本文選題：在線分類　切入點(diǎn)：Web　出處：《中國(guó)礦業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：高分辨率遙感衛(wèi)星的出現(xiàn),使得遙感影像的應(yīng)用越來(lái)越廣泛,在農(nóng)業(yè)、林業(yè)、牧業(yè)、國(guó)土、水利、環(huán)境、測(cè)繪、交通、災(zāi)害、氣象、城鄉(xiāng)建設(shè)等行業(yè)領(lǐng)域都發(fā)揮了重要作用。傳統(tǒng)的遙感影像處理分析是通過(guò)專業(yè)人員在單機(jī)上實(shí)現(xiàn)的,隨著網(wǎng)絡(luò)技術(shù)的高速發(fā)展,如何以Web的方式向用戶提供遙感數(shù)據(jù)的社會(huì)化服務(wù)成為一個(gè)研究的熱點(diǎn)問題。本文就高分辨率遙感影像在線分類技術(shù)框架以及信息分析結(jié)果可視化實(shí)現(xiàn)展開研究,通過(guò)整合遙感數(shù)據(jù)處理算法及處理工具資源進(jìn)行系統(tǒng)集成,并利用Web Service技術(shù)提供標(biāo)準(zhǔn)服務(wù),提出了基于Web服務(wù)的影像在線分類技術(shù)的解決方案。論文具體的研究工作主要有:(1)詳細(xì)地介紹了遙感影像在線服務(wù)的技術(shù)基礎(chǔ)以及服務(wù)開發(fā)模式,利用ENVI Services Engine將自定義的專業(yè)遙感影像計(jì)算分析算法模型發(fā)布成標(biāo)準(zhǔn)REST服務(wù)供客戶端調(diào)用,設(shè)計(jì)并實(shí)現(xiàn)了高分辨率遙感影像在線分類系統(tǒng),提供給用戶一種在線的、實(shí)時(shí)的、方便的專業(yè)化服務(wù)資源。(2)針對(duì)遙感數(shù)據(jù)在線服務(wù)出現(xiàn)的問題,提出了一種針對(duì)大數(shù)據(jù)量矢量在線快速加載的解決方案。結(jié)合Geo JSON技術(shù)實(shí)現(xiàn)了矢量輕量級(jí)存儲(chǔ)及傳輸,通過(guò)網(wǎng)格化矢量顯示區(qū)域,實(shí)現(xiàn)了矢量數(shù)據(jù)的按需顯示,大大減少了矢量數(shù)據(jù)加載及渲染的時(shí)間,有效地解決了大數(shù)據(jù)量矢量繪制可能導(dǎo)致的瀏覽器崩潰的問題,并利用異步加載策略來(lái)增強(qiáng)用戶的體驗(yàn)。(3)提出了一種基于多分類器混聯(lián)模型的遙感影像分類算法。根據(jù)樣本在整體最優(yōu)分類器的表現(xiàn)情況調(diào)整類別最優(yōu)分類器的級(jí)聯(lián)順序,完成自適應(yīng)級(jí)聯(lián)模型的構(gòu)建;對(duì)于級(jí)聯(lián)模型拒識(shí)的樣本,利用改進(jìn)的貝葉斯平均融合規(guī)則進(jìn)行二次決策,輸出最終分類結(jié)果。實(shí)驗(yàn)證明,本文方法能夠有效地識(shí)別高分辨率遙感影像地物類別。
[Abstract]:The appearance of high-resolution remote sensing satellite makes the application of remote sensing image more and more extensive, in agriculture, forestry, animal husbandry, land, water conservancy, environment, mapping, transportation, disaster, meteorology, Traditional remote sensing image processing and analysis are realized on a single computer by professionals. With the rapid development of network technology, the traditional remote sensing image processing and analysis has played an important role in the field of urban and rural construction. How to provide users with social services of remote sensing data by Web has become a hot issue. This paper studies the technical framework of online classification of high-resolution remote sensing images and the realization of visualization of information analysis results. Through the integration of remote sensing data processing algorithms and processing tools resources, and the use of Web Service technology to provide standard services, This paper puts forward the solution of image online classification technology based on Web service. The main research work in this paper is: 1) the technical foundation and service development mode of remote sensing image online service are introduced in detail. Using ENVI Services Engine, the professional remote sensing image calculation and analysis algorithm model is published as a standard REST service for client to call. A high resolution remote sensing image online classification system is designed and implemented, which provides users with an online and real-time remote sensing image classification system. Aiming at the problems of remote sensing data online service, this paper puts forward a solution for fast loading of large data vector online, and combines Geo JSON technology to realize vector lightweight storage and transmission. Through gridding vector display area, vector data display on demand is realized, the time of vector data loading and rendering is greatly reduced, and the problem of browser crash caused by vector rendering with large amount of data is effectively solved. An algorithm of remote sensing image classification based on multi-classifier hybrid model is proposed by using asynchronous loading strategy to enhance the user's experience. The cascade order of class optimal classifier is adjusted according to the performance of the sample in the overall optimal classifier. The adaptive cascade model is constructed, and the improved Bayesian average fusion rule is used to make the quadratic decision for the rejected samples of the cascade model, and the final classification results are outputted. The method in this paper can effectively identify the ground objects in high resolution remote sensing images.
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP751;TP393.09

