【摘要】：自然資源資產(chǎn)離任"非現(xiàn)場審計"需要高時效、高精度地提取典型自然資源資產(chǎn)信息,利用高分辨率影像采用面向?qū)ο蟮男畔⑻崛〖夹g(shù)是一種高效的解決方案。該解決方案首先要通過影像分割技術(shù)獲取與真實(shí)地物接近的資源對象。而現(xiàn)有的基于分形網(wǎng)絡(luò)演化算法的參數(shù)尋優(yōu)過程大多針對單一的尺度參數(shù),忽略形狀參數(shù)、緊致度參數(shù)的分割造成了一定數(shù)目的混合對象;雖然考慮了多參數(shù)的影像分割減少了混合對象的存在,但是影像中同譜異物、自然界過渡性邊緣的現(xiàn)象,造成混合對象依然存在。其次,需要針對不同類型的資源對象提取區(qū)別其他資源對象的穩(wěn)健特征。部分多云區(qū)域因平臺受限導(dǎo)致獲取的數(shù)據(jù)缺少近紅外波段數(shù)據(jù),這對植被信息精確提取造成了困難。最后,需要根據(jù)資源對象的描述特征進(jìn)行分類。多類型的資源對象帶來龐大的特征集,簡單的堆積不僅會增大計算量,而且會造成特征的冗余,降低了自然資源資產(chǎn)的提取精度。因此,研究分形網(wǎng)絡(luò)演化算法參數(shù)尋優(yōu)的策略、LiDAR點(diǎn)云特征優(yōu)化影像分割的方法、構(gòu)建有效提取植被信息的特征、選擇利于資源信息提取的最優(yōu)特征子集,成為該方案亟需解決的關(guān)鍵問題。針對解決方案中存在的問題,本文開展了如下工作:1)歸納、總結(jié)了現(xiàn)有的影像分割評價方法,針對基于分形網(wǎng)絡(luò)演化分割算法參數(shù)尋優(yōu)大多針對單一尺度參數(shù)的問題,研究基于田口方法的最優(yōu)分割參數(shù)組合確定方法,優(yōu)化了影像分割結(jié)果;2)針對單一影像數(shù)據(jù)分割結(jié)果存在混合對象的問題,研究加入LiDAR點(diǎn)云歸一化高度特征、DSM數(shù)據(jù)坡度特征參與影像分割,減少影像分割結(jié)果中混合對象的數(shù)量;3)針對因缺少近紅外波段數(shù)據(jù)導(dǎo)致無法有效提取植被的問題,提出構(gòu)建基于可見光波段的顏色植被指數(shù)TBCVI,研究基于TBCVI與已有的顏色植被指數(shù)在城區(qū)、荒地、水域、大面積陰影的城區(qū)4種不同場景的影像數(shù)據(jù)中提取植被,比較各個指數(shù)的優(yōu)劣;4)針對大量特征簡單堆積可能造成分類精度降低的問題,研究基于ReliefF和mRMR特征選擇算法選取利于資源信息提取的特征子集;針對單獨(dú)使用ReliefF或mRMR算法獲得特征子集存在分類精度驟降的問題,研究先使用ReliefF算法評價特征重要性,后使用mRMR算法剔除冗余特征的RFmRMR算法,以分類精度對比分析3種特征選擇算法獲得的特征子集優(yōu)劣;5)研究確定了基于RBF-SVM分類器的自然資源資產(chǎn)面向?qū)ο笮畔⑻崛×鞒?通過采用先精細(xì)分類、后合并的策略,得到自然資源資產(chǎn)分類精度與面積,驗(yàn)證該工程方案的可行性。研究表明:基于田口方法的分割參數(shù)尋優(yōu)可以在局部區(qū)域獲得更好的對象邊緣,加入點(diǎn)云特征進(jìn)一步減少了分割結(jié)果中混合對象的數(shù)量,使得基于分形網(wǎng)絡(luò)演化算法的影像分割結(jié)果更優(yōu);TBCVI指數(shù)可以在不同環(huán)境下有效地提取植被信息;RFmRMR算法能夠更快速指示出有利于分類的特征子集;基于高分影像和LiDAR點(diǎn)云數(shù)據(jù)高精度地提取自然資源資產(chǎn)信息的解決方案是可行的。論文研究成果對實(shí)現(xiàn)自然資源資產(chǎn)離任"非現(xiàn)場審計"具有一定的工程實(shí)用價值,對進(jìn)一步研究利用多源多尺度遙感數(shù)據(jù)輔助自然資源資產(chǎn)離任審計具有重要的參考價值。
[Abstract]:......
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 付卓;胡吉平;譚衢霖;劉正軍;;遙感應(yīng)用分析中影像分割方法[J];遙感技術(shù)與應(yīng)用;2006年05期

