【摘要】：近幾年來(lái),在遙感技術(shù)、無(wú)人機(jī)技術(shù)等技術(shù)的快速發(fā)展下,多源高分辨率的航空/衛(wèi)星影像獲取變得越來(lái)越容易,且數(shù)據(jù)體量也越來(lái)越大。在遙感大數(shù)據(jù)時(shí)代,作為遙感領(lǐng)域非常重要的研究課題—遙感影像分類及變化檢測(cè)一直是很多研究者關(guān)注的熱點(diǎn)。遙感影像分類及變化檢測(cè)在很多領(lǐng)域有著非常實(shí)用的價(jià)值,比如地理國(guó)情監(jiān)以及國(guó)土、規(guī)劃和環(huán)保等相關(guān)行業(yè)監(jiān)測(cè)數(shù)據(jù)庫(kù)的更新等都需要應(yīng)用遙感影像分類和變化檢測(cè)技術(shù)。但是,目前在相關(guān)領(lǐng)域的應(yīng)用主要還是以人工目視解譯為主。雖然面向?qū)ο笥跋穹治黾夹g(shù)已經(jīng)成為遙感影像信息提取的一個(gè)新的范式,但在面向?qū)ο笥跋穹诸惣白兓瘷z測(cè)過(guò)程中始終缺乏對(duì)地表覆蓋要素的概念化、形式化的描述,對(duì)地理要素缺乏客觀、本質(zhì)的認(rèn)識(shí);對(duì)分類知識(shí)也沒(méi)有進(jìn)行統(tǒng)一的完全的形式化的描述,且沒(méi)有實(shí)現(xiàn)相關(guān)行業(yè)分類及變化檢測(cè)知識(shí)的共享。因此,如何很好的組織遙感影像分類中的高級(jí)類別信息和底層特征信息成為當(dāng)前遙感領(lǐng)域一個(gè)重要研究課題。本文以多源遙感影像作為數(shù)據(jù)源,對(duì)遙感影像分類及變化檢測(cè)進(jìn)行了相關(guān)研究,在遙感影像分類中引入地理本體理論,借助本體可以實(shí)現(xiàn)共享概念模型明確的形式化的描述。首先,基于大數(shù)據(jù)分析技術(shù)對(duì)影像對(duì)象特征進(jìn)行了信息挖掘分析,并利用本體構(gòu)建地物特征信息圖譜。隨后,采用本體建模軟件,建立了遙感影像地表信息的概念化、形式化的表達(dá)方法,以便有效地組織和形式化影像對(duì)象分類特征以及分類規(guī)則信息,實(shí)現(xiàn)高層分類語(yǔ)義信息與底層特征信息的聯(lián)系,消除二者存在的語(yǔ)義鴻溝。最后,將地理本體分類本體知識(shí)與機(jī)器學(xué)習(xí)算法結(jié)合起來(lái)對(duì)分類方法進(jìn)行了改進(jìn)。并利用研究區(qū)遙感影像進(jìn)行了分類及變化檢測(cè)實(shí)驗(yàn),下面是本論文取得幾個(gè)重要研究成果及創(chuàng)新點(diǎn)的概述:(1)基于隨機(jī)森林的影像對(duì)象特征分析,利用隨機(jī)森林具有特征選擇的能力,對(duì)影像對(duì)象的光譜、紋理、幾何特征等進(jìn)行綜合分析,借助大數(shù)據(jù)分析預(yù)測(cè)軟件SPM(Salford Predictive Modeler)計(jì)算影像對(duì)象特征的重要程度得分、整個(gè)森林的平衡誤差、袋外數(shù)據(jù)誤差等參數(shù),然后對(duì)這些參數(shù)進(jìn)行綜合分析,實(shí)現(xiàn)分類特征的選擇,以及特征的分離閾值。并根據(jù)特征選擇的結(jié)果及特征重要性分析,構(gòu)建了影像分類規(guī)則。(2)以高空間分辨率/高光譜分辨率的航空/衛(wèi)星影像數(shù)據(jù)和LIDAR數(shù)據(jù)作為數(shù)據(jù)源,對(duì)遙感影像分類知識(shí)以概念化、形式化的方式進(jìn)行本體建模,影像分類本體模型包括影像對(duì)象特征本體模型、分類規(guī)則本體模型和地表覆蓋分類本體模型。在此基礎(chǔ)上進(jìn)而提出一種地理本體驅(qū)動(dòng)的SVM(Support Vector Machine)分類方法。與普通的SVM分類相比,該方法通過(guò)有效的將分類本體知識(shí)與SVM分類器結(jié)合起來(lái),提高了SVM分類器的分類精度。(3)在獲得高精度的分類結(jié)果基礎(chǔ)上,結(jié)合基期矢量分類數(shù)據(jù)對(duì)分類對(duì)象進(jìn)行變化檢測(cè)。得到了研究區(qū)的變化圖斑,計(jì)算了地類變化轉(zhuǎn)移矩陣,通過(guò)對(duì)轉(zhuǎn)移矩陣的分析更加直觀的了解了地類的變化流向信息。與人工變化檢測(cè)的結(jié)果相比,分類后變化檢測(cè)基本達(dá)到了人工檢測(cè)的水平,但速度要比人工檢測(cè)快。對(duì)后期相關(guān)數(shù)據(jù)庫(kù)的更新給以一定的幫助。
[Abstract]:......
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：P237

