本文關(guān)鍵詞： 高空間分辨率遙感圖像 不透水面 圖譜耦合 多尺度 云平臺(tái)Hadoop　出處：《中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：不透水面的覆蓋度、類型組成、空間分布等指標(biāo)在城市化進(jìn)程及環(huán)境質(zhì)量評(píng)估中具有重要意義,準(zhǔn)確估算與提取不透水面信息可以為構(gòu)建“海綿型”生態(tài)城市提供數(shù)據(jù)層面的支撐。隨著成像技術(shù)的發(fā)展,成像空間分辨率得到不斷提升,為提取精細(xì)的不透水面信息提供了可能。然而,由于城市背景復(fù)雜,不透水面組成多樣,基于高分辨率影像的精確不透水面提取面臨著嚴(yán)重的“同物異譜,異物同譜”的問題。高分影像不僅可以提供光譜信息,還含有豐富的形狀、紋理、上下文信息等,這些特征的組合應(yīng)用可以很大程度上提高不透水面的提取精度。在這種形勢(shì)下,傳統(tǒng)的基于光譜信息的中、低分影像不透水面信息提取方法明顯不適用于高分影像。因此,本文以融合遙感影像的光譜和空間特征為出發(fā)點(diǎn),充分挖掘影像的圖譜特征,建立圖譜協(xié)同利用的分類模型,進(jìn)而實(shí)現(xiàn)城市尺度高分不透水面精確提取。本文研究的主要內(nèi)容與創(chuàng)新點(diǎn)如下:(1)提出了先驗(yàn)知識(shí)引導(dǎo)下的城市地區(qū)多尺度多層次的遙感影像分割方法。為了解決傳統(tǒng)的單尺度的分割方法無法滿足復(fù)雜城市地物的多尺度分割需求,而產(chǎn)生嚴(yán)重的“過分割”、“欠分割”問題。本文提出了基于先驗(yàn)知識(shí)的多尺度多層次分割方法,將像素級(jí)的影像分類結(jié)果與第一層次大尺度的影像分割結(jié)果相融合,并轉(zhuǎn)化為先驗(yàn)知識(shí),輔助影像第二層次多尺度(不同地物)的分割過程,實(shí)現(xiàn)自適應(yīng)的地物適宜分割尺度參數(shù)的應(yīng)用,滿足了不同地物分割尺度參數(shù)需求。實(shí)驗(yàn)結(jié)果表明,相比單尺度方法,本文方法可以獲得更加均質(zhì)而完整的地物斑塊,有利于不同尺度地物對(duì)象形態(tài)和特征提取及后續(xù)屬性的識(shí)別。(2)提出了基于距離度量學(xué)習(xí)的圖譜耦合的高分不透水面分類方法。針對(duì)傳統(tǒng)的矢量疊加的多特征融合方法在光譜異質(zhì)度高的城市地表分類應(yīng)用中的不足,本文以協(xié)同利用遙感影像的光譜和空間特征為出發(fā)點(diǎn),將距離度量學(xué)習(xí)技術(shù)引入到不透水信息提取過程中,通過對(duì)當(dāng)前影像已標(biāo)簽樣本的學(xué)習(xí),得到反映樣本特征空間的距離度量函數(shù),充分挖掘了有利于當(dāng)前影像分類的圖譜特征組合與應(yīng)用模式,從而完成圖譜耦合的高精度城市地表分類過程,進(jìn)而提取精確的不透水面信息。實(shí)驗(yàn)結(jié)果表明,本文方法可以顯著提升城市地表的分類精度,為后續(xù)高精度的不透水面提取打下堅(jiān)實(shí)基礎(chǔ)。(3)提出了一套基于Hadoop的不透水面分布式提取的流程。由于不透水面本身組成多樣,城市背景復(fù)雜,高分精細(xì)不透水面提取算法復(fù)雜度比較高,無能滿足城市尺度快速而精確地不透水面信息提取的應(yīng)用需求,本文將計(jì)算機(jī)領(lǐng)域成熟的云平臺(tái)Hadoop應(yīng)用于高分遙感不透水面信息提取應(yīng)用中,并針對(duì)遙感影像及高分不透水面提取算法的特點(diǎn),設(shè)計(jì)并實(shí)現(xiàn)了基于Hadoop的高分影像自動(dòng)分塊與合并策略以及城市高分不透水面提取算法的并行機(jī)制。最終,通過遙感影像數(shù)據(jù)或數(shù)據(jù)集的分塊處理,實(shí)現(xiàn)高分不透水面的分布式、快速提取。實(shí)驗(yàn)結(jié)果表明,本文方法在不影響高分不透水面提取精度的前提下,可以大幅提高其提取速率。
[Abstract]:Which type of coverage, impervious surface, spatial distribution index has important significance in the process of city and environmental quality assessment, accurate estimation and extraction of impervious surface information can provide data support for the building of the level of "sponge" eco city. With the development of imaging technology, imaging spatial resolution has been improved, providing the possibility for the fine extraction of impervious surface information. However, because the city complex background, impervious surface diversity, high resolution image accurate impervious surface extraction faces the serious "synonyms spectrum based on objects with the same spectrum". The image can not only provide high spectral information, but also rich in shape. Texture, context information, extraction accuracy of combination of these features can greatly improve impervious surface. In this situation, based on the traditional spectral information, low Images of impervious surface information extraction method was not suitable for high-resolution images. Therefore, based on the spectral and spatial features of remote sensing image fusion as a starting point, fully tap the image map features, the classification model of collaborative use, so as to realize the high city scale accurate extraction of impervious surface. The main research contents and