發(fā)布時間：2020-11-12 15:45

　　 十八屆三中全會以來,自然資源資產(chǎn)離任審計正在成為一種重要的管理舉措,準確、及時地提取自然資源資產(chǎn)信息是自然資源資產(chǎn)離任審計工作順利開展的重要保障。遙感影像具有覆蓋范圍廣、費用低、現(xiàn)勢性強等優(yōu)勢,以遙感影像為數(shù)據(jù)源提取審計目標信息,可以為自然資源資產(chǎn)離任審計提供有效的技術支撐。針對遙感影像空間分辨率與光譜分辨率存在相互制約的關系,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(ZY3)影像為基礎數(shù)據(jù),融合Landsat8與數(shù)字高程模型(Digital Elevation Model,DEM)數(shù)據(jù),形成對自然資源目標更完整的描述,進而輔助自然資源資產(chǎn)信息的有效提取。采用面向對象分類方法,利用影像對象的光譜、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,且避免了面向像素分類容易產(chǎn)生“椒鹽噪聲”、解譯特征單一等問題,已經(jīng)成為遙感信息提取的主要方法之一。通過影像分割獲得與真實地物接近的影像對象是面向對象分類的基礎,分形網(wǎng)絡演化算法(Fractal Net Evaluation Approach,FNEA)構建的多尺度影像對象層能較好的反映地物的實際構成情況,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)分割尺度不同的問題;其次,審計人員往往缺乏遙感信息提取的專家知識,而傳統(tǒng)信息提取方法需要通過目視判別選擇訓練樣本,對專家解譯知識依賴強,使自然資源資產(chǎn)信息提取效率低、自動化程度低;最后,多源數(shù)據(jù)面臨解譯特征維度高的挑戰(zhàn),降維是一個可行的解決方案,但特征選擇同樣需要一定的先驗知識。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)的審計人員缺乏專家解譯知識的問題,實現(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。針對上述問題,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)的自然資源目標特征庫建立,基于高維特征的分類模型構建等關鍵技術,在此基礎之上開展了自然資源資產(chǎn)信息提取實驗。本文的主要研究工作如下:(1)結合ZY3、Landsat8與DEM數(shù)據(jù),采用分形網(wǎng)絡演化算法對不同組合方式的數(shù)據(jù)進行分割;并通過光譜差異分割(Spectral Difference Segmentation,SDS)解決不同地物最優(yōu)分割尺度不同的問題,改善了分割效果;基于改進的歐式距離3定量評價以上多種分割方案,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需求與遙感影像所能反映的土地覆被信息,設計了自然資源分類系統(tǒng);采用PostGIS數(shù)據(jù)庫管理系統(tǒng)儲存、管理對象級審計目標與解譯特征,實現(xiàn)了基于多源數(shù)據(jù)的目標特征庫構建;(3)基于目標特征庫,利用Boosting技術集成決策樹C5.0,實現(xiàn)了基于高維特征構建穩(wěn)健的分類模型,解決特征選擇需要依賴先驗知識的問題;(4)利用多時相的多源數(shù)據(jù)開展了自然資源資產(chǎn)信息提取實驗,驗證了目標特征庫輔助自然資源資產(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量;基于目標特征庫,利用Boosting技術集成決策樹C5.0,挖掘的分類規(guī)則穩(wěn)健性強;多時相的自然資源資產(chǎn)信息提取精度較高,目標特征庫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化程度。論文的研究成果解決了非遙感專業(yè)的審計人員缺乏專家解譯知識的問題,對自然資源資產(chǎn)信息準確、半自動化提取具有重要的實用價值,在自然資源資產(chǎn)離任審計中具有較好的應用前景。
【學位單位】：西南交通大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：P237
【部分圖文】：

圖 1-1 技術路線圖本文技術路線如圖 1-1 所示。首先對多源數(shù)據(jù)預處理，為自然資源資產(chǎn)信息提取數(shù)據(jù)基礎，主要包括大氣校正、配準、鑲嵌、裁剪、云掩膜、指數(shù)特征提取等，若目標特征庫提取不同時相的自然資源資產(chǎn)信息，還需要對不同時相的影像進行直匹配；其次，采用分形網(wǎng)絡演化算法對不同數(shù)據(jù)組合進行分割，評價分割質量，采譜差異分割對分割質量最好的結果再分割，再次評價分割質量，選擇最優(yōu)分割方案次，建立自然資源分類體系，提取自然資源目標的多維特征，并采用 PostGIS 數(shù)據(jù)理系統(tǒng)對其儲存、管理，完成目標特征庫建立；最后，基于目標特征庫，利用 Boost術集成決策樹 C5.0 挖掘分類規(guī)則，提取多時相自然資源資產(chǎn)信息，評價信息提取，驗證基于目標特征庫提取自然資源資產(chǎn)信息方法的可行性。.5 論文的組織結構本文的組織結構如下：第 1 章 緒論。本章首先介紹了本文的研究背景、意義和國內(nèi)外研究現(xiàn)狀，分析

