本文關(guān)鍵詞：基于WorldView-2的多級決策的光學遙感水深反演方法研究　出處：《南京大學》2017年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 水深 光學遙感 多級決策方法 人工神經(jīng)網(wǎng)絡(luò) 反演

【摘要】：目前,國際海疆局勢極其嚴峻,南海主權(quán)島礁被他國占領(lǐng)現(xiàn)象較為嚴重,相關(guān)海域地形信息難以獲取。作為一個海洋大國,如何捍衛(wèi)國家海洋權(quán)益,充分、高效的利用海洋資源,發(fā)展海洋經(jīng)濟是當今我國面臨的一個重要問題。海底地形信息是海洋基礎(chǔ)信息,可為海洋運輸、工程建設(shè)、資源開發(fā)以及海洋災害防治等提供基礎(chǔ)支撐,為國防建設(shè)提供地理信息保障。因此,作為海底地形信息獲取的直接來源,海洋水深探測具有重要意義。光學遙感是淺海水深測量的一種重要手段。以往的研究中常使用簡單理論、半理論半經(jīng)驗或統(tǒng)計模型等傳統(tǒng)模型反演淺海水深,取得了可接受的效果。但仍存在一些問題亟待解決,如對水深反演因子的選擇重視度不足、模型常為簡化形式、反演過程常忽略模型精度的空間差異等,因此反演精度仍具有進一步優(yōu)化的潛力。針對以上問題,研究利用WorldView-2影像和單波束測深數(shù)據(jù),根據(jù)光學遙感測深原理,結(jié)合傳統(tǒng)模型和人工神經(jīng)網(wǎng)絡(luò)模型(ANN)各自的特點,提出一種多級決策的光學遙感水深反演方案以改善反演精度,為今后的淺海測深相關(guān)研究提供一種方法借鑒。主要研究內(nèi)容如下:(1)集成BM3D法去噪。為去除影像噪聲,增強待反演遙感影像質(zhì)量,提出一種改進的集成BM3D去噪方法,驗證了該方法在影像去噪中的有效性,并將其用于去除WorldView-2影像噪聲。(2)基于多級決策方法的光學遙感水深反演。在水深反演方面,提出了一種聯(lián)合傳統(tǒng)模型和人工神經(jīng)網(wǎng)絡(luò)模型的多級決策的光學遙感水深反演方案。首先通過波段水深相關(guān)性分析,根據(jù)傳統(tǒng)模型的特點和光譜斜率線性處理技術(shù),構(gòu)建水深反演因子和因子組合(簡稱"因子")庫,并選取相關(guān)系數(shù)較大的因子進行傳統(tǒng)模型水深預反演,分析反演效果,進而確定最佳水深反演因子(強相關(guān)因子);然后使用強相關(guān)因子構(gòu)建特征空間,建立神經(jīng)網(wǎng)絡(luò)水深反演模型(ArtificialNeural Networks,ANN),使用單網(wǎng)絡(luò)模型進行二次水深反演和結(jié)果分析,根據(jù)反演結(jié)果的空間特征分割水體區(qū)域,進而使用提出的針對不同水深空間獨立建模的多網(wǎng)絡(luò)模型反演水深并分析結(jié)果,最后對多級決策的光學遙感水深反演方法進行評價。得到的主要研究結(jié)論如下:(1)通過輻射校正、耀斑去除、深水校正等預處理,WorldView-2遙感影像質(zhì)量得到顯著改善;面向?qū)ο蟮姆椒ㄓ糜诟叻诌b感影像水陸分離較為適宜;多波段結(jié)合的閾值分割能有效識別破浪區(qū),防止了破浪區(qū)域的錯誤反演。(2)BM3D能高效去除高斯噪聲,且具有較好的細節(jié)保留特性,但對含脈沖噪聲的混合噪聲去除方面有局限性;集成BM3D法可在一定程度上彌補BM3D的缺陷,不僅可以去除混合噪聲,而且在細節(jié)保留方面具有較大改善,與同類方法相比,優(yōu)勢較為明顯;WorldView-2影像去噪以后圖像顯示效果明顯增強。(3)不同的波段與水深相關(guān)性各異,其中藍綠波段相關(guān)性較大;對數(shù)處理可以顯著提高相關(guān)性,處理后紅光波段與水深相關(guān)性大幅增加;光譜斜率線性處理技術(shù)在水深反演中具有較大的潛力,光譜斜率線性處理因子與水深的相關(guān)性較高;水深反演過程中,鑒于光的水體透過能力的限制,傳統(tǒng)模型用于全水深反演效果較差,相反30米以淺水深反演則具有可接受的反演誤差(最低約23%);在所有水深反演因子中,對數(shù)處理因子,比值因子和光譜斜率線性處理因子水深敏感性較高,以水深的對數(shù)值作為模型輸出更有利于水深反演。(4)通過顧及ANN模型過擬合和局部極小問題的方式,使用早停法避免過擬合,使用動量法、Levenberg-Marquart優(yōu)化BP算法和多個不同初始化參數(shù)的網(wǎng)絡(luò)擇優(yōu)而用的方法緩解局部極小問題,可在較大程度上使ANN模型趨近最優(yōu)。多網(wǎng)絡(luò)模型反演水深有效緩解了單一模型反演全局水深時局部反演精度較低的問題。(5)研究提出的以人工神經(jīng)網(wǎng)絡(luò)模型為核心、以傳統(tǒng)模型為輔助的"多級決策的光學遙感水深反演方案"既考慮了光的輻射傳輸特性,又顧及了不同水深層的水體空間差異,反演南海典型島礁淺海(30m以淺)水深時,在考慮大氣、水體環(huán)境和潮汐等因素影響的條件下,相對誤差降低至約8%,RMSE優(yōu)于1m,反演精度大大提升,是一種較為理想的水深反演方法。
【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P237;P229

【相似文獻】

相關(guān)期刊論文 前2條

1 梁百川;一個線性多級決策問題模型[J];系統(tǒng)工程理論與實踐;2000年04期

2 徐小峰;朱杰;;基于類間最大間隔的多級決策樹[J];科技信息;2010年21期

相關(guān)會議論文 前1條

1 李強;劉大剛;章文俊;;確定船舶繞避熱帶氣旋方案的多級決策方法[A];氣象海洋環(huán)境與船舶航行安全論文集[C];2010年

相關(guān)碩士學位論文 前2條

1 趙洪臣;基于WorldView-2的多級決策的光學遙感水深反演方法研究[D];南京大學;2017年

2 霍建兵;基于類間最大間隔理論的多級決策樹歸納算法[D];河北大學;2007年

，

本文編號：1336382