合理地保護(hù)和利用森林資源,對地球生態(tài)系統(tǒng)的穩(wěn)定及可持續(xù)發(fā)展有重要意義,森林類型的正確識別是其重要的基礎(chǔ)和依據(jù)。擁有成本低、靈活度高、分辨率高優(yōu)點的無人機(jī)的發(fā)展為獲取資源信息提供了便利,同時為森林有序開發(fā)奠定了基礎(chǔ)。國內(nèi)外學(xué)者廣泛利用遙感數(shù)據(jù)及不同的分類方法對森林類型進(jìn)行識別,改善森林類型識別的效率及精度。論文考慮到在實際應(yīng)用中,普遍存在未標(biāo)注的樣本信息和標(biāo)注的樣本兩種數(shù)據(jù)集情況,論文研究分別使用非監(jiān)督分類和監(jiān)督分類兩種方法對森林類型進(jìn)行識別。使用蜂群k-means非監(jiān)督分類方法和蜂群SVM（Support Vector Machine）監(jiān)督分類算法對林場內(nèi)森林類型進(jìn)行識別,以滿足不同數(shù)據(jù)樣本情況的森林類型識別需求。論文的主要工作包括:（1）數(shù)據(jù)處理對研究區(qū)域的無人機(jī)圖像進(jìn)行了數(shù)字正射影像處理及裁剪等預(yù)處理,形成了可用于分類的基礎(chǔ)數(shù)據(jù)。論文使用 ERDAS IMAGINE 中的 LPS（Leica Photogrammetry Suite）數(shù)字?jǐn)z影測量系統(tǒng)進(jìn)行數(shù)字正射影像圖的制作。然后對數(shù)字正射影像圖進(jìn)行了裁剪處理。（2）無人機(jī)遙感圖像森林類型聚類模型研究及森林類型識別應(yīng)用研究聚類模型的... 

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－２技術(shù)路線圖??１．４．２論文組織結(jié)構(gòu)??本文的基本組織結(jié)構(gòu)如下所示：??

圖２－１遙感技術(shù)原理圖??

圖.口沖心..目中心

【參考文獻(xiàn)】：
期刊論文
[1]基于無人機(jī)遙感與卷積神經(jīng)網(wǎng)絡(luò)的草原物種分類方法[J]. 楊紅艷,杜健民,王圓,張燕斌,張錫鵬,康擁朝.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(04)
[2]一種喀斯特地貌無人機(jī)遙感影像的快速匹配方法[J]. 何志偉,王曉紅,鄧仕雄,曹留霞,李闖.  測繪科學(xué). 2019(07)
[3]基于無人機(jī)遙感的高潛水位采煤沉陷濕地植被分類[J]. 肖武,任河,呂雪嬌,閆皓月,孫詩睿.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(02)
[4]基于人工蜂群算法的人臉識別[J]. 白薈琳,曲娜,陳少杰,劉添添.  沈陽工程學(xué)院學(xué)報(自然科學(xué)版). 2019(01)
[5]基于灰度共生矩陣?yán)碚摰腜VA纖維分散評價法[J]. 曹源文,吳春洋,鄭婷婷,肖偉,夏柱林,鄭南翔.  哈爾濱工業(yè)大學(xué)學(xué)報. 2019(01)
[6]基于智能蜂群算法的DDoS攻擊檢測系統(tǒng)[J]. 余學(xué)山,韓德志,杜振鑫.  計算機(jī)科學(xué). 2018(12)
[7]基于改進(jìn)群智能K-means優(yōu)化算法的侵犯性駕駛行為異常點檢測[J]. 王絲絲,張敬磊,王建興,陳慈,馬春杰.  科學(xué)技術(shù)與工程. 2018(34)
[8]以小型低成本無人機(jī)進(jìn)行大型考古遺址航測的新探索——以赤峰遼中京遺址為例[J]. 李松陽,王藏博,徐怡濤.  遺產(chǎn)與保護(hù)研究. 2018(11)
[9]多旋翼無人飛行器在氣象業(yè)務(wù)中的應(yīng)用[J]. 王洋,孫姣,劉羿,姜明波,杜智濤,江軍.  氣象水文海洋儀器. 2018(03)
[10]Forest type identification by random forest classification combined with SPOT and multitemporal SAR data[J]. Ying Yu,Mingze Li,Yu Fu.  Journal of Forestry Research. 2018(05)

博士論文
[1]基于無人機(jī)采集圖像的植被識別方法研究[D]. 唐晏.成都理工大學(xué) 2014

碩士論文
[1]基于改進(jìn)詞袋模型的圖像分類算法[D]. 劉利鋒.上海師范大學(xué) 2018
[2]森林類型高光譜遙感分類研究[D]. 王懷警.中國林業(yè)科學(xué)研究院 2018
[3]基于改進(jìn)的FCM遙感圖像聚類算法的研究與應(yīng)用[D]. 張景柯.南京信息工程大學(xué) 2017
[4]基于視覺詞袋模型的高分辨率遙感圖像分類研究[D]. 王卓.南京信息工程大學(xué) 2017
[5]基于峰值密度聚類的高光譜圖像分析方法研究[D]. 于文博.鄭州大學(xué) 2017
[6]無人機(jī)正射影像圖的制作[D]. 劉淑慧.東華理工大學(xué) 2013



本文編號：3672039