發(fā)布時間：2017-07-02 10:04

  本文關(guān)鍵詞：基于高分遙感影像的災(zāi)害目標(biāo)自動分類技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：我國幅員遼闊,是自然災(zāi)害多發(fā)國家,災(zāi)害的發(fā)生給國家和人民造成了重大損失。遙感技術(shù)能夠?qū)?zāi)區(qū)進(jìn)行大面積同步觀測,所得數(shù)據(jù)客觀真實且具有時效性,可以很好的應(yīng)用到災(zāi)情評估及災(zāi)后救援過程中。在災(zāi)后通過遙感影像分類技術(shù)快速提取災(zāi)害目標(biāo),并對救援工作進(jìn)行指導(dǎo),將有效提高救援效率,減少人員傷亡及財產(chǎn)損失。利用傳統(tǒng)的目視解譯方式進(jìn)行影像分類,其解譯速度較慢,不能滿足災(zāi)害發(fā)生后快速獲得分類信息產(chǎn)品的需求。隨著科技的發(fā)展,越來越多具有高空間分辨率和高時間分辨率的遙感影像可供應(yīng)用,結(jié)合災(zāi)情評估應(yīng)用需求,本研究基于高分辨率影像數(shù)據(jù),以災(zāi)害目標(biāo)特征庫為基礎(chǔ),實現(xiàn)災(zāi)害目標(biāo)自動分類,最終為災(zāi)情快速評估應(yīng)用服務(wù)。本文的研究內(nèi)容主要包括:(1)災(zāi)害目標(biāo)特征庫的研究�；诓煌匀粸�(zāi)害特點(diǎn)以及災(zāi)情評估應(yīng)用需求,建立了自然災(zāi)害分類體系(地物分類類別),并依此設(shè)計了面向災(zāi)情評估應(yīng)用的災(zāi)害目標(biāo)特征庫,以便有效存儲歷史災(zāi)害信息,使其可以作為先驗知識更好的服務(wù)于災(zāi)情評估及災(zāi)后救援過程。詳細(xì)論述了災(zāi)害目標(biāo)特征庫的總體框架以及具體的物理結(jié)構(gòu),同時分析研究了特征信息的提取過程。(2)樣本自動選擇算法的研究�；跒�(zāi)害目標(biāo)特征庫結(jié)構(gòu),提出了一種樣本自動選擇算法,其包含樣本初選及樣本修正兩個環(huán)節(jié)。詳細(xì)研究了算法的實現(xiàn)流程,并對時空臨近規(guī)則以及遙感影像變化檢測技術(shù)、地物波譜特征等進(jìn)行分析,同時通過實驗對樣本自動選擇算法進(jìn)行了驗證,證明其可以有效提高分類效率。(3)特征優(yōu)選及分類算法的研究。在實現(xiàn)樣本自動選擇的基礎(chǔ)上,重點(diǎn)對mRMR特征優(yōu)選算法進(jìn)行研究,結(jié)合mRMR算法的基本原理,采用3種計算方法實現(xiàn)mRMR特征優(yōu)選流程,并利用C5.0決策樹及K近鄰兩種監(jiān)督分類算法基于特征優(yōu)選結(jié)果進(jìn)行影像分類實驗,同時將主成分分析方法與mRMR特征優(yōu)選算法進(jìn)行對比。通過實驗證明了mRMR算法對影像分類過程的優(yōu)化效果。(4)災(zāi)情快速評估模型的建立與應(yīng)用示范�；谡撐膶�(zāi)害目標(biāo)自動分類技術(shù)的研究分析,在文章的最后以地震災(zāi)害為例進(jìn)行災(zāi)情評估應(yīng)用示范。結(jié)合地震災(zāi)害的特點(diǎn),研究并建立了地震災(zāi)情快速評估模型,同時利用云南魯?shù)榈卣馂?zāi)后無人機(jī)影像數(shù)據(jù)進(jìn)行災(zāi)情快速評估實驗,得到的建筑物倒損率、地震烈度、建筑物倒損面積等評估產(chǎn)品均較為準(zhǔn)確,由此證明了模型的有效性。
【關(guān)鍵詞】：高分辨率遙感 災(zāi)害目標(biāo)特征庫 樣本自動選擇 特征優(yōu)選 地震災(zāi)情快速評估
【學(xué)位授予單位】：中國地質(zhì)大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：X43;P237
【目錄】：