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 佃袁勇;方圣輝;姚崇懷;;多尺度分割的高分辨率遙感影像變化檢測(cè)[J];遙感學(xué)報(bào);2016年01期

2 徐俊峰;張保明;郭海濤;張宏偉;;一種多特征融合的面向?qū)ο蠖嘣催b感影像變化檢測(cè)方法[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2015年05期

3 馮文卿;張永軍;;利用多尺度融合進(jìn)行面向?qū)ο蟮倪b感影像變化檢測(cè)[J];測(cè)繪學(xué)報(bào);2015年10期

4 苗瑾花;王家耀;成毅;馬苗苗;盧建偉;;地理本體研究綜述及趨勢(shì)分析[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2014年06期

5 李亮;舒寧;王凱;龔煈;;融合多特征的遙感影像變化檢測(cè)方法[J];測(cè)繪學(xué)報(bào);2014年09期

6 李雪;舒寧;李井岡;劉小利;;基于特征貢獻(xiàn)選擇的遙感影像變化檢測(cè)方法研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年10期

7 崔巍;湯世明;李榮;姚志武;;用地理本體和相對(duì)高程識(shí)別遙感對(duì)象的方法研究[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2013年04期

8 姚登舉;楊靜;詹曉娟;;基于隨機(jī)森林的特征選擇算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2014年01期

9 周啟鳴;;多時(shí)相遙感影像變化檢測(cè)綜述[J];地理信息世界;2011年02期

10 ;Object-level change detection based on full-scale image segmentation and its application to Wenchuan Earthquake[J];Science in China(Series E:Technological Sciences);2008年S2期

相關(guān)博士學(xué)位論文 前5條

1 孫家波;基于知識(shí)的高分辨率遙感影像耕地自動(dòng)提取技術(shù)研究[D];中國(guó)農(nóng)業(yè)大學(xué);2014年

2 湯玉奇;面向?qū)ο蟮母叻直媛视跋癯鞘卸嗵卣髯兓瘷z測(cè)研究[D];武漢大學(xué);2013年

3 祝錦霞;高分辨率遙感影像變化檢測(cè)的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2011年

4 高偉;基于特征知識(shí)庫(kù)的遙感信息提取技術(shù)研究[D];中國(guó)地質(zhì)大學(xué);2010年

5 鐘家強(qiáng);基于多時(shí)相遙感圖像的變化檢測(cè)[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前3條

1 張樸;本體驅(qū)動(dòng)的黃土高原典型地貌的DEM提取方法研究[D];蘭州大學(xué);2014年

2 高麗萍;基于面向?qū)ο筮b感技術(shù)的地理本體推理研究[D];武漢理工大學(xué);2009年

3 陳啟浩;面向?qū)ο蟮亩嘣催b感數(shù)據(jù)分類技術(shù)研究與實(shí)現(xiàn)[D];中國(guó)地質(zhì)大學(xué);2007年

，

本文編號(hào)：2474436