基于中等分辨率遙感圖像的海岸帶養(yǎng)殖池提取算法
發(fā)布時(shí)間:2023-11-05 09:45
海岸帶池塘養(yǎng)殖作為一種重要的水產(chǎn)養(yǎng)殖方式在全球的食品、營(yíng)養(yǎng)和經(jīng)濟(jì)效益方面發(fā)揮著重要作用,然而也給海岸帶生態(tài)環(huán)境的可持續(xù)性帶來(lái)了巨大的挑戰(zhàn)。因此,迫切需要對(duì)池塘養(yǎng)殖進(jìn)行有效的動(dòng)態(tài)監(jiān)測(cè),以實(shí)現(xiàn)可持續(xù)的漁業(yè)用海管理。遙感技術(shù)可以為養(yǎng)殖池監(jiān)測(cè)提供重要手段,特別是中等分辨率遙感圖像能夠?qū)崿F(xiàn)大范圍的地物覆蓋,然而由于其分辨率較低導(dǎo)致養(yǎng)殖池邊緣較弱以及附近諸如海洋等其它水體干擾的存在,給提取養(yǎng)殖池帶來(lái)了較大困難。在光學(xué)遙感中養(yǎng)殖池提取通常采用的分類方法,需要依賴大量訓(xùn)練樣本和費(fèi)時(shí)的訓(xùn)練過(guò)程,且移植性較差,因此有必要研究人工參與少且移植性好的提取算法。而已有的合成孔徑雷達(dá)圖像(Synthetic Aperture Radar,SAR)養(yǎng)殖池提取方法,目前需要利用較多的輔助數(shù)據(jù),因此有必要研究不需要輔助數(shù)據(jù)并人工參與少的提取算法。另外也有必要分析兩類提取算法與已有算法的提取性能優(yōu)勢(shì)。因此,本文分別從中等分辨率的多光譜圖像Landsat-8和SAR圖像Sentienl-1出發(fā),研究了海岸帶養(yǎng)殖池的提取算法。本文主要研究?jī)?nèi)容如下:(1)給出了一種聯(lián)合指數(shù)法和簡(jiǎn)單線性迭代聚類(Simple Linear It...
【文章頁(yè)數(shù)】:95 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究的背景和意義
1.2 養(yǎng)殖區(qū)提取國(guó)內(nèi)外發(fā)展現(xiàn)狀
1.2.1 基于多光譜圖像的養(yǎng)殖區(qū)提取國(guó)內(nèi)外發(fā)展現(xiàn)狀
1.2.2 基于SAR圖像的養(yǎng)殖區(qū)提取國(guó)內(nèi)外發(fā)展現(xiàn)狀
1.2.3 存在的主要問(wèn)題
1.3 本文主要工作和結(jié)構(gòu)安排
2 研究區(qū)域和數(shù)據(jù)預(yù)處理
2.1 研究區(qū)域
2.2 遙感圖像數(shù)據(jù)
2.3 真值圖和評(píng)價(jià)標(biāo)準(zhǔn)
2.4 預(yù)處理
2.4.1 Landsat-8遙感圖像預(yù)處理
2.4.2 Sentinel-1遙感圖像預(yù)處理
2.5 本章小結(jié)
3 聯(lián)合指數(shù)法和SLIC的Landsat-8圖像海岸帶養(yǎng)殖池提取算法
3.1 存在問(wèn)題分析
3.2 改進(jìn)算法原理分析
3.2.1 養(yǎng)殖池提取算法總體框架
3.2.2 邊緣圖引導(dǎo)的改進(jìn)SLIC超像素算法分析
3.2.3 自適應(yīng)指數(shù)法的水體目標(biāo)生成算法分析
3.2.4 改進(jìn)區(qū)域生長(zhǎng)準(zhǔn)則的海洋檢測(cè)算法分析
3.3 實(shí)驗(yàn)對(duì)比與分析
3.3.1 數(shù)據(jù)集與參數(shù)設(shè)置
3.3.2 實(shí)驗(yàn)結(jié)果對(duì)比與分析
3.3.3 整幅圖像的養(yǎng)殖池提取結(jié)果與分析
3.4 本章小結(jié)
4 Radon變換多特征融合的Sentinel-1圖像海岸帶養(yǎng)殖池提取算法
4.1 存在問(wèn)題分析
4.2 改進(jìn)算法原理分析
