當(dāng)前古村落文化遺產(chǎn)景觀所處環(huán)境令人擔(dān)憂,來(lái)自自然、人為等各方面因素使得文化遺產(chǎn)景觀消失速度不斷加快,與此同時(shí),傳統(tǒng)調(diào)查保護(hù)方法在速度、安全性等方面存在不足,并且采集數(shù)據(jù)在完整性、準(zhǔn)確性、數(shù)據(jù)豐富度等多方面欠佳。因此,在文化遺產(chǎn)保護(hù)領(lǐng)域迫切需要一種高效、穩(wěn)定、準(zhǔn)確、便于數(shù)據(jù)挖掘的數(shù)據(jù)采集與分析手段。本文將無(wú)人機(jī)低空遙感技術(shù)運(yùn)用于文化遺產(chǎn)景觀數(shù)據(jù)采集中,并基于無(wú)人機(jī)遙感所獲取影像對(duì)目標(biāo)遺產(chǎn)景觀識(shí)別提取方式以及分析成果應(yīng)用展開(kāi)研究。本文以我國(guó)某一地處云貴高原的原始古村落作為研究對(duì)象。利用無(wú)人機(jī)低空遙感技術(shù)進(jìn)行數(shù)據(jù)采集,根據(jù)目標(biāo)地物特點(diǎn)以及所獲的遙感影像數(shù)據(jù)建立了一套符合遺產(chǎn)景觀提取要求的類(lèi)別體系,并構(gòu)建了特征空間;在此基礎(chǔ)上,采用多層級(jí)提取策略、面向?qū)ο蠓治黾夹g(shù)對(duì)古代景觀提取進(jìn)行了研究。此外,將地物提取結(jié)果與實(shí)地勘探結(jié)果進(jìn)行對(duì)比,評(píng)價(jià)了成果精度,最后對(duì)成果應(yīng)用進(jìn)行了分析。因此,本文主要研究成果包括如下四個(gè)方面:（1）根據(jù)所選擇研究對(duì)象和所采用數(shù)據(jù)特點(diǎn),以文化遺產(chǎn)景觀保護(hù)目標(biāo)出發(fā),建立了一套多層次由大類(lèi)到小類(lèi),目標(biāo)明確、可操作性高的分類(lèi)類(lèi)別體系。（2）基于分類(lèi)類(lèi)別體系,提出了一套結(jié)合了影像分割... 

【文章來(lái)源】：江西理工大學(xué)江西省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．?４光譜差異分割原理過(guò)程??于，一

２．?２．?２四叉樹(shù)分割??與上述棋盤(pán)分割類(lèi)似，四叉樹(shù)分割也同屬于基于邊界的分割算法，同樣是通過(guò)設(shè)置對(duì)象??大小來(lái)生成分割網(wǎng)絡(luò)，如圖２．?３所示。與棋盤(pán)分割不同的是，該分割方法是在每個(gè)網(wǎng)格中生??成更小尺寸網(wǎng)格，細(xì)分程度由閾值控制。??＾ｒ?＾?＾ｎｎ?＾ｎｎ???〇?？?—±Ｌ??圖２．?３不同尺度下四叉樹(shù)分割圖解??（灰色部分為為超過(guò)閾值設(shè)置區(qū)域，該區(qū)域?qū)凑账牟鏄?shù)分割算法繼續(xù)繼續(xù)進(jìn)行分割）??２．?２．?３光譜差異分割??光譜差異分割（Ｓｐｅｃｔｒａｌ?Ｄｉｆｆｅｒｅｎｃｅ?Ｓｅｇｍｅｎｔａｔｉｏｎ）為自底而上的分割算法，是通過(guò)比較??特定影像層中像素值之間的差異來(lái)執(zhí)行分割流程如圖２．４所示

