本文選題：各向異性擴(kuò)散 + 標(biāo)記分水嶺�。� 參考：《中國地質(zhì)大學(xué)(北京)》2017年碩士論文

【摘要】：隨著遙感技術(shù)在礦山監(jiān)測(cè)中的應(yīng)用越來越廣泛,人們對(duì)遙感分類軟件的需求也越來越高,但使用現(xiàn)有分類軟件進(jìn)行礦區(qū)地物的提取,仍然需要依靠豐富的礦山解譯經(jīng)驗(yàn)以及專業(yè)地質(zhì)知識(shí)。本文則以高分辨率遙感影像為基礎(chǔ)數(shù)據(jù),根據(jù)礦山地類特征選取合適的面向?qū)ο蠓诸惣夹g(shù),探討礦山開發(fā)占地信息自動(dòng)提取方法,節(jié)省作業(yè)時(shí)間,提高工作效率。首先,對(duì)影像進(jìn)行濾波,并進(jìn)行分水嶺分割相關(guān)研究;其次,通過構(gòu)建解譯標(biāo)志以及分類算法,實(shí)現(xiàn)基于高分影像的礦山地物,即采場(chǎng)、礦山建筑、中轉(zhuǎn)場(chǎng)地、固體廢棄物的自動(dòng)提取。本文主要內(nèi)容和結(jié)論如下:(1)首先采用各項(xiàng)異性擴(kuò)散算法對(duì)圖像進(jìn)行濾波預(yù)處理,并采用評(píng)價(jià)指標(biāo)選取最佳濾波參數(shù)。該算法良好的邊緣保持性有利于后續(xù)分類的形狀特征提取。(2)分水嶺算法被廣泛的應(yīng)用于影像分割,但其最顯著的弊端是過分割現(xiàn)象嚴(yán)重。那么針對(duì)現(xiàn)有分水嶺分割方法的不足,本文使用標(biāo)記分水嶺算法,并將礦山開發(fā)占地作為前景地物分離提取,最終得到效果良好的前景地物分割圖。(3)創(chuàng)建礦區(qū)解譯標(biāo)志及分類特征空間。研究礦山開發(fā)占地各類的光譜、形狀和紋理等特征的統(tǒng)計(jì)算法;選取合理的特征組合,依據(jù)現(xiàn)有礦山開發(fā)占地矢量基礎(chǔ)數(shù)據(jù)創(chuàng)建礦山解譯標(biāo)志,并提取各類解譯標(biāo)志的特征作為聚類的特征中心。(4)本文采用模糊C均值聚類來實(shí)現(xiàn)礦山地物對(duì)象的分類,一方面該算法具有良好的收斂性并且執(zhí)行效率高,適用于多維特征分類;另一方面,在實(shí)際存在形式上礦山的不同地類間具有一定的交互連通性和模糊性,而該算法是在模糊集理論的基礎(chǔ)上發(fā)展來的,故其適用于解決這種不確定性問題,因此選用模糊C均值聚類算法。分類結(jié)果利用混淆矩陣進(jìn)行精度評(píng)價(jià),小范圍礦區(qū)的分類總精度可以達(dá)到89.75%,kappa系數(shù)達(dá)到0.8462;對(duì)大范圍縣域影像—江西省上饒市橫峰縣的高分遙感影像進(jìn)行礦山占地提取評(píng)價(jià),分類總體精度74.54%,kappa系數(shù)0.6356。
[Abstract]:With the wide application of remote sensing technology in mine monitoring, people need more and more remote sensing classification software, but the existing classification software is used to extract mining ground objects.There is still a need to rely on rich mine interpretation experience and professional geological knowledge.Based on the data of high resolution remote sensing image and the suitable object oriented classification technology according to the geological characteristics of mines, this paper discusses the automatic extraction method of mining land occupation information, which can save the working time and improve the working efficiency.First of all, the image filtering, and watershed segmentation related research; secondly, through the construction of interpretation marks and classification algorithm, the realization of mine features based on high-score image, that is, stope, mine building, transit site,Automatic extraction of solid waste.The main contents and conclusions of this paper are as follows: (1) at first, different diffusion algorithms are used to preprocess the image, and the optimal filtering parameters are selected by using the evaluation index.The good edge preservation of the algorithm is beneficial to the shape feature extraction of the subsequent classification. The watershed algorithm is widely used in image segmentation, but the most obvious drawback is that the phenomenon of over-segmentation is serious.In view of the shortcomings of the existing watershed segmentation methods, this paper uses the marked watershed algorithm, and takes the mining development area as the foreground objects to separate and extract.Finally, a good foreground feature segmentation map. 3) the mining area interpretation mark and classification feature space are created.This paper studies the statistical algorithm of spectral, shape and texture features of mine development, selects reasonable feature combinations, and creates mine interpretation marks based on the existing mining land occupation vector data.In this paper, fuzzy C-means clustering is used to realize the classification of mine objects. On the one hand, the algorithm has good convergence and high execution efficiency.On the other hand, there is a certain mutual connectivity and fuzziness among different ground classes of mines in the actual existence form, and the algorithm is developed on the basis of fuzzy set theory.Therefore, it is suitable for solving this kind of uncertainty problem, so the fuzzy C-means clustering algorithm is chosen.The classification results were evaluated by confusion matrix, and the total classification accuracy of small mining area was 89.75kappa coefficient of 0.8462.The extraction and evaluation of high score remote sensing image in Hengfeng County, Shangrao City, Jiangxi Province, were carried out.The total accuracy of classification is 74.54 and the coefficient of kappa is 0.6356.
【學(xué)位授予單位】：中國地質(zhì)大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TD67

