土地資源是人類生存最基本的自然資源,為國家和社會(huì)經(jīng)濟(jì)發(fā)展提供了物質(zhì)保障。我國土地資源豐富、類型多樣,獲取真實(shí)準(zhǔn)確的地物信息是對(duì)其進(jìn)行合理開發(fā)利用的關(guān)鍵,對(duì)于及時(shí)規(guī)劃和管理國土資源具有重要的意義。隨著航空技術(shù)的不斷發(fā)展和進(jìn)步,航空遙感影像被廣泛地應(yīng)用到地物分類中。但土地資源不斷發(fā)展變化,地物類型越來越復(fù)雜,單一的遙感影像技術(shù)不能滿足精確的地物信息提取,因此地物分類從單一的遙感數(shù)據(jù)源轉(zhuǎn)移到多源數(shù)據(jù)的融合。高光譜影像分辨率高、波段多,包含著豐富的空間信息和光譜信息,近年來在土地地物分類中得到廣泛的應(yīng)用。而機(jī)載LiDAR點(diǎn)云包含獨(dú)特的高精度三維空間信息,可以為地物分類提供高光譜影像不具備的高度特征。因此,將高光譜影像數(shù)據(jù)與機(jī)載LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行融合是地物分類的有效手段。本文以黑河中游核心觀測(cè)區(qū)為研究區(qū)域,結(jié)合高光譜和機(jī)載LiDAR數(shù)據(jù)的特點(diǎn),提取多源數(shù)據(jù)特征進(jìn)行融合分類研究。論文首先采用主成分分析和最小噪聲分離變換對(duì)高光譜影像進(jìn)行降維,得到包含大部分光譜信息的有效影像波段,并利用SVM、卷積神經(jīng)網(wǎng)絡(luò)和殘差網(wǎng)絡(luò)算法對(duì)降維后的影像進(jìn)行分類,對(duì)不同算法的分類結(jié)果比較分析。然后,通過計(jì)算高光譜影像... 

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 遙感影像進(jìn)行地物分類的研究現(xiàn)狀
        1.2.2 高光譜與機(jī)載LiDAR數(shù)據(jù)融合分類的研究現(xiàn)狀
        1.2.3 基于深度學(xué)習(xí)對(duì)遙感影像分類的研究現(xiàn)狀
        1.2.4 現(xiàn)存的問題
    1.3 研究?jī)?nèi)容
    1.4 技術(shù)路線
    1.5 論文組織結(jié)構(gòu)
2 研究區(qū)數(shù)據(jù)源與數(shù)據(jù)預(yù)處理
    2.1 引言
    2.2 研究區(qū)概況
        2.2.1 遙感數(shù)據(jù)源
        2.2.2 地表覆蓋類型
    2.3 研究區(qū)高光譜影像的數(shù)據(jù)獲取
    2.4 本章小結(jié)
3 基于高光譜影像的地物分類
    3.1 引言
    3.2 高光譜影像的降維
        3.2.1 主成分分析(PCA)
        3.2.2 最小噪聲分離變換(MNF)
    3.3 高光譜影像的地物分類方法研究
        3.3.1 基于SVM的高光譜分類
        3.3.2 基于CNN的高光譜分類
        3.3.3 基于DRN的高光譜分類
    3.4 本章小結(jié)
4 基于高光譜與機(jī)載LiDAR融合數(shù)據(jù)的地物分類
    4.1 引言
    4.2 高光譜與機(jī)載LiDAR數(shù)據(jù)配準(zhǔn)
    4.3 高光譜影像的特征提取
        4.3.1 歸一化植被指數(shù)(NDVI)
        4.3.2 灰度共生矩陣(GLCM)
    4.4 高光譜與機(jī)載LiDAR數(shù)據(jù)的特征融合
        4.4.1 數(shù)據(jù)融合層次
        4.4.2 特征融合實(shí)驗(yàn)
    4.5 本章小結(jié)
5 基于高光譜與機(jī)載LiDAR的殘差網(wǎng)絡(luò)分類器設(shè)計(jì)
    5.1 引言
    5.2 分層融合的殘差網(wǎng)絡(luò)(M-DRN)
    5.3 實(shí)驗(yàn)過程與結(jié)果分析
        5.3.1 訓(xùn)練過程分析
        5.3.2 網(wǎng)絡(luò)參數(shù)分析
    5.4 分類方法的對(duì)比分析
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]遙感數(shù)據(jù)融合的進(jìn)展與前瞻[J]. 張良培,沈煥鋒.  遙感學(xué)報(bào). 2016(05)
[2]高光譜遙感影像分類研究進(jìn)展[J]. 杜培軍,夏俊士,薛朝輝,譚琨,蘇紅軍,鮑蕊.  遙感學(xué)報(bào). 2016(02)
[3]機(jī)載激光雷達(dá)和高光譜組合系統(tǒng)的亞熱帶森林估測(cè)遙感試驗(yàn)[J]. 劉清旺,譚炳香,胡凱龍,樊雪,李增元,龐勇,李世明.  高技術(shù)通訊. 2016(03)
[4]基于Landsat 8 OLI影像的三江源區(qū)表層土壤全氮空間格局反演[J]. 賈偉,高小紅,楊揚(yáng),張威,楊靈玉,田成明.  干旱區(qū)研究. 2015(05)
[5]機(jī)載LiDAR和高光譜數(shù)據(jù)融合提取冰川雪線[J]. 李光輝,王成,習(xí)曉環(huán),鄭照軍,駱社周,岳彩榮.  國土資源遙感. 2013(03)
[6]下墊面對(duì)WRF模式模擬黑河流域區(qū)域氣候精度影響研究[J]. 潘小多,李新,冉有華,劉超.  高原氣象. 2012(03)
[7]基于AROP程序包的類Landsat遙感影像配準(zhǔn)與正射糾正試驗(yàn)和精度分析[J]. 李愛農(nóng),蔣錦剛,邊金虎,雷光斌,黃成全.  遙感技術(shù)與應(yīng)用. 2012(01)
[8]多源遙感數(shù)據(jù)融合的發(fā)展趨勢(shì)[J]. 張繼賢.  地理信息世界. 2011(02)

博士論文
[1]支持向量機(jī)增量學(xué)習(xí)研究[D]. 唐庭龍.浙江工業(yè)大學(xué) 2018
[2]激光雷達(dá)和高光譜數(shù)據(jù)融合的城市土地利用分類方法研究[D]. 滿其霞.華東師范大學(xué) 2015
[3]基于激光雷達(dá)和高光譜遙感的森林單木關(guān)鍵參數(shù)提取[D]. 趙旦.中國林業(yè)科學(xué)研究院 2012

碩士論文
[1]基于像素級(jí)的高分辨率遙感影像融合方法研究[D]. 湯耶磊.東華理工大學(xué) 2018
[2]基于機(jī)載LiDAR和高光譜遙感影像融合實(shí)現(xiàn)普洱山區(qū)樹種分類[D]. 劉怡君.中國林業(yè)科學(xué)研究院 2016
[3]基于高空間分辨率遙感影像的土地利用信息提取[D]. 孫燕霞.重慶交通大學(xué) 2014



本文編號(hào)：3666613