？?？??圖２．?２不同尺度下棋盤(pán)分割圖解??２．?２．?２四叉樹(shù)分割??與上述棋盤(pán)分割類(lèi)似，四叉樹(shù)分割也同屬于基于邊界的分割算法，同樣是通過(guò)設(shè)置對(duì)象??大小來(lái)生成分割網(wǎng)絡(luò)，如圖２．?３所示。與棋盤(pán)分割不同的是，該分割方法是在每個(gè)網(wǎng)格中生??成更小尺寸網(wǎng)格，細(xì)分程度由閾值控制。??＾ｒ?＾?＾ｎｎ?＾ｎｎ???〇?？?—±Ｌ??圖２．?３不同尺度下四叉樹(shù)分割圖解??（灰色部分為為超過(guò)閾值設(shè)置區(qū)域，該區(qū)域?qū)凑账牟鏄?shù)分割算法繼續(xù)繼續(xù)進(jìn)行分割）??２．?２．?３光譜差異分割??光譜差異分割（Ｓｐｅｃｔｒａｌ?Ｄｉｆｆｅｒｅｎｃｅ?Ｓｅｇｍｅｎｔａｔｉｏｎ）為自底而上的分割算法，是通過(guò)比較??特定影像層中像素值之間的差異來(lái)執(zhí)行分割流程如圖２．４所示

【參考文獻(xiàn)】：
期刊論文
[1]基于LiDAR技術(shù)的古建筑復(fù)雜曲面三維重建[J]. 辛俊偉,羅艷,程朋根.  測(cè)繪與空間地理信息. 2017(07)
[2]基于圖割與陰影鄰接關(guān)系的高分辨率遙感影像建筑物提取方法[J]. 施文灶,毛政元.  電子學(xué)報(bào). 2016(12)
[3]光學(xué)遙感影像智能化處理研究進(jìn)展[J]. 龔健雅,鐘燕飛.  遙感學(xué)報(bào). 2016(05)
[4]面向?qū)ο蟮亩喑叨雀叻钟跋窠ㄖ锾崛》椒ㄑ芯縖J]. 劉丹丹,劉江,張玉娟,梅曉丹,趙曉明,朱繼文,王明爽,王延亮.  測(cè)繪與空間地理信息. 2016(06)
[5]基于高分一號(hào)影像的土地覆被分類(lèi)方法初探[J]. 陳文倩,丁建麗,王嬌,袁澤,李相,黃帥.  干旱區(qū)地理. 2016(01)
[6]基于資源三號(hào)影像的建筑物高度信息提取方法[J]. 趙志明,周小成,付乾坤,汪小欽.  國(guó)土資源遙感. 2015(03)
[7]針對(duì)分層分類(lèi)和多描述符空間的城鎮(zhèn)植被群分類(lèi)[J]. 蔣軒,周堅(jiān)華.  遙感信息. 2015(02)
[8]高光譜遙感技術(shù)在精細(xì)農(nóng)業(yè)監(jiān)測(cè)上的應(yīng)用及展望[J]. 何友鑄,張振乾,官春云.  作物研究. 2015(01)
[9]淺議河南文物建筑彩畫(huà)保護(hù)研究[J]. 陳磊.  中原文物. 2014(05)
[10]基于FY-3A的海南島橡膠林臺(tái)風(fēng)災(zāi)害遙感監(jiān)測(cè)——以“納沙”臺(tái)風(fēng)為例[J]. 張明潔,張京紅,劉少軍,杜函函,車(chē)秀芬.  自然災(zāi)害學(xué)報(bào). 2014(03)

博士論文
[1]高光譜遙感數(shù)據(jù)特征提取與特征選擇方法研究[D]. 魏峰.西北工業(yè)大學(xué) 2015

碩士論文
[1]高分辨率遙感影像空間特征提取及面向?qū)ο蠓诸?lèi)技術(shù)研究[D]. 林棟.解放軍信息工程大學(xué) 2015
[2]基于支持向量機(jī)與遺傳算法的故障模式識(shí)別及趨勢(shì)預(yù)測(cè)方法研究[D]. 郭永偉.北京化工大學(xué) 2012



本文編號(hào)：3096391