【摘要】：及時(shí)準(zhǔn)確獲取灌區(qū)渠系輪廓對(duì)保障農(nóng)戶(hù)適量灌溉,提高水資源利用率,緩解農(nóng)業(yè)缺水狀況有著重要意義,有助于實(shí)現(xiàn)農(nóng)民增產(chǎn)增收和水利增效的目標(biāo)。針對(duì)目前普遍使用的灌區(qū)遙感影像存在分辨率不高使得提取困難的問(wèn)題,本研究以?xún)?nèi)蒙古臨河區(qū)海豐縣灌區(qū)區(qū)域影像為研究對(duì)象,采用無(wú)人機(jī)航空攝影測(cè)量方法獲取高分辨率影像。將高精度正射影像數(shù)據(jù)、數(shù)字高程數(shù)據(jù)和坡度數(shù)據(jù)作為數(shù)據(jù)源,利用K-Means方法和支持向量機(jī)方法(Support Vector Machines,SVM)對(duì)灌區(qū)渠系進(jìn)行輪廓提取,并與面向?qū)ο蠓诸?lèi)方法、改進(jìn)霍夫變換方法進(jìn)行比較和評(píng)估。前人研究中基于傳統(tǒng)面向?qū)ο蠓诸?lèi)方法的渠系提取精度不佳,而基于改進(jìn)霍夫變換方法的渠系提取自動(dòng)化程度不高,因此采用機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)灌區(qū)渠系的自動(dòng)化提取成為一種解決途徑。本文通過(guò)K-Means方法和SVM方法對(duì)灌區(qū)渠系輪廓的提取進(jìn)行研究,主要研究?jī)?nèi)容和結(jié)果如下:(1)基于K-Means的渠系輪廓提取。設(shè)計(jì)并實(shí)現(xiàn)了基于K-Means聚類(lèi)方法對(duì)渠系特征進(jìn)行分類(lèi),以光譜特征和紋理特征作為區(qū)分渠系、非渠系的重要手段,并采用幾何特征濾波對(duì)提取結(jié)果進(jìn)行優(yōu)化。實(shí)驗(yàn)表明三塊實(shí)驗(yàn)區(qū)域中只有環(huán)境簡(jiǎn)單的實(shí)驗(yàn)區(qū)域2達(dá)到了渠系輪廓提取效果,但完整度僅為78.90%,且渠系提取準(zhǔn)確率不足70%。(2)基于支持向量機(jī)的渠系輪廓提取。以人工選點(diǎn)的方式得到可信訓(xùn)練樣本點(diǎn),將基于超像素的多核分類(lèi)算法生成的聯(lián)合統(tǒng)一內(nèi)核以及徑向基核函數(shù)構(gòu)成的混合內(nèi)核作為SVM的分類(lèi)準(zhǔn)則,訓(xùn)練并泛化得到渠系結(jié)果。并采用凸包化方法以及中軸線(xiàn)提取方法對(duì)渠系輪廓結(jié)果進(jìn)行完善優(yōu)化,以保證提取結(jié)果的完整度和高精度制圖效果。實(shí)驗(yàn)表明三塊實(shí)驗(yàn)區(qū)域渠系輪廓提取效果較好,提取精確率達(dá)到90%以上,且各個(gè)區(qū)域中部分農(nóng)渠均有提取。實(shí)驗(yàn)區(qū)域2的提取準(zhǔn)確率比基于K-Means的渠系輪廓提取方法高出19.37%。結(jié)果表明本研究方法中K-Means方法結(jié)果精度可達(dá)到斗渠,比面向?qū)ο蠓诸?lèi)方法提取精度高,但在復(fù)雜環(huán)境下的渠系提取完整度低。同時(shí)SVM方法在完整度和準(zhǔn)確率方面優(yōu)于改進(jìn)霍夫變換方法,且渠系平均提取精度可達(dá)86.34%,在提取精度上有較好的表現(xiàn)。
【圖文】：

(a)編號(hào)規(guī)則 (b)八個(gè)計(jì)算方向 (c)位置關(guān)系圖 1-2 最大坡降算法Fig. 1-2 Maximum Slope Drop Algorithm（3）研究區(qū)地處黃土高原北部，位于內(nèi)蒙古自治區(qū)西部臨河區(qū)海豐村，地理坐圍為 107°6'E~107°44'E，40°34'N~41°17'N，海拔高度為 973.76 米~1037.01 米，該區(qū)引黃河水的自流灌區(qū)。干渠 13 條，總約長(zhǎng) 180km，排水干溝 10 條，總干溝約長(zhǎng) 220km區(qū)灌排系統(tǒng)縱橫，控制著整個(gè)灌區(qū)農(nóng)業(yè)灌溉用水和排水。研究區(qū)灌溉面積約為 625，區(qū)內(nèi)主要農(nóng)作物為玉米、小麥和向日葵。樣本需要有一定的時(shí)間范圍和對(duì)象范圍限制，因此本研究于 2016 年 3 月份使用機(jī)對(duì)河套灌區(qū)農(nóng)作物覆蓋稀少的凍土?xí)r期進(jìn)行數(shù)據(jù)采集工作。采用 T-EZ AF1000 安翔動(dòng)力，北京）固定翼無(wú)人機(jī)搭載可見(jiàn)光相機(jī)作為遙感數(shù)據(jù)采集平臺(tái)，，主要儀器如下：（1）T-EZAF1000 型固定翼無(wú)人機(jī)如圖 1-3（a）所示。（2）索尼 a5100 可見(jiàn)光相機(jī)。（3）卷尺等地面測(cè)量工具，收集典型渠寬、渠深信息。