2 徐芳,梅文勝,張志華;航空影像分割的最小二乘支持向量機(jī)方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2005年08期

3 高偉;劉修國;彭攀;陳啟浩;;一種改進(jìn)的高分辨率遙感影像分割方法[J];地球科學(xué)(中國地質(zhì)大學(xué)學(xué)報);2010年03期

4 闞曉云;孫景振;王紅偉;;無人機(jī)影像分割尺度及地物分類研究[J];科技廣場;2013年11期

5 洪志佳;;面向?qū)ο笮畔⑻崛≈杏跋穹指顓?shù)的選擇[J];河南科技;2014年10期

6 李景文;張紫萍;郭偉立;蘇浩;羅文彬;;基于分水嶺與多尺度相結(jié)合的影像分割方法[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2012年01期

7 張煜,張祖勛,張劍清;幾何約束與影像分割相結(jié)合的快速半自動房屋提取[J];武漢測繪科技大學(xué)學(xué)報;2000年03期

8 肖奧;趙文吉;;基于最小異質(zhì)性區(qū)域生長法的多尺度城市地物影像分割[J];首都師范大學(xué)學(xué)報(自然科學(xué)版);2010年01期

9 蘇偉;李京;陳云浩;張錦水;胡德勇;劉翠敏;;基于多尺度影像分割的面向?qū)ο蟪鞘型恋馗脖环诸愌芯俊择R來西亞吉隆坡市城市中心區(qū)為例[J];遙感學(xué)報;2007年04期

10 盛慶紅;張劍清;肖暉;;基于顏色和紋理的森林影像分割方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2008年03期

相關(guān)會議論文 前1條

1 莫登奎;林輝;;一種穩(wěn)健的高分辨率遙感影像分割方法[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

相關(guān)博士學(xué)位論文 前1條

1 劉大偉;高分辨率遙感影像分割方法及應(yīng)用研究[D];長安大學(xué);2016年

相關(guān)碩士學(xué)位論文 前8條

1 張愛竹;基于智能優(yōu)化算法的高分辨率震害影像分割[D];中國石油大學(xué)(華東);2014年

2 孫傳芳;基于高分影像與LiDAR點(diǎn)云數(shù)據(jù)的自然資源資產(chǎn)信息提取方法研究[D];西南交通大學(xué);2017年

3 莆杰藝;基于異質(zhì)性最小準(zhǔn)則的基元合并影像分割方法研究[D];長安大學(xué);2013年

4 黃亮;一種融合邊緣與對象異質(zhì)性的影像分割算法[D];昆明理工大學(xué);2011年

5 袁秀華;高分辨率遙感影像分割研究[D];江西理工大學(xué);2014年

6 王博;基于高分辨率影像的改進(jìn)分水嶺算法影像分割參數(shù)優(yōu)選研究[D];蘭州大學(xué);2013年

7 呂佩育;基于影像分割的無人機(jī)影像密集匹配算法研究與實(shí)現(xiàn)[D];西安科技大學(xué);2013年

8 王剛;基于影像分割的SAR影像變化檢測技術(shù)研究[D];解放軍信息工程大學(xué);2012年

，

本文編號：2262022