• 摘要5-6
• Abstract6-14
• 第1章 緒論14-23
• 1.1 研究背景與意義14-16
• 1.1.1 研究背景14-15
• 1.1.2 研究意義15-16
• 1.2 國內(nèi)外研究現(xiàn)狀及分析16-19
• 1.2.1 高分遙感影像應(yīng)用研究現(xiàn)狀及分析16-17
• 1.2.2 遙感影像自動分類研究現(xiàn)狀及分析17-18
• 1.2.3 災(zāi)情評估研究現(xiàn)狀及分析18-19
• 1.3 研究內(nèi)容及章節(jié)安排19-23
• 1.3.1 主要研究內(nèi)容19-20
• 1.3.2 論文章節(jié)安排20-23
• 第2章 災(zāi)害目標(biāo)特征庫研究23-44
• 2.1 自然災(zāi)害特點(diǎn)23-28
• 2.1.1 地震災(zāi)害23-25
• 2.1.2 洪澇災(zāi)害25-26
• 2.1.3 滑坡/泥石流災(zāi)害26
• 2.1.4 雪災(zāi)26-28
• 2.1.5 旱災(zāi)28
• 2.2 災(zāi)害目標(biāo)特征庫結(jié)構(gòu)分析28-33
• 2.2.1 自然災(zāi)害分類體系28-29
• 2.2.2 災(zāi)害目標(biāo)特征庫總體結(jié)構(gòu)29-30
• 2.2.3 災(zāi)害目標(biāo)特征庫物理結(jié)構(gòu)30-33
• 2.3 災(zāi)害目標(biāo)特征信息提取方法33-42
• 2.3.1 高分遙感數(shù)據(jù)34-38
• 2.3.2 影像分割38-39
• 2.3.3 特征信息提取39-42
• 2.4 本章小結(jié)42-44
• 第3章 樣本自動選擇算法研究44-62
• 3.1 樣本初選44-50
• 3.1.1 樣本初選流程44-45
• 3.1.2 基于災(zāi)害目標(biāo)特征庫的樣本表索引45-47
• 3.1.3 基于時空臨近規(guī)則的樣本選取47-50
• 3.2 樣本修正50-53
• 3.2.1 樣本修正流程50-52
• 3.2.2 遙感影像變化檢測52-53
• 3.2.3 地物波譜特征檢測53
• 3.3 樣本自動選擇實驗與結(jié)果分析53-61
• 3.3.1 數(shù)據(jù)準(zhǔn)備54-55
• 3.3.2 實驗過程與結(jié)果55-59
• 3.3.3 結(jié)果分析59-60
• 3.3.4 實驗小結(jié)60-61
• 3.4 本章小結(jié)61-62
• 第4章 特征優(yōu)選與分類算法研究62-81
• 4.1 特征優(yōu)選62-68
• 4.1.1 m RMR算法基本原理63-65
• 4.1.2 m RMR算法計算方法65-68
• 4.2 遙感影像監(jiān)督分類方法68-71
• 4.2.1 C5.0 決策樹68-69
• 4.2.2 K近鄰69-71
• 4.3 特征優(yōu)選與影像分類實驗及結(jié)果分析71-80
• 4.3.1 數(shù)據(jù)準(zhǔn)備71-73
• 4.3.2 實驗過程與結(jié)果73-76
• 4.3.3 結(jié)果分析76-78
• 4.3.4 對比討論78-79
• 4.3.5 實驗小結(jié)79-80
• 4.4 本章小結(jié)80-81
• 第5章 災(zāi)情快速評估模型建立與實驗分析81-93
• 5.1 地震災(zāi)情快速評估模型81-83
• 5.2 地震災(zāi)情快速評估實驗與結(jié)果分析83-92
• 5.2.1 數(shù)據(jù)準(zhǔn)備83-85
• 5.2.2 實驗過程與結(jié)果85-90
• 5.2.3 結(jié)果分析90-91
• 5.2.4 實驗小結(jié)91-92
• 5.3 本章小結(jié)92-93
• 第6章 總結(jié)與展望93-96
• 6.1 論文總結(jié)與主要創(chuàng)新點(diǎn)93-94
• 6.2 研究展望94-96
• 致謝96-98
• 參考文獻(xiàn)98-105
• 附錄：攻讀學(xué)位期間參與項目與所取得成果105

  本文關(guān)鍵詞：基于高分遙感影像的災(zāi)害目標(biāo)自動分類技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：509421