十八屆三中全會(huì)以來(lái),自然資源資產(chǎn)離任審計(jì)正在成為一種重要的管理舉措,準(zhǔn)確、及時(shí)地提取自然資源資產(chǎn)信息是自然資源資產(chǎn)離任審計(jì)工作順利開(kāi)展的重要保障。遙感影像具有覆蓋范圍廣、費(fèi)用低、現(xiàn)勢(shì)性強(qiáng)等優(yōu)勢(shì),以遙感影像為數(shù)據(jù)源提取審計(jì)目標(biāo)信息,可以為自然資源資產(chǎn)離任審計(jì)提供有效的技術(shù)支撐。針對(duì)遙感影像空間分辨率與光譜分辨率存在相互制約的關(guān)系,采用單一數(shù)據(jù)源難以兼顧地物的空間信息與光譜屬性,本文嘗試以資源三號(hào)(ZY3)影像為基礎(chǔ)數(shù)據(jù),融合Landsat8與數(shù)字高程模型(Digital Elevation Model,DEM)數(shù)據(jù),形成對(duì)自然資源目標(biāo)更完整的描述,進(jìn)而輔助自然資源資產(chǎn)信息的有效提取。采用面向?qū)ο蠓诸惙椒?利用影像對(duì)象的光譜、形狀與紋理等解譯特征提取自然資源資產(chǎn)信息,能充分融合多源數(shù)據(jù)的優(yōu)勢(shì),且避免了面向像素分類容易產(chǎn)生“椒鹽噪聲”、解譯特征單一等問(wèn)題,已經(jīng)成為遙感信息提取的主要方法之一。通過(guò)影像分割獲得與真實(shí)地物接近的影像對(duì)象是面向?qū)ο蠓诸惖幕A(chǔ),分形網(wǎng)絡(luò)演化算法(Fractal Net Evaluation Approach,FNEA)構(gòu)建的多尺度影像對(duì)象層能較好的反映地物的實(shí)際構(gòu)成情況,但該算法采用單一的分割尺度,難以解決不同地物的最優(yōu)分割尺度不同的問(wèn)題;其次,審計(jì)人員往往缺乏遙感信息提取的專家知識(shí),而傳統(tǒng)信息提取方法需要通過(guò)目視判別選擇訓(xùn)練樣本,對(duì)專家解譯知識(shí)依賴強(qiáng),使自然資源資產(chǎn)信息提取效率低、自動(dòng)化程度低;最后,多源數(shù)據(jù)面臨解譯特征維度高的挑戰(zhàn),降維是一個(gè)可行的解決方案,但特征選擇同樣需要一定的先驗(yàn)知識(shí)。因此,如何減少自然資源資產(chǎn)信息提取中的人工參與程度,解決非遙感專業(yè)的審計(jì)人員缺乏專家解譯知識(shí)的問(wèn)題,實(shí)現(xiàn)自然資源資產(chǎn)信息快速、有效的提取,是本文研究的重點(diǎn)。針對(duì)上述問(wèn)題,本文研究了基于多源數(shù)據(jù)與多種分割方法的最優(yōu)分割方案選擇,基于多源數(shù)據(jù)的自然資源目標(biāo)特征庫(kù)建立,基于高維特征的分類模型構(gòu)建等關(guān)鍵技術(shù),在此基礎(chǔ)之上開(kāi)展了自然資源資產(chǎn)信息提取實(shí)驗(yàn)。本文的主要研究工作如下:(1)結(jié)合ZY3、Landsat8與DEM數(shù)據(jù),采用分形網(wǎng)絡(luò)演化算法對(duì)不同組合方式的數(shù)據(jù)進(jìn)行分割;并通過(guò)光譜差異分割(Spectral Difference Segmentation,SDS)解決不同地物最優(yōu)分割尺度不同的問(wèn)題,改善了分割效果;基于改進(jìn)的歐式距離3定量評(píng)價(jià)以上多種分割方案,獲得了基于多源數(shù)據(jù)與多種分割方法的最優(yōu)分割方案;(2)綜合考慮自然資源審計(jì)需求與遙感影像所能反映的土地覆被信息,設(shè)計(jì)了自然資源分類系統(tǒng);采用PostGIS數(shù)據(jù)庫(kù)管理系統(tǒng)儲(chǔ)存、管理對(duì)象級(jí)審計(jì)目標(biāo)與解譯特征,實(shí)現(xiàn)了基于多源數(shù)據(jù)的目標(biāo)特征庫(kù)構(gòu)建;(3)基于目標(biāo)特征庫(kù),利用Boosting技術(shù)集成決策樹(shù)C5.0,實(shí)現(xiàn)了基于高維特征構(gòu)建穩(wěn)健的分類模型,解決特征選擇需要依賴先驗(yàn)知識(shí)的問(wèn)題;(4)利用多時(shí)相的多源數(shù)據(jù)開(kāi)展了自然資源資產(chǎn)信息提取實(shí)驗(yàn),驗(yàn)證了目標(biāo)特征庫(kù)輔助自然資源資產(chǎn)信息提取方法的可行性。研究表明:多源數(shù)據(jù)與多種分割方法協(xié)同,均能提高影像分割質(zhì)量;基于目標(biāo)特征庫(kù),利用Boosting技術(shù)集成決策樹(shù)C5.0,挖掘的分類規(guī)則穩(wěn)健性強(qiáng);多時(shí)相的自然資源資產(chǎn)信息提取精度較高,目標(biāo)特征庫(kù)輔助的自然資源資產(chǎn)信息提取能在一定程度上減少人工參與程度,提高自然資源資產(chǎn)信息提取的效率與半自動(dòng)化程度。論文的研究成果解決了非遙感專業(yè)的審計(jì)人員缺乏專家解譯知識(shí)的問(wèn)題,對(duì)自然資源資產(chǎn)信息準(zhǔn)確、半自動(dòng)化提取具有重要的實(shí)用價(jià)值,在自然資源資產(chǎn)離任審計(jì)中具有較好的應(yīng)用前景。
【學(xué)位單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：P237
【部分圖文】：

