【摘要】：梯田是人類(lèi)對(duì)自然地形改造生成的一種階梯狀坡耕地,它是一種有效的水土保持措施。由于梯田面積、塊數(shù)等分布信息不易快速獲得,使得梯田作用的定量研究難以深入展開(kāi)。隨著無(wú)人機(jī)技術(shù)的不斷發(fā)展,高精度梯田地形信息的獲取成為可能。論文基于無(wú)人機(jī)正射影像并結(jié)合坡度數(shù)據(jù),分別采用基于BP神經(jīng)網(wǎng)絡(luò)方法、SVM機(jī)器學(xué)習(xí)方法和改進(jìn)的Canny邊緣檢測(cè)方法,對(duì)梯田區(qū)進(jìn)行分割,并在最優(yōu)的分割結(jié)果上通過(guò)區(qū)域生長(zhǎng)算法對(duì)梯田區(qū)進(jìn)行田塊提取以及田塊數(shù)目、面積等信息的統(tǒng)計(jì)。主要研究?jī)?nèi)容及結(jié)果如下:(1)基于神經(jīng)網(wǎng)絡(luò)的梯田區(qū)分割方法。采用一種基于BP神經(jīng)網(wǎng)絡(luò)的梯田分割方法,對(duì)梯田進(jìn)行分割,來(lái)獲得梯田信息數(shù)據(jù)。實(shí)驗(yàn)證明,該算法對(duì)樣區(qū)2類(lèi)型的梯田分割效果優(yōu)于對(duì)樣區(qū)1類(lèi)型的梯田分割。該方法分割梯田的平均完整度和錯(cuò)誤率分別為73.78%、28.56%。(2)基于支持向量機(jī)的梯田區(qū)分割方法。以人工選點(diǎn)的方式得到可信訓(xùn)練樣本點(diǎn),將基于超像素的多核分類(lèi)(Superpixels-based Classfication via Mutilple Kernels,SC-MK)算法生成的聯(lián)合統(tǒng)一內(nèi)核作為SVM的分類(lèi)準(zhǔn)則,最后給出了實(shí)驗(yàn)樣區(qū)在SVM分割后得到的梯田結(jié)果圖,并計(jì)算其平均完整度和錯(cuò)誤率分別為83.12%和43.16%,且該方法更加適合樣區(qū)1類(lèi)型的梯田分割。(3)設(shè)計(jì)并實(shí)現(xiàn)了改進(jìn)的Canny邊緣檢測(cè)梯田區(qū)分割方法,從梯田的地形特征出發(fā),結(jié)合DEM數(shù)據(jù)和無(wú)人機(jī)影像數(shù)據(jù),實(shí)現(xiàn)對(duì)梯田區(qū)進(jìn)行分割。通過(guò)計(jì)算得出該方法的分割梯田的平均完整度和錯(cuò)誤率分別為:87.72%和11.4%,雖然該方法與SVM和BP神經(jīng)網(wǎng)絡(luò)方法相比,該方法對(duì)梯田區(qū)分割最為完整,但是該方法分割的梯田區(qū)中,梯田邊緣較為粗糙。(4)設(shè)計(jì)梯田區(qū)田塊提取方法,在梯田區(qū)分割基礎(chǔ)上,針對(duì)傳統(tǒng)方法無(wú)法進(jìn)一步獲取梯田田塊數(shù)目、面積大小等信息,提出一種基于圖形學(xué)的區(qū)域生長(zhǎng)算法對(duì)梯田田塊區(qū)域進(jìn)行填充,并統(tǒng)計(jì)出影像中含有梯田田塊數(shù)目和面積信息,再對(duì)比目視解譯的梯田田塊結(jié)果,經(jīng)實(shí)驗(yàn)驗(yàn)證,該方法提取的田塊精確度達(dá)83.57%,由于該方法最終能直接統(tǒng)計(jì)梯田區(qū)田塊數(shù)目和面積大小,這將更有利于數(shù)字化測(cè)繪制圖,是梯田提取算法的一次成功的探索。
【圖文】：

實(shí)驗(yàn)樣區(qū)Fig.2-1StudyArea

圖 2-2 二維平面中的線性可分Fig.2-2 Linear two-dimensional plane can bedivided支持向量機(jī)常將線性不可分的數(shù)據(jù)，轉(zhuǎn)分開(kāi)。on）神經(jīng)網(wǎng)絡(luò)是 D.E.Rumelhart 和 J.L.Mc來(lái)的，其網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單，算法成熟，且具行圖像匹配是當(dāng)前研究的一個(gè)重點(diǎn)。（方輸入矢量和相應(yīng)的輸出矢量訓(xùn)練網(wǎng)絡(luò)去逼一個(gè)特定的輸出矢量將它與輸入矢量聯(lián)系矢量以所定義的合適方式進(jìn)行分類(lèi)；少輸出矢量維數(shù)以便于傳輸或存儲(chǔ)。節(jié)點(diǎn)、輸出節(jié)點(diǎn)，，而且有一層或多層隱節(jié)
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：S157.31;P231.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李勇志;支曉棟;唐海龍;李丹;趙政;孫長(zhǎng)奎;;無(wú)人機(jī)遙感技術(shù)在農(nóng)業(yè)中的發(fā)展與應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2015年25期

2 范萌萌;李建民;林振榮;;一種新的關(guān)系數(shù)據(jù)庫(kù)水印算法[J];計(jì)算機(jī)應(yīng)用與軟件;2015年06期

3 王勛;羅婷婷;劉春曉;彭浩宇;;對(duì)比度、顏色一致性和灰度像素保持的消色算法[J];中國(guó)圖象圖形學(xué)報(bào);2015年03期

4 張超;王志浩;楊建宇;朱德海;;基于Canny算子的農(nóng)田線狀工程地物自動(dòng)提取方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年02期

5 徐曉慶;王亦紅;;冷色調(diào)圖像的灰度化及其客觀評(píng)價(jià)方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年08期

6 王熹;王湛;楊文濤;席雪潔;史龍?jiān)?董文月;張倩;周躍男;;中國(guó)水資源現(xiàn)狀及其未來(lái)發(fā)展方向展望[J];環(huán)境工程;2014年07期

7 李德仁;李明;;無(wú)人機(jī)遙感系統(tǒng)的研究進(jìn)展與應(yīng)用前景[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年05期

8 陳杰;陳鐵橋;梅小明;邵權(quán)斌;鄧敏;;基于最優(yōu)尺度選擇的高分辨率遙感影像丘陵農(nóng)田提取[J];農(nóng)業(yè)工程學(xué)報(bào);2014年05期

9 項(xiàng)榮;應(yīng)義斌;蔣煥煜;;田間環(huán)境下果蔬采摘快速識(shí)別與定位方法研究進(jìn)展[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年11期

10 陳鍛生;宋鳳菲;張群;;一種彩色圖像灰度化的自適應(yīng)全局映射方法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2013年09期

相關(guān)會(huì)議論文 前1條

1 王敏杰;楊唐文;韓建達(dá);秦勇;;圖像邊緣檢測(cè)技術(shù)綜述[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

相關(guān)碩士學(xué)位論文 前2條

1 張明杰;基于航空影像的平坦區(qū)田埂界線識(shí)別與提取研究[D];中國(guó)礦業(yè)大學(xué);2015年

2 張玲艷;基于Canny理論的自適應(yīng)邊緣檢測(cè)方法研究[D];西北大學(xué);2009年

本文編號(hào)：2703283