隨著科技水平的不斷提高,近幾年商業(yè)遙感衛(wèi)星得到快速地發(fā)展,高分辨率遙感影像處理技術(shù)取得顯著的進(jìn)步,如何利用遙感技術(shù)便捷獲取遙感影像中空間特征信息,以及定量分析地表特征成為該領(lǐng)域主要研究熱點(diǎn)之一。計(jì)算機(jī)科學(xué)和遙感信息技術(shù)的發(fā)展使得遙感影像地類信息提取方法多元化,遙感技術(shù)中不斷引入機(jī)器學(xué)習(xí)等人工智能領(lǐng)域的方法,使得這一過程變得數(shù)據(jù)信息化和方法高效化�；谶b感技術(shù)的單幅遙感影像地類特征提取具有宏觀、快速和高效等特征,但對于多幅遙感影像地類特征提取,一般重復(fù)單幅遙感影像處理方法,雖然保證了地類特征提取的精度,但這過程復(fù)雜而慢長,造成一些資源的占用與浪費(fèi)。本文以植被為研究對象,針對實(shí)際生產(chǎn)中遙感影像數(shù)據(jù)處理過程出現(xiàn)的問題,如遙感影像數(shù)據(jù)超出計(jì)算機(jī)處理能力和多幅遙感影像地類提取速度較慢等,提出了一種基于面向?qū)ο驧LP模型的遙感植被信息提取方法。通過使用“珠海一號(hào)”系列商業(yè)衛(wèi)星中的OVS-1A星遙感影像數(shù)據(jù),分析遙感影像空間特征,選擇多組空間特征數(shù)據(jù)集與合理模型的優(yōu)化及應(yīng)用,分析得到同軌異景多幅遙感影像植被提取方法的合理性與可行性,為全國第三次土地調(diào)查中利用遙感技術(shù)地類提取提供有益參考。主要的研究內(nèi)... 

【文章來源】：東華理工大學(xué)江西省

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容與技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 章節(jié)安排
        1.3.3 技術(shù)路線
2 研究區(qū)概況與數(shù)據(jù)資料
    2.1 研究區(qū)概況
    2.2 遙感影像數(shù)據(jù)
        2.2.1 獲取數(shù)據(jù)方式
        2.2.2 影像數(shù)據(jù)結(jié)構(gòu)
    2.3 數(shù)據(jù)預(yù)處理
        2.3.1 遙感影像預(yù)處理
        2.3.2 面向?qū)ο蠓指?br>3 空間模型變量提取與特征選擇
    3.1 模型變量提取
        3.1.1 數(shù)據(jù)變量提取
        3.1.2 精度評價(jià)
    3.2 空間特征選擇
        3.2.1 特征分析
        3.2.2 特征選擇
    3.3 小結(jié)與討論
4 基于面向?qū)ο蟮腗LP模型植被信息提取
    4.1 背景介紹
        4.1.1 多層感知器模型
        4.1.2 模型參數(shù)選擇
        4.1.3 性能評價(jià)指標(biāo)
    4.2 建模過程
        4.2.1 特征數(shù)據(jù)處理及建模過程流程圖
        4.2.2 參數(shù)選擇
        4.2.3 模型優(yōu)化
        4.2.4 預(yù)測結(jié)果與分析
    4.3 小結(jié)與討論
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻(xiàn)
附錄A


