shí)相的Ｌａｎｄｓａｔ８邋ＯＬＩ逡逑和ＡＶＩＲ１Ｓ數(shù)據(jù)，對(duì)比分析原始數(shù)據(jù)與模擬數(shù)據(jù)。圖２．４中兩圖分別為為ＬａｎｄｓａｔＳ逡逑ＯＬＩ原始數(shù)據(jù)（ａ）和ＡＶＩＲＩＳ模擬數(shù)據(jù)（ｂ）的標(biāo)準(zhǔn)假彩色合成圖，這一區(qū)域包逡逑括城鎮(zhèn)、植被、水體等多種典型地表類型。從對(duì)比圖我們可以看出，模擬圖和逡逑原始數(shù)據(jù)具有較好的一致性。逡逑＾W逡逑（ａ）邐（ｂ）逡逑圖２．３Ｌａｎｄｓａｔ８邋ＯＬＩ原始影像與模擬影像標(biāo)準(zhǔn)假彩色對(duì)比逡逑Ｆｉｇ．邋２．３邋Ｃｏｎｔｒａｓｔ邋ｏｆ邋ｓｔａｎｄａｒｄ邋ｆａｌｓｅ邋ｃｏｌｏｒ邋ｏｆ邋Ｌａｎｄｓａｔ８邋ＯＬＩ邋ｏｒｉｇｉｎａｌ邋ｉｍａｇｅ邋ａｎｄ邋ｔｈｅ邋ｓｉｍｕｌａｔｅｄ邋ｉｍａｇｅ．逡逑在模擬圖像中分別選取典型地表中的水體（右圖點(diǎn)Ａ）、植被（右圖點(diǎn)Ｂ）逡逑和建筑（右圖點(diǎn)Ｃ），與原始數(shù)據(jù)中同一區(qū)域的像元波譜特性進(jìn)行比較可知，三逡逑種地物的在兩圖像中具有相似的波譜曲線。圖２．５中圖（ａ）、（ｂ）和（ｃ）分別逡逑為水體、植被和建筑的波譜曲線對(duì)比，從圖中可以看出，模擬圖像的波譜反射逡逑曲線與Ｌａｎｄｓａｔ８邋０ＬＩ數(shù)據(jù)相似，可以表現(xiàn)地物的波譜特征，模擬數(shù)據(jù)各波段的逡逑反射率均略低于實(shí)際的ＬａｎｄｓａｔＳ邋ＯＬＩ數(shù)據(jù)，其中建筑物的反射差異最大，在可逡逑見(jiàn)光波段范圍大約相差０．０２。綜合分析可知，模擬數(shù)據(jù)和原始數(shù)據(jù)具有較好的逡逑一致性

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 栗榮賀;;遙感圖像處理軟件在文物高光譜數(shù)據(jù)分析中的應(yīng)用[J];遼寧省博物館館刊;2016年00期

2 王祥濤;馮燕;陳武;;基于改進(jìn)獨(dú)立分量分析的高光譜數(shù)據(jù)分類研究[J];計(jì)算機(jī)仿真;2009年11期

3 葉加青;康婧;;深度置信網(wǎng)絡(luò)環(huán)境下高光譜數(shù)據(jù)降維方法仿真[J];計(jì)算機(jī)仿真;2019年06期

4 蔡輝;李娜;趙慧潔;;基于本征模函數(shù)的高光譜數(shù)據(jù)特征提取方法[J];紅外與激光工程;2013年12期

5 李娜;趙慧潔;;高光譜數(shù)據(jù)非監(jiān)督分類的改進(jìn)獨(dú)立成分分析方法[J];國(guó)土資源遙感;2011年02期

6 張雄飛,張兵,張霞,鄭蘭芬,童慶禧;高光譜數(shù)據(jù)在數(shù)據(jù)庫(kù)中的高效存儲(chǔ)技術(shù)研究[J];遙感學(xué)報(bào);2004年05期

7 褚西鵬;葛宏立;陳柯萍;;基于小波包變換的葉片高光譜數(shù)據(jù)的樹(shù)種分類[J];光譜實(shí)驗(yàn)室;2012年05期

8 陳爾學(xué);李增元;譚炳香;梁毓照;張則路;;高光譜數(shù)據(jù)森林類型統(tǒng)計(jì)模式識(shí)別方法比較評(píng)價(jià)[J];林業(yè)科學(xué);2007年01期

9 呂紀(jì)榮;;基于小波分析和數(shù)學(xué)形態(tài)學(xué)相融合的高光譜數(shù)據(jù)去噪[J];激光雜志;2018年06期

10 王祥濤;馮燕;吳政;;高光譜數(shù)據(jù)分類新方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年10期

相關(guān)會(huì)議論文 前10條

1 郭宇龍;李云梅;;環(huán)境1號(hào)衛(wèi)星高光譜數(shù)據(jù)重建及其精度分析[A];第十七屆中國(guó)環(huán)境遙感應(yīng)用技術(shù)論壇論文集[C];2013年

2 郭宇龍;李云梅;;環(huán)境一號(hào)衛(wèi)星高光譜數(shù)據(jù)重建及其精度分析[A];第十六屆中國(guó)環(huán)境遙感應(yīng)用技術(shù)論壇論文集[C];2012年

3 李云梅;蔣建軍;韋玉春;;利用地面實(shí)測(cè)高光譜數(shù)據(jù)評(píng)價(jià)太湖富營(yíng)養(yǎng)化狀態(tài)[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

4 曹揚(yáng);胡榮;金彬;張佩;;一種準(zhǔn)確快速的高光譜數(shù)據(jù)光譜混合分析方法[A];第二屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2013年

5 楊仁忠;馬利春;石璐;王欣;;基于GPU的高光譜數(shù)據(jù)實(shí)時(shí)處理平臺(tái)結(jié)構(gòu)設(shè)計(jì)與分析[A];第二十五屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)摘要集[C];2012年

6 董廣軍;;PHI高光譜數(shù)據(jù)光譜重建及城市分類應(yīng)用研究[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

7 楊浩;柳炳利;張二喜;郭科;;基于奇異值分解的巖心高光譜數(shù)據(jù)降噪研究[A];第十五屆全國(guó)數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)研討會(huì)論文集[C];2016年

8 李英杰;薛勇;光潔;何興偉;梅林露;王穎;徐慧;艾建文;;環(huán)境小衛(wèi)星高光譜數(shù)據(jù)在氣溶膠定量反演及沙塵監(jiān)測(cè)中的應(yīng)用初探[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

9 張晟

本文編號(hào)：2783455