本文關(guān)鍵詞：基于ICA和自適應(yīng)最小距離分類法的濕地信息提取研究，由筆耕文化傳播整理發(fā)布。

【摘要】：濕地是一種處于陸地與水體間的過渡生態(tài)系統(tǒng),與森林、海洋生態(tài)系統(tǒng)有著同樣重要的地位。濕地資源的可持續(xù)利用與保護(hù)是地球科學(xué)的重要內(nèi)容,但是由于各種因素影響,濕地資源并沒有得到有效保護(hù)。所以,對(duì)濕地開展探索性研究,顯得尤為重要。隨著遙感技術(shù)的飛速發(fā)展,利用遙感技術(shù)對(duì)濕地資源進(jìn)行監(jiān)測成為被廣泛應(yīng)用的技術(shù)手段,其中信息提取是濕地遙感研究的基礎(chǔ),具有舉足輕重的地位。傳統(tǒng)的濕地信息提取方法主要有人工目視解譯、監(jiān)督分類、非監(jiān)督分類等,但傳統(tǒng)方法有著速度慢、精度差、過程繁復(fù)等缺點(diǎn)。對(duì)傳統(tǒng)信息提取方法進(jìn)行改進(jìn)與新方法的探索,成為近年濕地遙感研究的熱點(diǎn)。 本研究以西洞庭湖區(qū)作為主要研究區(qū),以Landsat-TM和SPOT-5中高分辨率遙感影像為數(shù)據(jù)源,對(duì)所采用的數(shù)據(jù)源影像進(jìn)行預(yù)處理與最佳波段組合分析,找到適用于Landsat-TM與SPOT-5影像濕地分類的最佳波段組合；然后將ICA(獨(dú)立分量分析)技術(shù)引入濕地信息提取,結(jié)合自適應(yīng)最小距離分類法,對(duì)濕地進(jìn)行分類,并評(píng)價(jià)分類效果。旨在完善濕地信息提取算法體系,為今后濕地遙感研究提供依據(jù),為洞庭湖濕地研究提供科學(xué)、準(zhǔn)確與合理的方法支持。主要研究結(jié)果如下： (1)最佳波段組合分析研究 針對(duì)濕地信息精細(xì)提取要求,快速、準(zhǔn)確識(shí)別不同典型濕地類型,往往需要對(duì)影像波段、影像特征、地物光譜特性等進(jìn)行深入分析。研究將光譜特征分析與基于信息量的評(píng)價(jià)綜合起來,旨在找到適用于濕地信息提取的Landsat-TM、SPOT-5影像的最佳波段組合。研究確定了Landsat-TM影像最佳波段組合為RGB=453, SPOT-5影像最佳波段組合為RGB=412。 (2)獨(dú)立分量分析研究 對(duì)Landsat-TM、SPOT-5影像進(jìn)行PCA(主成分分析)與ICA處理,對(duì)得到的結(jié)果進(jìn)行信息量評(píng)價(jià),探討PCA與ICA處理是否造成了圖像損失；此外,對(duì)PCA與ICA處理結(jié)果進(jìn)行最小距離分類,并作出精度評(píng)價(jià)。通過實(shí)驗(yàn)得出：PCA與ICA處理過程沒有減少圖像信息量,不會(huì)造成圖像信息損失,不會(huì)影響典型濕地類型的目視判讀；PCA與ICA處理,都可以增加洞庭湖典型濕地類型的可分性,且ICA效果明顯優(yōu)于PCA,充分驗(yàn)證了ICA基于高階統(tǒng)計(jì)信息,不但能去除波段之間的相關(guān)性,而且可以得到分量之間相互獨(dú)立的特性,增強(qiáng)不同地類的可分離性,能有效去除相關(guān)性對(duì)遙感圖像分類的負(fù)面影響,提高濕地信息提取精度。 (3)FastICA算法的改進(jìn) 對(duì)Landsat-TM與SPOT-5影像進(jìn)行FastICA與M-FastICA算法處理,統(tǒng)計(jì)兩種算法的計(jì)算量,探索改進(jìn)算法是否提高了ICA處理過程的效率；對(duì)經(jīng)過兩種算法處理后的結(jié)果影像,進(jìn)行最小距離分類,并作出精度檢驗(yàn),探索改進(jìn)算法是否影響了濕地信息提取精度。通過實(shí)驗(yàn)得出：應(yīng)用M-FastICA算法后的濕地分類精度較原算法基本相同,滿足實(shí)驗(yàn)要求,且其算法收斂性大為改善,速度提升顯著。充分說明M-FastICA算法可以提高獨(dú)立分量分析在濕地分類上的有效性。 (4)自適應(yīng)最小距離分類研究 對(duì)Landsat-TM與SPOT-5影像進(jìn)行最小距離分類、最大似然分類與自使用最小距離分類,對(duì)結(jié)果進(jìn)行精度評(píng)價(jià),得出：Landsat-TM影像最大似然分類比最小距離分類總體精度降低0.87個(gè)百分點(diǎn),kappa系數(shù)降低0.0097,自適應(yīng)最小距離分類相比最小距離分類總體精度提高3.48%,kappa系數(shù)提高0.0410;SPOT-5影像最大似然分類比最小距離分類總體精度降低1.74%,kappa系數(shù)降低0.0200,自適應(yīng)最小距離分類相比最小距離分類總體精度提高3.47個(gè)百分點(diǎn),kappa系數(shù)提高0.0203。充分說明：在濕地分類上,最小距離分類要優(yōu)于最大似然分類,但優(yōu)勢并不明顯,自適應(yīng)最小距離分類要優(yōu)于其他兩種分類方法,且分類精度提高明顯。
【關(guān)鍵詞】：濕地 遙感 獨(dú)立分量分析 自適應(yīng)最小距離 西洞庭湖
【學(xué)位授予單位】：中南林業(yè)科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：P237;P941.7
【目錄】：