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 瞿蘇;;淺談面向?qū)ο蟮脑O(shè)計(jì)思想[J];廣西輕工業(yè);2008年02期

2 W. 穆塔格瓦巴;K. 齊弗萊科斯;桂明華;;面向?qū)ο蟮哪M方法[J];國外金屬礦山;1991年09期

3 秦衛(wèi)光;面向?qū)ο蟮墓芾硇畔⑾到y(tǒng)開發(fā)方法研究[J];天津紡織工學(xué)院學(xué)報(bào);1997年04期

4 趙振杰,張勇;用面向?qū)ο蟮姆椒ê陀?jì)算機(jī)分析關(guān)系的傳遞性[J];山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年02期

5 徐磊;林劍;龍萬學(xué);;面向?qū)ο蟮墓返刭|(zhì)災(zāi)害監(jiān)測(cè)預(yù)報(bào)數(shù)據(jù)組織[J];自然災(zāi)害學(xué)報(bào);2012年04期

6 祝向幸,高曙;面向?qū)ο蟮脑O(shè)計(jì)類專家系統(tǒng)建模方法研究[J];武漢冶金科技大學(xué)學(xué)報(bào);1997年04期

7 郝明;方亮;;基于各向異性擴(kuò)散的多細(xì)節(jié)圖像消噪方案[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年04期

8 嚴(yán)哲;顧漢明;蔡成國;;基于各向異性擴(kuò)散濾波的地震圖像增強(qiáng)處理[J];石油地球物理勘探;2013年03期

9 袁定波;劉成林;汪國斌;;面向?qū)ο蟮牡V區(qū)信息提取方法的應(yīng)用與研究[J];遙感信息;2013年02期

10 姚天斌;祝海江;;基于各向異性擴(kuò)散濾波的仿組織材料超聲掃描數(shù)據(jù)三維重建[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

相關(guān)會(huì)議論文 前10條

1 汪若穎;吳樂南;;一種改進(jìn)的各向異性擴(kuò)散去噪模型[A];第18屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

2 蔡超;周成平;丁明躍;;一種應(yīng)用于各向異性擴(kuò)散的噪聲腐蝕新算子[A];大珩先生九十華誕文集暨中國光學(xué)學(xué)會(huì)2004年學(xué)術(shù)大會(huì)論文集[C];2004年

3 全天彤;;采用面向?qū)ο蟮姆椒ㄔO(shè)計(jì)一個(gè)圖形工具系統(tǒng)[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（上冊(cè)）[C];1999年

