我國西南地區(qū)尤其是四川省境內(nèi),地質災害頻發(fā),嚴重威脅著人民的生命財產(chǎn)安全。一旦發(fā)生地質災害,一般通過地調(diào)人員進入災區(qū)實地勘探或通過遙感影像進行目視解譯來了解災害災情,雖然可以掌握詳細的災情數(shù)據(jù),但是因耗時費力、威脅地調(diào)人員人身安全、專業(yè)素質要求高等諸多缺點而無法滿足防災減災的工作要求。隨著圖像處理技術和計算機軟硬件的不斷發(fā)展,遙感影像智能解譯因其高效快速、操作簡單等優(yōu)點而得到人們的廣泛關注,其中以卷積神經(jīng)網(wǎng)絡技術最為突出。它的應用需要大量的訓練樣本作為數(shù)據(jù)基礎,但目前為止并沒有一個地質災害遙感影像樣本庫。為了使得卷積神經(jīng)網(wǎng)絡技術更好地應用在遙感影像地質災害信息提取中,本文旨在構建一個科學、實用的地質災害遙感影像樣本庫。基于此,本文具體的研究內(nèi)容及相應的成果如下:(1)設計了一套地質災害遙感影像樣本庫的分類體系。通過分析主要地質災害類型泥石流和滑坡在遙感影像上的解譯標志和目前已存在的土地分類體系的優(yōu)缺點,并結合本文研究區(qū)域的特點和研究目的,設計了一個三級類體系,具體包括地質災害區(qū)和非地質災害區(qū)2個一級類,滑坡、泥石流、水域、植被、耕地、建設用地和裸地共7個二級類,河流、水田、林地、住宅用地...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

圖1-3 UC Merced Land-Use Data Set的部分樣本

UCMercedLand-UseDataSet由2100幅航空正射影像組成,分為農(nóng)田、活動房屋公園、飛機、儲油罐、棒球場、沙灘、稀疏住宅區(qū)、建筑物、灌叢林、跑道、密集住宅、森林、河流、高速公路、高爾夫球場、停車場、港口、十字路口、天橋、中等密集住宅區(qū)、網(wǎng)球場等21個土地利....

圖1-4 WHU-RS19 Data Set的部分樣本

WHU-RS19DataSet來源于谷歌影像,被裁剪成像素大小為600×600,包含紅綠藍三個波段,空間分辨率為0.5m。這個數(shù)據(jù)集目前已經(jīng)更新至第三版。第一版包含機場、工業(yè)區(qū)、橋梁、河流、居住區(qū)、港口、森林、草甸、高架橋、池塘、停車場、商業(yè)區(qū)共12個場景類別,每一類包含50....

圖1-5 Brazilian Coffee Scene Dataset的部分樣本

BrazilianCoffeeSceneDataset僅有兩種地物類別:咖啡地和非咖啡地。每一類都包含1438個像素大小為64×64的影像切片,這些影像切片裁剪于覆蓋米納斯吉拉斯州四個縣(阿塞博戈、瓜拉內(nèi)斯亞、瓜薩普和蒙特桑托)的SPOT衛(wèi)星影像。它考慮了綠、紅和近紅外波段....

圖1-6 RSSCN7 Data Set的部分樣本

RSSCN7DataSet總共包含2800幅遙感影像,由7個場景類別組成:工業(yè)區(qū)、草地、住宅區(qū)、森林、停車場、農(nóng)田和河流/湖泊。每一類都包含400個像素大小為400×400的樣本,由分別在4個不同尺度的谷歌影像上各裁剪的100幅組成,且包含紅綠藍三個波段[11]。該數(shù)據(jù)集的主....

本文編號：4028837