innovation points are as follows: (1) the proposed segmentation method of remote sensing image multi scale city area under the guidance of prior knowledge. In order to solve the traditional single scale segmentation method can not meet the complex features of the city multi-scale segmentation requirements, and have serious over segmentation, less segmentation problem is put forward in this paper. The multi-level multi-scale segmentation method based on prior knowledge, the image classification results of pixel and the first level of large scale image segmentation and integration into prior knowledge, auxiliary To help the second level multi scale image segmentation process (different objects), the realization of adaptive features suitable segmentation scale parameters, to meet the demand of different objects segmentation scale parameters. The experimental results show that compared to the traditional method, this method can obtain a more homogeneous and complete surface patches, facilitates the identification of different scale morphology and characteristic extraction objects and subsequent properties. (2) proposed coupled map distance metric learning with high impervious surface classification method based on multi feature vector superposition for lack of traditional fusion methods in city surface classification using spectral heterogeneity in the high, based on the cooperative spatial and spectral features of remote sensing images that will be the distance metric learning technique is introduced to the impervious information extraction process, based on the current image labeled samples, reflect the sample characteristics The spatial distance measure function, fully tap the map feature combination and application mode of the image classification, thus completing the classification process of high precision surface City coupling, and then extract the accurate impervious surface information. The experimental results show that the classification accuracy of this method can significantly improve the city's surface, for the subsequent high precision is not through the water extraction and lay a solid foundation. (3) proposed a set of Hadoop impervious surface extraction process based on distributed. The impervious surface itself consists of diverse city background is complex, high precise impervious surface extraction algorithm complexity is relatively high, inability to meet the city scale rapidly and accurately through the application of water demand information this paper will extract the computer field mature cloud platform Hadoop is applied to the high resolution remote sensing of impervious surface information extraction applications, and according to the remote sensing image and high water Surface extraction algorithm, the design and implementation of the strategy and city block and with high impervious surface extraction algorithm of the parallel mechanism of automatic image score based on Hadoop. Finally, the block processing through remote sensing image data or data set, to achieve the distributed, high impervious surface extraction. The experimental results show that the the method without affecting the high impervious surface extraction accuracy, can greatly improve the extraction rate.