4.2.1 養(yǎng)殖池提取算法總體框架
4.2.2 基于Sentinel-1整幅圖像的海岸線檢測(cè)算法分析
4.2.3 基于養(yǎng)殖池的Radon變換四種特征的構(gòu)建與分析
4.2.4 一種Radon變換直線數(shù)規(guī)則的構(gòu)建與養(yǎng)殖池提取算法分析
4.3 實(shí)驗(yàn)對(duì)比與分析
4.3.1 數(shù)據(jù)集與參數(shù)設(shè)置
4.3.2 實(shí)驗(yàn)結(jié)果對(duì)比與分析
4.3.3 參數(shù)的靈敏度分析
4.3.4 整幅圖像的養(yǎng)殖池提取結(jié)果與分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間的科研成果
本文編號(hào):3860785
【文章頁(yè)數(shù)】:95 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究的背景和意義
1.2 養(yǎng)殖區(qū)提取國(guó)內(nèi)外發(fā)展現(xiàn)狀
1.2.1 基于多光譜圖像的養(yǎng)殖區(qū)提取國(guó)內(nèi)外發(fā)展現(xiàn)狀
1.2.2 基于SAR圖像的養(yǎng)殖區(qū)提取國(guó)內(nèi)外發(fā)展現(xiàn)狀
1.2.3 存在的主要問(wèn)題
1.3 本文主要工作和結(jié)構(gòu)安排
2 研究區(qū)域和數(shù)據(jù)預(yù)處理
2.1 研究區(qū)域
2.2 遙感圖像數(shù)據(jù)
2.3 真值圖和評(píng)價(jià)標(biāo)準(zhǔn)
2.4 預(yù)處理
2.4.1 Landsat-8遙感圖像預(yù)處理
2.4.2 Sentinel-1遙感圖像預(yù)處理
2.5 本章小結(jié)
3 聯(lián)合指數(shù)法和SLIC的Landsat-8圖像海岸帶養(yǎng)殖池提取算法
3.1 存在問(wèn)題分析
3.2 改進(jìn)算法原理分析
3.2.1 養(yǎng)殖池提取算法總體框架
3.2.2 邊緣圖引導(dǎo)的改進(jìn)SLIC超像素算法分析
3.2.3 自適應(yīng)指數(shù)法的水體目標(biāo)生成算法分析
3.2.4 改進(jìn)區(qū)域生長(zhǎng)準(zhǔn)則的海洋檢測(cè)算法分析
3.3 實(shí)驗(yàn)對(duì)比與分析
3.3.1 數(shù)據(jù)集與參數(shù)設(shè)置
3.3.2 實(shí)驗(yàn)結(jié)果對(duì)比與分析
3.3.3 整幅圖像的養(yǎng)殖池提取結(jié)果與分析
3.4 本章小結(jié)
4 Radon變換多特征融合的Sentinel-1圖像海岸帶養(yǎng)殖池提取算法
4.1 存在問(wèn)題分析
4.2 改進(jìn)算法原理分析
4.2.1 養(yǎng)殖池提取算法總體框架
4.2.2 基于Sentinel-1整幅圖像的海岸線檢測(cè)算法分析
4.2.3 基于養(yǎng)殖池的Radon變換四種特征的構(gòu)建與分析
4.2.4 一種Radon變換直線數(shù)規(guī)則的構(gòu)建與養(yǎng)殖池提取算法分析
4.3 實(shí)驗(yàn)對(duì)比與分析
4.3.1 數(shù)據(jù)集與參數(shù)設(shè)置
4.3.2 實(shí)驗(yàn)結(jié)果對(duì)比與分析
4.3.3 參數(shù)的靈敏度分析
4.3.4 整幅圖像的養(yǎng)殖池提取結(jié)果與分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間的科研成果
本文編號(hào):3860785
本文鏈接:http://sikaile.net/shoufeilunwen/boshibiyelunwen/3860785.html
最近更新
教材專著