圖 1-1 技術(shù)路線圖本文技術(shù)路線如圖 1-1 所示。首先對(duì)多源數(shù)據(jù)預(yù)處理，為自然資源資產(chǎn)信息提取數(shù)據(jù)基礎(chǔ)，主要包括大氣校正、配準(zhǔn)、鑲嵌、裁剪、云掩膜、指數(shù)特征提取等，若目標(biāo)特征庫(kù)提取不同時(shí)相的自然資源資產(chǎn)信息，還需要對(duì)不同時(shí)相的影像進(jìn)行直匹配；其次，采用分形網(wǎng)絡(luò)演化算法對(duì)不同數(shù)據(jù)組合進(jìn)行分割，評(píng)價(jià)分割質(zhì)量，采譜差異分割對(duì)分割質(zhì)量最好的結(jié)果再分割，再次評(píng)價(jià)分割質(zhì)量，選擇最優(yōu)分割方案次，建立自然資源分類體系，提取自然資源目標(biāo)的多維特征，并采用 PostGIS 數(shù)據(jù)理系統(tǒng)對(duì)其儲(chǔ)存、管理，完成目標(biāo)特征庫(kù)建立；最后，基于目標(biāo)特征庫(kù)，利用 Boost術(shù)集成決策樹(shù) C5.0 挖掘分類規(guī)則，提取多時(shí)相自然資源資產(chǎn)信息，評(píng)價(jià)信息提取，驗(yàn)證基于目標(biāo)特征庫(kù)提取自然資源資產(chǎn)信息方法的可行性。.5 論文的組織結(jié)構(gòu)本文的組織結(jié)構(gòu)如下：第 1 章 緒論。本章首先介紹了本文的研究背景、意義和國(guó)內(nèi)外研究現(xiàn)狀，分析

圖 2-1 面向?qū)ο蟮谋O(jiān)督分類流程目標(biāo)特征庫(kù)的自然資源資產(chǎn)信息提取技術(shù)面向?qū)ο蠓椒ㄌ崛∽匀毁Y源資產(chǎn)信息的實(shí)際應(yīng)用中，需要解譯樣本和解譯特征，該過(guò)程執(zhí)行效率低，且對(duì)專家經(jīng)驗(yàn)依賴性強(qiáng)，感信息提取的專家知識(shí)，使傳統(tǒng)信息提取方法難以滿足審計(jì)人中，很難實(shí)現(xiàn)自然資源資產(chǎn)信息的全自動(dòng)提取，但可以通過(guò)建知識(shí)來(lái)減少人工參與程度，國(guó)內(nèi)外學(xué)者就此已經(jīng)開(kāi)展了不少研46]，為自然資源資產(chǎn)信息提取提供了借鑒。標(biāo)特征庫(kù)大多面向特定的應(yīng)用領(lǐng)域，難以滿足自然資源資產(chǎn)離文通過(guò)建立目標(biāo)特征庫(kù)，研究基于目標(biāo)特征庫(kù)的自然資源資產(chǎn)遙感專業(yè)的審計(jì)人員缺乏信息提取的專家知識(shí)的問(wèn)題。目標(biāo)特征表達(dá)模型，實(shí)現(xiàn)對(duì)象級(jí)特征表達(dá)，主要儲(chǔ)存影像對(duì)象的樣本矢征、紋理特征、形狀特征與指數(shù)特征等），以及樣本的數(shù)據(jù)源屬性信息�；谀繕�(biāo)特征庫(kù)的自然資源資產(chǎn)信息提取技術(shù)實(shí)現(xiàn)