【學(xué)位授予單位】：中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;人類首獲高分辨率核糖體圖片[J];現(xiàn)代臨床醫(yī)學(xué)生物工程學(xué)雜志;2002年03期

2 波碧;;高分辨率電視在美國的發(fā)展前景[J];世界研究與開發(fā)報(bào)導(dǎo);1990年01期

3 潘儲(chǔ)華;日立835型氨基酸分析儀高分辨率分析的改進(jìn)[J];氨基酸雜志;1983年01期

4 趙爭(zhēng),張繼賢,黃國滿,曹銀璇,仇春平,王榮彬;基于高分辨率機(jī)載SAR數(shù)據(jù)的試驗(yàn)研究[J];測(cè)繪科學(xué);2004年06期

5 J．Berthon,D．Laubier,尤信;在小衛(wèi)星上實(shí)現(xiàn)高分辨率觀測(cè)可能嗎?[J];國際太空;1997年02期

6 李德仁;;高分辨率對(duì)地觀測(cè)技術(shù)在智慧城市中的應(yīng)用[J];測(cè)繪地理信息;2013年06期

7 馬超;徐小波;劉春國;馬紅花;孟秀軍;;高分辨率星載SAR礦區(qū)災(zāi)害監(jiān)測(cè)的應(yīng)用潛力[J];河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年06期

8 汪凌;卜毅博;;高分辨率遙感衛(wèi)星及其應(yīng)用現(xiàn)狀與發(fā)展[J];測(cè)繪技術(shù)裝備;2006年04期

9 馬瑛;田望學(xué);;高分辨率遙感圖像在黃土高原滑坡解譯中的應(yīng)用[J];資源環(huán)境與工程;2007年02期

10 孫雷鳴;萬歡;陳輝;馮全雄;何玉梅;;基于廣義S變換地震高分辨率處理方法的改進(jìn)及在流花11-1油田的應(yīng)用[J];中國海上油氣;2011年04期

相關(guān)會(huì)議論文 前10條

1 黃鶴橋;魏明建;李虎侯;;熱釋光技術(shù)測(cè)定洛川秦家寨全新世黃土剖面高分辨率年代序列方法初探[A];第十屆全國固體核徑跡學(xué)術(shù)會(huì)議論文集[C];2009年

2 諶桂萍;許喬;張蓉竹;;高分辨率波前檢測(cè)技術(shù)[A];中國工程物理研究院科技年報(bào)（2003）[C];2003年

3 梁春利;李名松;全旭東;;在水電工程區(qū)域構(gòu)造穩(wěn)定性評(píng)價(jià)中高分辨率衛(wèi)星遙感技術(shù)的應(yīng)用方法研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

4 諶桂萍;許喬;雷向陽;;高分辨率波前檢測(cè)技術(shù)[A];中國工程物理研究院科技年報(bào)（2005）[C];2005年

5 萬可友;張子斌;翟利華;李梅;;高通過率高分辨率特征X熒光峰現(xiàn)場(chǎng)檢測(cè)儀的研制[A];第十屆全國核電子學(xué)與核探測(cè)技術(shù)學(xué)術(shù)年會(huì)論文集[C];2000年

6 王號(hào);劉耀林;喬朝飛;;利用高分辨率衛(wèi)星遙感影像的土地利用現(xiàn)狀調(diào)查技術(shù)研究——以上海市為例[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

7 任翠霞;李立誠;孫躍峰;;疊后高分辨率處理效果分析[A];“慶賀郭宗汾教授八十壽辰”暨理論與應(yīng)用地球物理研討會(huì)論文集[C];2002年

8 郭佳佳;;高分辨率天基復(fù)合雷達(dá)[A];新觀點(diǎn)新學(xué)說學(xué)術(shù)沙龍文集49：新概念航天器[C];2010年

9 劉冬冬;張淳民;王鼎益;;高分辨率衛(wèi)星遙感資料通道選擇方法對(duì)比研究[A];2013年（第五屆）西部光子學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

10 徐妍萍;高艷霞;邢淞;;三種高分辨率DPWM產(chǎn)生方法的分析和比較[A];2008中國電工技術(shù)學(xué)會(huì)電力電子學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文摘要集[C];2008年