• 摘要4-6
• ABSTRACT6-9
• 目錄9-12
• 1 緒論12-24
• 1.1 研究背景12-13
• 1.2 研究目的與意義13
• 1.2.1 研究目的13
• 1.2.2 研究意義13
• 1.3 國內(nèi)外研究現(xiàn)狀13-18
• 1.3.1 濕地資源遙感監(jiān)測13-16
• 1.3.2 ICA研究概況16-18
• 1.4 課題來源18
• 1.5 研究內(nèi)容與技術(shù)路線18-21
• 1.5.1 研究目標(biāo)18-19
• 1.5.2 研究擬解決的關(guān)鍵問題19
• 1.5.3 主要研究內(nèi)容19-20
• 1.5.4 技術(shù)路線20-21
• 1.6 論文結(jié)構(gòu)21-24
• 2 研究區(qū)概況與數(shù)據(jù)預(yù)處理24-36
• 2.1 研究區(qū)概況24
• 2.2 數(shù)據(jù)來源24-27
• 2.2.1 遙感數(shù)據(jù)24-26
• 2.2.2 輔助數(shù)據(jù)26-27
• 2.3 數(shù)據(jù)預(yù)處理27-36
• 2.3.1 幾何校正28
• 2.3.2 輻射定標(biāo)28-30
• 2.3.3 大氣校正30-32
• 2.3.4 圖像增強(qiáng)32-36
• 3 最佳波段組合分析36-42
• 3.1 地物光譜特征分析36-37
• 3.2 基于信息量的波段組合分析37-40
• 3.2.1 標(biāo)準(zhǔn)差37-38
• 3.2.2 信息熵38
• 3.2.3 最佳指數(shù)(OIF)38-39
• 3.2.4 清晰度39-40
• 3.3 分析討論40-42
• 4 ICA基本理論42-52
• 4.1 ICA概述42-43
• 4.2 ICA相關(guān)概念43-52
• 4.2.1 累積量43-45
• 4.2.2 微分熵45-46
• 4.2.3 交互信息46-47
• 4.2.4 K-L散度47
• 4.2.5 峰度47-48
• 4.2.6 負(fù)熵48-52
• 5 FastICA算法及其改進(jìn)52-66
• 5.1 FastICA算法原理52-53
• 5.2 FastICA處理結(jié)果與分析53-59
• 5.2.1 圖像處理結(jié)果與評(píng)價(jià)53-55
• 5.2.2 地物可分性分析55-57
• 5.2.3 分類實(shí)驗(yàn)結(jié)果與精度評(píng)價(jià)57-59
• 5.3 FastICA算法的改進(jìn)59-66
• 5.3.1 計(jì)算量評(píng)價(jià)61-62
• 5.3.2 分類實(shí)驗(yàn)與精度比較62-66
• 6 自適應(yīng)最小距離分類66-72
• 6.1 最小距離分類原理及缺陷66
• 6.2 自適應(yīng)最小距離分類66-68
• 6.3 分類結(jié)果與精度評(píng)價(jià)68-71
• 6.4 分析討論71-72
• 7 結(jié)論與討論72-76
• 7.1 主要研究結(jié)論72-73
• 7.2 創(chuàng)新點(diǎn)73
• 7.3 討論73-76
• 參考文獻(xiàn)76-84
• 附錄 攻讀學(xué)位期間的主要學(xué)術(shù)成果84-86
• 致謝86-87

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 熊建新;吳南飛;;東洞庭湖濕地景觀空間結(jié)構(gòu)的完整性分析[J];環(huán)境科學(xué)與管理;2008年04期

2 陶欣;范聞捷;徐希孺;;高光譜數(shù)據(jù)組分信息的盲分解方法[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年06期

3 寧龍梅,王學(xué)雷,吳后建;武漢市濕地景觀格局變化研究[J];長江流域資源與環(huán)境;2005年01期

4 李仁東;土地利用變化對(duì)洪水調(diào)蓄能力的影響——以洞庭湖區(qū)為例[J];地理科學(xué)進(jìn)展;2004年06期

5 楊永興,黃錫疇,王世巖,孔昭宸;西遼河平原東部沼澤發(fā)育與中全新世早期以來古環(huán)境演變[J];地理科學(xué);2001年03期

6 黃進(jìn)良;洞庭湖濕地的面積變化與演替[J];地理研究;1999年03期

7 吳炳方,黃進(jìn)良,沈良標(biāo);濕地的防洪功能分析評(píng)價(jià)——以東洞庭湖為例[J];地理研究;2000年02期

8 楊綠溪,李克,周長春,何振亞;一種用于超高斯和亞高斯混合信號(hào)盲分離的新算法[J];東南大學(xué)學(xué)報(bào);1999年01期

9 趙青,俞承芳,凌燮亭;前饋神經(jīng)網(wǎng)絡(luò)盲信號(hào)分離的實(shí)驗(yàn)研究[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);1997年03期

10 劉斌，凌燮亭;源于盲分離思想的線性變形圖象校正[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);1995年02期

  本文關(guān)鍵詞：基于ICA和自適應(yīng)最小距離分類法的濕地信息提取研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：399379