(a)灌區(qū)影像及位置 (b)地表高程數(shù)據(jù)圖 1-4 研究區(qū)域影像及實(shí)驗(yàn)區(qū)位置、高程Fig. 1-4 Study Area Image and Experimental Area Location, DEM人機(jī)飛行遙測(cè)時(shí)最多可獲得 1000 幅航拍影像，使用華策實(shí)時(shí)動(dòng)態(tài)定位（Real-tatic，RTK）接收機(jī)確定飛行位置和高度。通過(guò)無(wú)人機(jī)拍攝立體像對(duì)，基ftPhotoscan 軟件掃描技術(shù)實(shí)現(xiàn)多塊航拍影像的拼接，生成分辨率為 0.25m 的正相應(yīng)的DEM和坡度數(shù)據(jù)并以西安80地理坐標(biāo)系統(tǒng)與1985年國(guó)家高程作為基6°帶高斯投影對(duì)數(shù)據(jù)進(jìn)行校正，以盡可能減少由于數(shù)據(jù)轉(zhuǎn)換帶來(lái)的誤差對(duì)實(shí)驗(yàn)
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：S27;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賀輝;閆明;黃靜;;基于窗口Hough變換與閾值分割的矩形識(shí)別算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2018年03期

2 張維誠(chéng);許朗;;基于ArcGIS的河南省夏玉米旱災(zāi)承災(zāi)體脆弱性研究[J];水土保持研究;2018年02期

3 陳崇成;李旭;黃洪宇;;基于無(wú)人機(jī)影像匹配點(diǎn)云的苗圃單木冠層三維分割[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2018年02期

4 張宏鳴;任強(qiáng);韓文霆;楊江濤;楊勤科;張炯;;基于SVM的灌區(qū)無(wú)人機(jī)影像渠系提取[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2018年02期

5 張宏鳴;李瑤;王猛;韓文霆;寧紀(jì)鋒;王美麗;;基于無(wú)人機(jī)DEM的灌區(qū)渠系提取方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2017年10期

6 楊勤科;;《區(qū)域水土流失監(jiān)測(cè)與評(píng)價(jià)》[J];水土保持通報(bào);2017年02期

7 韓文霆;張立元;張海鑫;師志強(qiáng);苑夢(mèng)嬋;王紫軍;;基于無(wú)人機(jī)遙感與面向?qū)ο蠓ǖ奶镩g渠系分布信息提取[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2017年03期

8 丁磊;張保明;郭海濤;盧俊;;矢量數(shù)據(jù)輔助的高分辨率遙感影像道路自動(dòng)提取[J];遙感學(xué)報(bào);2017年01期

9 劉天清;于春輝;;基于廣度優(yōu)先的排水管網(wǎng)連通性分析算法設(shè)計(jì)[J];測(cè)繪地理信息;2016年06期

10 楊宇暉;顏梅春;李致家;余青;陳貝貝;;南方丘陵地區(qū)復(fù)雜地表“同物異譜”分類(lèi)處理模型[J];國(guó)土資源遙感;2016年02期

相關(guān)博士學(xué)位論文 前6條

1 方樂(lè)緣;面向圖像恢復(fù)和識(shí)別的稀疏表示方法研究[D];湖南大學(xué);2015年

2 李陽(yáng);多核學(xué)習(xí)SVM算法研究及肺結(jié)節(jié)識(shí)別[D];吉林大學(xué);2014年

3 俞偉斌;基于DEM的數(shù)字流域時(shí)空特征及提取研究[D];浙江大學(xué);2014年

4 孫偉;中國(guó)農(nóng)業(yè)節(jié)水技術(shù)推廣關(guān)鍵影響因素研究[D];東北農(nóng)業(yè)大學(xué);2012年

5 王斌;基于無(wú)人機(jī)采集圖像的土壤濕度預(yù)測(cè)模型研究[D];中國(guó)石油大學(xué);2009年

6 杜京義;基于核算法的故障智能診斷理論及方法研究[D];西安科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前5條

1 李瑤;面向灌區(qū)渠系輪廓提取的DEM處理方法研究[D];西北農(nóng)林科技大學(xué);2017年

2 張海鑫;基于無(wú)人機(jī)遙感的渠系分布信息提取方法研究[D];西北農(nóng)林科技大學(xué);2016年

3 于振;基于模糊理論的超像素算法研究及應(yīng)用[D];山東大學(xué);2014年

4 高巍;栽培及灌溉措施對(duì)黑鈣土性狀及生產(chǎn)力的影響[D];東北農(nóng)業(yè)大學(xué);2014年

5 易珍言;遙感技術(shù)在灌溉管理中的應(yīng)用研究[D];蘭州交通大學(xué);2014年

本文編號(hào)：2711360