相關(guān)重要報(bào)紙文章 前9條

1 汪凌;日益成熟的美國商業(yè)高分辨率衛(wèi)星遙感技術(shù)[N];中國測(cè)繪報(bào);2007年

2 彭冬梅;高分辨率處理技術(shù)[N];中國石油報(bào);2004年

3 汪凌;謀求新發(fā)展的法國航天遙感[N];中國測(cè)繪報(bào);2007年

4 Mike Elgan Computerworld專欄作者;超高清屏幕如何改變一切?[N];計(jì)算機(jī)世界;2013年

5 陳蕾;康耐視推出具有彩色和高分辨率增強(qiáng)功能的OmniView 360°檢驗(yàn)系統(tǒng)[N];中國包裝報(bào);2010年

6 駐京記者 孫書博;VCT開辟無創(chuàng)影像診斷新天地[N];醫(yī)藥經(jīng)濟(jì)報(bào);2005年

7 羅建東邋特約記者 于秀梅;吐哈錄井工程公司推廣應(yīng)用高分辨率巖心掃描技術(shù)[N];中國石油報(bào);2007年

8 記者 郭影 特約記者 閆景祿;“虎”踞“龍”盤天山下[N];中國石油報(bào);2005年

9 胡智海 廈門通維資訊有限公司產(chǎn)品總監(jiān);哪些手機(jī)適合饑渴營銷?[N];通信產(chǎn)業(yè)報(bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 蔣厚軍;高分辨率星載InSAR技術(shù)在DEM生成及更新中的應(yīng)用研究[D];武漢大學(xué);2012年

2 劉麗玲;星載掃描微波散射計(jì)方位向高分辨率處理方法研究[D];中國科學(xué)院國家空間科學(xué)中心;2017年

3 熊宸;高分辨率離面位移檢測(cè)中的若干問題研究[D];中國科學(xué)技術(shù)大學(xué);2017年

4 張正加;高分辨率SAR數(shù)據(jù)青藏高原凍土環(huán)境與工程應(yīng)用研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

5 張?zhí)N靈;基于單幅高分辨率星載SAR影像的交通災(zāi)害信息提取方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

6 于新菊;圖譜耦合的高分辨率城市精細(xì)不透水面提取方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2016年

7 朱俊杰;高分辨率光學(xué)和SAR遙感數(shù)據(jù)融合及典型目標(biāo)提取方法研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2005年

8 殷慧;基于局部特征表達(dá)的高分辨率SAR圖像城區(qū)場(chǎng)景分類方法研究[D];武漢大學(xué);2010年

9 周立凡;城市重大工程區(qū)高分辨率永久散射體雷達(dá)干涉地表形變監(jiān)測(cè)[D];浙江大學(xué);2014年

10 程江華;高分辨率SAR圖像道路提取方法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王如意;基于SBAS-InSAR的高分辨率地面沉降監(jiān)測(cè)技術(shù)研究[D];中國地質(zhì)大學(xué)(北京);2015年

2 王心雨;高分辨率數(shù)據(jù)用于西安市地面沉降的InSAR監(jiān)測(cè)研究[D];長安大學(xué);2015年

3 陳曉勇;高速高分辨率ADC的測(cè)試研究[D];復(fù)旦大學(xué);2014年

4 關(guān)少奇;共心寬視場(chǎng)高分辨率成像儀硬件設(shè)計(jì)[D];西安電子科技大學(xué);2014年

5 周艷果;高分辨率光學(xué)遙感數(shù)據(jù)海上船舶提取[D];大連海事大學(xué);2016年

6 劉奇;高分辨率小動(dòng)物PET成像平臺(tái)的構(gòu)建及實(shí)驗(yàn)研究[D];蘭州大學(xué);2016年

7 孫艷坤;探地雷達(dá)有限差分模擬與高分辨率處理方法研究[D];福州大學(xué);2014年

8 陶遠(yuǎn)榮;高幀頻高分辨率CMOS相機(jī)系統(tǒng)[D];南京理工大學(xué);2016年

9 侯蘇麗;基于流形正則化和稀疏編碼的醫(yī)學(xué)圖像高分辨率重建[D];重慶郵電大學(xué);2016年

10 秦寶;多發(fā)多收SAL高分辨率寬測(cè)繪帶成像技術(shù)的研究[D];西安電子科技大學(xué);2015年

，

本文編號(hào)：1448748