激光雷達(dá)和高光譜數(shù)據(jù)融合的城市土地利用分類方法研究
本文關(guān)鍵詞：激光雷達(dá)和高光譜數(shù)據(jù)融合的城市土地利用分類方法研究，由筆耕文化傳播整理發(fā)布。
【摘要】：城市土地利用分類正在成為一個非常重要的研究方向。及時、準(zhǔn)確地獲取城市土地利用信息,為政府進(jìn)行城市規(guī)劃、基礎(chǔ)地理信息更新、國土資源調(diào)查、環(huán)境資源保護(hù)、土地動態(tài)監(jiān)測以及分析決策提供基礎(chǔ)和重要依據(jù)。遙感具有宏觀、快速等優(yōu)勢,能夠準(zhǔn)確地獲取各個空間尺度的城市土地利用信息,已經(jīng)成為城市土地利用分類的最有效工具之一。目前為止,許多研究已經(jīng)探索遙感技術(shù)在城市土地利用分類中的應(yīng)用。然而,隨著城鎮(zhèn)化的不斷發(fā)展,城市建筑物越來越高,地物類型越來越復(fù)雜,單一的遙感數(shù)據(jù)存在嚴(yán)重的建筑物陰影問題。此外,過去二十年,遙感圖像分類技術(shù)的發(fā)展,并沒有顯著提高總體分類精度,被動機(jī)載／星載遙感的城市土地利用分類達(dá)到極限,研究重點(diǎn)從改進(jìn)分類算法轉(zhuǎn)移到多源遙感數(shù)據(jù)融合。與多光譜遙感數(shù)據(jù)相比,高光譜數(shù)據(jù)在電磁波譜范圍內(nèi),獲取上百個波段,獲取地物連續(xù)的光譜信息,能夠提取光譜相似的地物類型。機(jī)載激光雷達(dá)數(shù)據(jù)(LiDAR:Light Detecting and Ranging)可以提供精確的空間三維信息,能夠提取具有高程信息的地物類型,也能夠很好的解決城市建筑物陰影問題,但是缺乏豐富的光譜信息。因此,激光雷達(dá)和高光譜遙感數(shù)據(jù)融合能夠有效的進(jìn)行優(yōu)勢互補(bǔ),既能利用高光譜數(shù)據(jù)豐富的光譜信息,又能夠利用激光雷達(dá)數(shù)據(jù)精確的高程信息,從而更好地進(jìn)行城市地物信息提取。本文以美國-德克薩斯州-休斯頓地區(qū)和中國-甘肅-張掖地區(qū)為研究對象,利用機(jī)載激光雷達(dá)和高光譜遙感數(shù)據(jù),進(jìn)行遙感數(shù)據(jù)融合以及城市土地利用信息提取研究。本文主要創(chuàng)新點(diǎn)如下：1.本文將機(jī)載激光雷達(dá)高程、強(qiáng)度信息和高光譜歸一化植被指數(shù)以及灰度共生矩陣參數(shù)融合,應(yīng)用于城市土地利用信息提取中。研究結(jié)果表明：與單一高光譜遙感數(shù)據(jù)分類結(jié)果相比,激光雷達(dá)和高光譜遙感數(shù)據(jù)融合對城市土地利用分類效顯著,尤其是對具有高程信息、以及光譜相似性的地物類型。這主要由于數(shù)據(jù)融合后,即能夠利用激光雷達(dá)精確的三維高程信息,又能夠利用了高光譜遙感豐富的光譜信息,實(shí)現(xiàn)優(yōu)勢互補(bǔ)。2.本文將支持向量機(jī)(Support Vector Machine)和面向?qū)ο蠓诸惙椒ㄏ嘟Y(jié)合,特征級別融合激光雷達(dá)和高光譜數(shù)據(jù),并將其應(yīng)用于城市土地利用分類中。像素級別融合激光雷達(dá)和高光譜數(shù)據(jù),具有其局限性,不能夠充分發(fā)揮激光雷達(dá)的高程、強(qiáng)度信息,也不能夠充分發(fā)揮高光譜遙感豐富的光譜信息。研究結(jié)果表明：該方法既保留了SVM方法在高光譜遙感數(shù)據(jù)分類中的優(yōu)越性,又利用了面向?qū)ο蠓诸惙椒ㄖ虚L度、面積、形狀等屬性規(guī)則,得到了顯著的融合和分類效果。3.本文利用激光雷達(dá)和高光譜數(shù)據(jù)融合,解決了城市土地利用分類中受天氣(例如：云覆蓋的影響)以及建筑物陰影影響的問題。被動光譜遙感影像容易受到天氣影響(例如：云覆蓋的影響),導(dǎo)致云覆蓋下的地物類型光譜信息缺失,降低了分類結(jié)果。此外,隨著城市建筑物高度的不斷增加,高分辨率遙感影像數(shù)據(jù)具有嚴(yán)重的陰影問題。而激光雷達(dá)作為主動式遙感技術(shù),受天氣影響小,且具有精確的三維高程信息,能夠明顯減輕云覆蓋和建筑物陰影的影響。此外,SAR遙感影像與高光譜遙感影像融合也能夠解決上述問題,是未來研究的一個方向。
【關(guān)鍵詞】：激光雷達(dá)數(shù)據(jù) 高光譜數(shù)據(jù) 融合 城市土地利用分類 面向?qū)ο蠓诸?/strong> 支持向量機(jī)分類
【學(xué)位授予單位】：華東師范大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：P237;P225
【目錄】：
- 中文摘要6-8
- Abstract8-18
- 第一章 緒論18-33
- 第一節(jié) 研究背景和意義18-19