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣興偉;林明森;張有廣;;中國(guó)海洋衛(wèi)星及應(yīng)用進(jìn)展[J];遙感學(xué)報(bào);2016年05期

2 方文;李朝奎;梁繼;胡q豪;;多分類器組合的遙感影像分類方法[J];測(cè)繪科學(xué);2016年10期

3 張輝;;基于多分類器組合的遙感土地利用分類研究[J];安徽農(nóng)業(yè)科學(xué);2015年32期

4 王更;王光輝;楊化超;;融合顏色-紋理模型的均值漂移分割算法[J];測(cè)繪科學(xué);2015年08期

5 李中元;吳炳方;GOMMES René;張淼;陳波;;農(nóng)情遙感監(jiān)測(cè)云服務(wù)平臺(tái)建設(shè)框架[J];遙感學(xué)報(bào);2015年04期

6 呂梁;胡永亮;肖云;;基于移動(dòng)互聯(lián)網(wǎng)的WebService開發(fā)設(shè)計(jì)[J];電子技術(shù)與軟件工程;2015年08期

7 楊會(huì)元;馮鐘葵;李山山;;基于Web的遙感影像在線分類實(shí)現(xiàn)技術(shù)研究[J];遙感信息;2015年01期

8 靳穎;;聚焦高分?jǐn)?shù)據(jù)政策 促進(jìn)衛(wèi)星遙感產(chǎn)業(yè)發(fā)展——第三屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)管理與政策分會(huì)召開[J];衛(wèi)星應(yīng)用;2014年12期

9 顧偉;劉文杰;朱忠浩;;基于貝葉斯多分類器融合的人臉識(shí)別算法研究[J];軟件導(dǎo)刊;2014年12期

10 楊眉;劉建軍;李雪梅;張?jiān)?;基于ArcGIS鑲嵌數(shù)據(jù)集的正射影像數(shù)據(jù)庫(kù)構(gòu)建方法初探[J];地理信息世界;2014年01期

相關(guān)碩士學(xué)位論文 前7條

1 于博文;國(guó)產(chǎn)衛(wèi)星高分一號(hào)數(shù)據(jù)幾何校正與融合研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

2 竇鵬;基于投票法的多分類器集成遙感影像分類技術(shù)[D];蘭州交通大學(xué);2014年

3 厲心剛;基于SPM特征提取的面向?qū)ο筮b感影像分類研究[D];武漢理工大學(xué);2011年

4 魏娜;基于REST架構(gòu)的Web服務(wù)的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2011年

5 楊長(zhǎng)盛;基于成對(duì)差異性度量的選擇性集成學(xué)習(xí)方法研究[D];安徽大學(xué);2010年

6 宋爽;基于地理信息Web服務(wù)的海量遙感影像分布式處理與發(fā)布[D];解放軍信息工程大學(xué);2007年

7 劉文瑤;多分類器系統(tǒng)中的組合方法及差異性度量研究[D];浙江大學(xué);2005年

，

本文編號(hào)：1567309