【摘要】：云雪分離是云檢測中一項(xiàng)具有挑戰(zhàn)性的任務(wù),對(duì)于衛(wèi)星影像處理及應(yīng)用具有重要的意義。對(duì)于大多數(shù)高分辨率衛(wèi)星而言,它們的傳感器波段只包括了可見光波段和近紅外波段,導(dǎo)致傳統(tǒng)的云雪檢測方法不再適用。而目前針對(duì)高分辨率遙感影像的云雪分離研究也存在缺失和不足,大部分研究只針對(duì)全色波段影像,沒有有效地利用顏色信息,部分研究對(duì)高分辨率衛(wèi)星的能力有特殊的要求。本文針對(duì)云雪分離問題,提出了一種將光譜特征法與機(jī)器學(xué)習(xí)方法相結(jié)合的檢測方法,該方法基于光譜、紋理和形狀特征并采用了支持向量機(jī)多分類策略。通過對(duì)形狀特性的研究,專門設(shè)計(jì)了一種新的特征——曲率直方圖,來描述邊緣形狀。算法具體步驟如下:首先通過興趣區(qū)檢測利用多光譜信息將云雪像素一并提取出來,提取結(jié)果再與圖像分割結(jié)果相結(jié)合,得到感興趣對(duì)象并計(jì)算其特征�？紤]到云雪覆蓋的復(fù)雜性,將其分為四類,即厚云、薄云、雪和雪地,每兩類訓(xùn)練一個(gè)分類器總共得到6個(gè)分類器。通過這6個(gè)分類器的分類并統(tǒng)計(jì)分類結(jié)果中每個(gè)類別的置信度之和,每個(gè)超像素則被分類為置信度值最高對(duì)應(yīng)的類別。最后,利用GrabCut算法對(duì)分類結(jié)果進(jìn)行像素級(jí)精度優(yōu)化。本文對(duì)整體框架及各個(gè)算法步驟進(jìn)行了相應(yīng)的試驗(yàn)和驗(yàn)證。在對(duì)高分一號(hào)多光譜影像的云檢測試驗(yàn)中,本文算法取得了較為良好的實(shí)驗(yàn)結(jié)果,表明本文的技術(shù)框架是針對(duì)高分辨率衛(wèi)星多光譜影像進(jìn)行云雪分離的一種可行方案。未來的工作中,我們將考慮如何利用空間上下文信息,并在分類階段引入概率模型,來減少誤分類錯(cuò)誤的出現(xiàn)。
【圖文】：

圖１－１技術(shù)路線流程圖逡逑１．４本文組織結(jié)構(gòu)逡逑本文主要分為６個(gè)部分，各章節(jié)內(nèi)容概括如下：逡逑

圖２－１不同類型云示意圖［２７］逡逑１０逡逑
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：P407

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 李昀英;方樂鋅;寇雄偉;;衛(wèi)星-地基-模式統(tǒng)一的自動(dòng)觀測云分類原則和標(biāo)準(zhǔn)的研究[J];地球物理學(xué)報(bào);2014年08期

2 胡根生;陳長春;梁棟;;聯(lián)合云量自動(dòng)評(píng)估和加權(quán)支持向量機(jī)的Landsat圖像云檢測[J];測繪學(xué)報(bào);2014年08期

3 丁海燕;馬靈玲;李子揚(yáng);唐伶俐;;基于分形維數(shù)的全色影像云雪自動(dòng)識(shí)別方法[J];遙感技術(shù)與應(yīng)用;2013年01期

4 曾慧;穆志純;王秀青;;一種魯棒的圖像局部特征區(qū)域的描述方法[J];自動(dòng)化學(xué)報(bào);2011年06期

5 王斌;;一種基于多級(jí)弦長函數(shù)的傅立葉形狀描述子[J];計(jì)算機(jī)學(xué)報(bào);2010年12期

6 單娜;鄭天W，

本文編號(hào)：2616854