圖 2-1 面向對象的監(jiān)督分類流程目標特征庫的自然資源資產(chǎn)信息提取技術面向對象方法提取自然資源資產(chǎn)信息的實際應用中，需要解譯樣本和解譯特征，該過程執(zhí)行效率低，且對專家經(jīng)驗依賴性強，感信息提取的專家知識，使傳統(tǒng)信息提取方法難以滿足審計人中，很難實現(xiàn)自然資源資產(chǎn)信息的全自動提取，但可以通過建知識來減少人工參與程度，國內(nèi)外學者就此已經(jīng)開展了不少研46]，為自然資源資產(chǎn)信息提取提供了借鑒。標特征庫大多面向特定的應用領域，難以滿足自然資源資產(chǎn)離文通過建立目標特征庫，研究基于目標特征庫的自然資源資產(chǎn)遙感專業(yè)的審計人員缺乏信息提取的專家知識的問題。目標特征表達模型，實現(xiàn)對象級特征表達，主要儲存影像對象的樣本矢征、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�；谀繕颂卣鲙斓淖匀毁Y源資產(chǎn)信息提取技術實現(xiàn)

圖 2-2 基于目標特征庫的自然資源資產(chǎn)信息提取流程割概述將輸入圖像轉換成局部像素組成的若干對象的過程，紋理等方面具有相似的特征[55]。影像分割是面向對象有重要影響：一方面，分割形成的對象是特征量化表達特征提取、選擇與分類，可以將原始影像轉化為更緊湊、影像進行分析和理解[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 ：分割結果的并集應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】

相關期刊論文 前10條

1 毛學剛;魏晶昱;;基于多源遙感數(shù)據(jù)的面向對象林分類型識別[J];應用生態(tài)學報;2017年11期

2 陳揚洋;明冬萍;徐錄;趙璐;;高空間分辨率遙感影像分割定量實驗評價方法綜述[J];地球信息科學學報;2017年06期

3 翟天林;金貴;鄧祥征;李兆華;王潤;;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特征庫的地震災情快速評估方法[J];地球信息科學學報;2016年05期

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

6 徐菲楠;祁元;王建華;張金龍;;面向對象的黑河下游河岸林植被覆蓋信息分類![J];遙感技術與應用;2015年05期

7 孔博;鄧偉;李愛農(nóng);楊勇;;多源數(shù)據(jù)的面向對象國際河流土地覆被分類研究[J];武漢大學學報(信息科學版);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)研究進展[J];資源科學;2011年06期

10 安立強;張景發(fā);趙福軍;;汶川地震次生災害提取——面向對象影像分類技術的應用[J];自然災害學報;2011年02期

相關博士學位論文 前4條

1 高偉;基于特征知識庫的遙感信息提取技術研究[D];中國地質大學;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對象分類研究[D];武漢大學;2009年

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

4 黃慧萍;面向對象影像分析中的尺度問題研究[D];中國科學院研究生院（遙感應用研究所）;2003年

相關碩士學位論文 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;2017年

2 許光明;基于面向對象和多源數(shù)據(jù)融合的茶園遙感提取研究[D];陜西師范大學;2016年

3 趙孟銀;遙感影像去云方法研究[D];天津科技大學;2016年

4 劉文靜;資源三號衛(wèi)星影像解譯樣本及特征知識庫構建研究[D];中國礦業(yè)大學;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;2015年

6 馬元;特征庫輔助的遙感影像快速變化檢測方法研究[D];遼寧工程技術大學;2012年

7 齊義娜;面向對象的高分辨率遙感影像信息提取與尺度效應分析[D];東北師范大學;2009年

8 田新光;面向對象高分辨率遙感影像信息提取[D];中國測繪科學研究院;2007年

9 曹爽;高分辨率遙感影像去云方法研究[D];河海大學;2006年

本文編號：2880923