圖 2-2 基于目標(biāo)特征庫(kù)的自然資源資產(chǎn)信息提取流程割概述將輸入圖像轉(zhuǎn)換成局部像素組成的若干對(duì)象的過(guò)程，紋理等方面具有相似的特征[55]。影像分割是面向?qū)ο笥兄匾绊懀阂环矫�，分割形成的�?duì)象是特征量化表達(dá)特征提取、選擇與分類，可以將原始影像轉(zhuǎn)化為更緊湊、影像進(jìn)行分析和理解[56]。影像分割的定義為： R 表示所有像素集合，分割是將 劃分為滿足以下 5.,nR ：分割結(jié)果的并集應(yīng)包括影像中的所有像元，即1niiR R 形成的所有子區(qū)域互不重疊，即i jR R ， i j；
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 毛學(xué)剛;魏晶昱;;基于多源遙感數(shù)據(jù)的面向?qū)ο罅址诸愋妥R(shí)別[J];應(yīng)用生態(tài)學(xué)報(bào);2017年11期

2 陳揚(yáng)洋;明冬萍;徐錄;趙璐;;高空間分辨率遙感影像分割定量實(shí)驗(yàn)評(píng)價(jià)方法綜述[J];地球信息科學(xué)學(xué)報(bào);2017年06期

3 翟天林;金貴;鄧祥征;李兆華;王潤(rùn);;基于多源遙感影像融合的武漢市土地利用分類方法研究[J];長(zhǎng)江流域資源與環(huán)境;2016年10期

4 董文;沈占鋒;程希萌;;基于高分辨率遙感目標(biāo)特征庫(kù)的地震災(zāi)情快速評(píng)估方法[J];地球信息科學(xué)學(xué)報(bào);2016年05期

5 雷光斌;李愛(ài)農(nóng);譚劍波;張正健;邊金虎;靳華安;趙偉;曹小敏;;基于多源多時(shí)相遙感影像的山地森林分類決策樹(shù)模型研究[J];遙感技術(shù)與應(yīng)用;2016年01期

6 徐菲楠;祁元;王建華;張金龍;;面向?qū)ο蟮暮诤酉掠魏影读种脖桓采w信息分類![J];遙感技術(shù)與應(yīng)用;2015年05期

7 孔博;鄧偉;李愛(ài)農(nóng);楊勇;;多源數(shù)據(jù)的面向?qū)ο髧?guó)際河流土地覆被分類研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2015年07期

8 劉純;洪亮;楚森森;;高分辨率遙感影像分割方法研究[J];測(cè)繪與空間地理信息;2014年10期

9 張景華;封志明;姜魯光;;土地利用/土地覆被分類系統(tǒng)研究進(jìn)展[J];資源科學(xué);2011年06期

10 安立強(qiáng);張景發(fā);趙福軍;;汶川地震次生災(zāi)害提取——面向?qū)ο笥跋穹诸惣夹g(shù)的應(yīng)用[J];自然災(zāi)害學(xué)報(bào);2011年02期

相關(guān)博士學(xué)位論文 前4條

1 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

2 黃昕;高分辨率遙感影像多尺度紋理、形狀特征提取與面向?qū)ο蠓诸愌芯縖D];武漢大學(xué);2009年

3 鄧小煉;基于變化矢量分析的土地利用變化檢測(cè)方法研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

4 黃慧萍;面向?qū)ο笥跋穹治鲋械某叨葐?wèn)題研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年

相關(guān)碩士學(xué)位論文 前9條

1 易佳思;基于多源遙感數(shù)據(jù)的不透水面提取[D];武漢大學(xué);2017年

2 許光明;基于面向?qū)ο蠛投嘣磾?shù)據(jù)融合的茶園遙感提取研究[D];陜西師范大學(xué);2016年

3 趙孟銀;遙感影像去云方法研究[D];天津科技大學(xué);2016年

4 劉文靜;資源三號(hào)衛(wèi)星影像解譯樣本及特征知識(shí)庫(kù)構(gòu)建研究[D];中國(guó)礦業(yè)大學(xué);2015年

5 候逸晨;基于多源遙感數(shù)據(jù)的黃龍山森林植被分類研究[D];西北農(nóng)林科技大學(xué);2015年

6 馬元;特征庫(kù)輔助的遙感影像快速變化檢測(cè)方法研究[D];遼寧工程技術(shù)大學(xué);2012年

7 齊義娜;面向?qū)ο蟮母叻直媛蔬b感影像信息提取與尺度效應(yīng)分析[D];東北師范大學(xué);2009年

8 田新光;面向?qū)ο蟾叻直媛蔬b感影像信息提取[D];中國(guó)測(cè)繪科學(xué)研究院;2007年

9 曹爽;高分辨率遙感影像去云方法研究[D];河海大學(xué);2006年

本文編號(hào)：2880923