4 王愛玲;王俊元;丁愛玲;;面向?qū)ο蟮纳a(chǎn)系統(tǒng)反求及應(yīng)用[A];面向制造業(yè)的自動(dòng)化與信息化技術(shù)創(chuàng)新設(shè)計(jì)的基礎(chǔ)技術(shù)——2001年中國機(jī)械工程學(xué)會(huì)年會(huì)暨第九屆全國特種加工學(xué)術(shù)年會(huì)論文集[C];2001年

5 吳婷婷;朱煜;楊博;;面向?qū)ο蟮挠?jì)量管理信息系統(tǒng)設(shè)計(jì)[A];面向航空試驗(yàn)測(cè)試技術(shù)——2013年航空試驗(yàn)測(cè)試技術(shù)峰會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2013年

6 石祥濱;張斌;鄭懷遠(yuǎn);;一種面向?qū)ο蟮牟樵兇鷶?shù):R代數(shù)[A];數(shù)據(jù)庫研究與進(jìn)展95——第十三屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集[C];1995年

7 姜躍平;董繼潤;;一種面向?qū)ο蟮闹鲃?dòng)規(guī)則機(jī)制[A];第十二屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集[C];1994年

8 劉先進(jìn);;基于面向?qū)ο蟮你y行應(yīng)用前置系統(tǒng)架構(gòu)設(shè)計(jì)[A];全國第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2003年

9 王傳國;董逸生;;一種面向?qū)ο蟮年P(guān)系數(shù)據(jù)庫設(shè)計(jì)方法[A];第十屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集[C];1992年

10 于小紅;朱祥華;;面向?qū)ο蟮募夹g(shù)在傳輸資源管理系統(tǒng)開發(fā)中的應(yīng)用[A];全國計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)用年會(huì)論文集（2001）[C];2001年

相關(guān)博士學(xué)位論文 前7條

1 馬捷;各向異性擴(kuò)散及其在電磁數(shù)據(jù)處理中的應(yīng)用研究[D];中南大學(xué);2009年

2 朱景福;基于小波收縮與各向異性擴(kuò)散及其等價(jià)性的圖像去噪與分割[D];哈爾濱工程大學(xué);2009年

3 張曉琳;面向?qū)ο蟮腦ML數(shù)據(jù)管理技術(shù)研究[D];東北大學(xué);2006年

4 馬海民;基于面向?qū)ο蟮母咚勹F路網(wǎng)絡(luò)資源時(shí)空GIS研究[D];蘭州交通大學(xué);2009年

5 魏泳濤;面向?qū)ο蟮挠邢拊绦蛟O(shè)計(jì)方法[D];四川大學(xué);2000年

6 毛明毅;面向?qū)ο蟮膹V義空間邏輯運(yùn)算模型與推理研究[D];西北工業(yè)大學(xué);2006年

7 余錦華;超聲圖像處理新方法及其在產(chǎn)前診斷中的應(yīng)用[D];復(fù)旦大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 史瑞;各向異性擴(kuò)散濾波在地震數(shù)據(jù)中去噪[D];哈爾濱工業(yè)大學(xué);2015年

2 吳龍華;基于改進(jìn)的各向異性擴(kuò)散圖像去噪算法研究[D];東華理工大學(xué);2016年

3 段維夏;自適應(yīng)各向異性擴(kuò)散數(shù)字圖像修復(fù)研究[D];西南交通大學(xué);2016年

4 趙營;復(fù)雜背景下的紅外弱小目標(biāo)檢測(cè)算法[D];西安電子科技大學(xué);2015年

5 王麗坤;三維各向異性擴(kuò)散濾波方法研究與應(yīng)用[D];成都理工大學(xué);2011年

6 喬剛;基于各向異性擴(kuò)散的圖像處理技術(shù)及其應(yīng)用[D];電子科技大學(xué);2012年

7 康傳國;面向?qū)ο蟮难b備數(shù)據(jù)庫系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)[D];電子科技大學(xué);2014年

8 錢建勛;鋁電解動(dòng)力變壓器狀態(tài)監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

9 劉樟民;高校財(cái)務(wù)管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

10 肖志華;動(dòng)漫人才庫系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];南昌大學(xué);2015年

，

本文編號(hào)：1735052