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)AlexNet的遙感影像地表覆蓋分類評價(jià)研究[J]. 黨宇,張繼賢,鄧喀中,趙有松,余凡.  地球信息科學(xué)學(xué)報(bào). 2017(11)
[2]國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[J].   自動(dòng)化博覽. 2017(08)
[3]基于混合特征空間MRF（Markov Random Filed）模型的高分辨率遙感影像水體提取[J]. 李士進(jìn),王聲特.  南京師大學(xué)報(bào)(自然科學(xué)版). 2017(01)
[4]南方丘陵區(qū)植被覆蓋度遙感估算的地形效應(yīng)評估[J]. 吳志杰,何國金,黃紹霖,王猛猛,林金堂.  遙感學(xué)報(bào). 2017(01)
[5]宜良縣云南松林生物量遙感估測方法研究[J]. 胡振華,王麗媛,岳彩榮.  河北農(nóng)業(yè)大學(xué)學(xué)報(bào). 2017(01)
[6]基于空間特征與紋理信息的高光譜圖像半監(jiān)督分類[J]. 程志會(huì),謝福鼎.  測繪通報(bào). 2016(12)
[7]基于可見光波段的無人機(jī)超低空遙感圖像處理[J]. 鄧?yán)^忠,任高生,蘭玉彬,黃華盛,張亞莉.  華南農(nóng)業(yè)大學(xué)學(xué)報(bào). 2016(06)
[8]基于形態(tài)學(xué)空間特征的高光譜遙感圖像分類方法[J]. 呂俊偉,樊利恒,石曉航.  光學(xué)技術(shù). 2016(05)
[9]基于可見光波段的城市航空影像植被提取[J]. 周勇兵,朱永清.  綠色科技. 2016(16)
[10]結(jié)合支持向量回歸和圖像自相似的單幅圖像超分辨率算法[J]. 王宏,盧芳芳,李建武.  中國圖象圖形學(xué)報(bào). 2016(08)

博士論文
[1]基于集成學(xué)習(xí)的高分遙感圖像玉米區(qū)高精度提取算法研究[D]. 李大威.中北大學(xué) 2017
[2]高分辨率遙感影像分割方法及應(yīng)用研究[D]. 劉大偉.長安大學(xué) 2016
[3]區(qū)域森林生物量遙感估測與應(yīng)用研究[D]. 吳超凡.浙江大學(xué) 2016
[4]中高分辨率遙感影像森林類型精細(xì)分類與森林資源變化監(jiān)測技術(shù)研究[D]. 任沖.中國林業(yè)科學(xué)研究院 2016
[5]高分辨率遙感森林植被分類提取研究[D]. 李偉濤.北京林業(yè)大學(xué) 2016
[6]基于知識(shí)的高分辨率遙感影像耕地自動(dòng)提取技術(shù)研究[D]. 孫家波.中國農(nóng)業(yè)大學(xué) 2014
[7]面向?qū)ο笥跋穹治鲋械亩喑叨确椒ㄑ芯縖D]. 黃志堅(jiān).國防科學(xué)技術(shù)大學(xué) 2014
[8]遙感數(shù)據(jù)可靠性分類方法研究[D]. 張華.中國礦業(yè)大學(xué) 2012
[9]植被覆蓋區(qū)遙感礦化蝕變信息提取方法研究[D]. 王愛云.中國地質(zhì)科學(xué)院 2011
[10]高分辨率遙感影像變化檢測的關(guān)鍵技術(shù)研究[D]. 祝錦霞.浙江大學(xué) 2011

碩士論文
[1]高分辨率遙感圖像深度學(xué)習(xí)艦船檢測技術(shù)研究[D]. 王騰飛.哈爾濱工業(yè)大學(xué) 2017
[2]基于深度學(xué)習(xí)技術(shù)的高分辨率遙感影像建設(shè)用地信息提取研究[D]. 馮麗英.浙江大學(xué) 2017
[3]基于深度神經(jīng)網(wǎng)絡(luò)的遙感圖像變化檢測[D]. 楚巖.南京理工大學(xué) 2017
[4]基于深度學(xué)習(xí)的高光譜遙感圖像分類[D]. 邢晨.中國地質(zhì)大學(xué) 2016
[5]面向?qū)ο蟮母叻直媛蔬b感影像建筑物倒損信息提取[D]. 楊春.中國地質(zhì)大學(xué)(北京) 2015
[6]基于BP神經(jīng)網(wǎng)絡(luò)的遙感影像分類研究[D]. 張輝.山東師范大學(xué) 2013
[7]可見光遙感圖像分割算法研究[D]. 王麗芳.西安電子科技大學(xué) 2013
[8]面向?qū)ο蟮母叻直媛蔬b感影像分類及泥石流信息提取研究[D]. 李宏宏.南京理工大學(xué) 2013
[9]人工神經(jīng)網(wǎng)絡(luò)BP學(xué)習(xí)算法的研究及在人臉識(shí)別中的應(yīng)用[D]. 李永明.山東大學(xué) 2012
[10]遙感影像植被分類技術(shù)研究[D]. 盧茂芬.解放軍信息工程大學(xué) 2012



本文編號(hào)：3466975