- 第二節(jié) 研究現(xiàn)狀和發(fā)展趨勢19-30
- 一、遙感在城市土地利用分類中的研究現(xiàn)狀和發(fā)展趨勢19-24
- 二、激光雷達(dá)和高光譜融合的研究現(xiàn)狀和發(fā)展趨勢24-30
- 第三節(jié) 論文主要內(nèi)容以及組織結(jié)構(gòu)30-33
- 第二章 激光雷達(dá)和高光譜遙感基本理論33-47
- 第一節(jié) 激光雷達(dá)基本理論33-38
- 一、激光雷達(dá)基本概念33-37
- 二、激光雷達(dá)數(shù)據(jù)特點(diǎn)37-38
- 三、激光雷達(dá)應(yīng)用領(lǐng)域38
- 第二節(jié) 高光譜遙感基本理論38-42
- 一、高光譜遙感基本概念39-40
- 二、高光譜遙感數(shù)據(jù)特點(diǎn)40
- 三、高光譜遙感應(yīng)用領(lǐng)域40-42
- 第三節(jié) 數(shù)據(jù)融合基本概念42-45
- 一、遙感數(shù)據(jù)融合基本概念42
- 二、遙感數(shù)據(jù)融合的技術(shù)關(guān)鍵42-43
- 三、遙感數(shù)據(jù)融合的三個層次43-45
- 第四節(jié) 本章小結(jié)45-47
- 第三章 研究區(qū)概況與數(shù)據(jù)預(yù)處理47-76
- 第一節(jié) 研究區(qū)概況47-49
- 第二節(jié) 數(shù)據(jù)獲取49-54
- 一、機(jī)載高光譜遙感數(shù)據(jù)獲取49-50
- 二、機(jī)載激光雷達(dá)數(shù)據(jù)獲取50
- 三、訓(xùn)練樣本和驗證樣本獲取50-54
- 第三節(jié) 機(jī)載遙感數(shù)據(jù)預(yù)處理54-74
- 一、機(jī)載高光譜遙感數(shù)據(jù)預(yù)處理54-67
- 二、機(jī)載激光雷達(dá)數(shù)據(jù)預(yù)處理67-71
- 三、機(jī)載激光雷達(dá)和高光譜數(shù)據(jù)配準(zhǔn)71-74
- 第四節(jié) 本章小結(jié)74-76
- 第四章 基于高光譜遙感數(shù)據(jù)的分類研究76-93
- 第一節(jié) 地物光譜特征76-78
- 第二節(jié) 研究方法78-84
- 一、最大似然分類方法78-79
- 二、支持向量機(jī)分類方法79-83
- 三、精度評估83-84
- 第三節(jié) 分類結(jié)果與分析84-92
- 第四節(jié) 本章小結(jié)92-93
- 第五章 基于激光雷達(dá)和高光譜遙感數(shù)據(jù)融合的分類研究93-127
- 第一節(jié) 地物類型的激光雷達(dá)高程和強(qiáng)度特性93-96
- 第二節(jié) 基于像素級別的融合分類研究96-99
- 第三節(jié) 基于特征級別的融合分類研究99-106
- 一、面向?qū)ο蠓诸惙椒?/span>100-102
- 二、特征級別的融合102-106
- 第四節(jié) 分類結(jié)果與分析106-126
- 一、像素級別融合分類效果分析106-123
- 二、特征級別融合分類效果分析123-126
- 第五節(jié) 本章小結(jié)126-127
- 第六章 結(jié)論、展望與不足127-131
- 第一節(jié) 結(jié)論127-128
- 第二節(jié) 展望128-129
- 第三節(jié) 論文不足之處129-131
- 參考文獻(xiàn)131-149
- 致謝149-152
- 作者簡歷及其在學(xué)期間所取得的科研成果15
【相似文獻(xiàn)】
中國期刊全文數(shù)據(jù)庫 前10條
1 姜小光,唐伶俐,王長耀,王成;高光譜數(shù)據(jù)的光譜信息特點(diǎn)及面向?qū)ο蟮奶卣鲄?shù)選擇——以北京順義區(qū)為例[J];遙感技術(shù)與應(yīng)用;2002年02期
2 范學(xué)煒,張漢德,孫幸文;成像高光譜數(shù)據(jù)在赤潮檢測和識別中的應(yīng)用研究[J];國土資源遙感;2003年01期
3 張雄飛,張兵,張霞,鄭蘭芬,童慶禧;高光譜數(shù)據(jù)在數(shù)據(jù)庫中的高效存儲技術(shù)研究[J];遙感學(xué)報;2004年05期
4 張遠(yuǎn)飛;吳德文;張艮中;朱谷昌;李紅;;高光譜數(shù)據(jù)的波段序結(jié)構(gòu)分析與應(yīng)用研究[J];國土資源遙感;2010年01期
5 肖海燕;曾輝;昝啟杰;白鈺;程好好;;基于高光譜數(shù)據(jù)和專家決策法提取紅樹林群落類型信息[J];遙感學(xué)報;2007年04期
6 李娜;李詠潔;趙慧潔;曹揚(yáng);;基于光譜與空間特征結(jié)合的改進(jìn)高光譜數(shù)據(jù)分類算法[J];光譜學(xué)與光譜分析;2014年02期
7 卜志國,周凱,黃娟;基于圖像特征的航空高光譜數(shù)據(jù)油污染光譜曲線提取分析[J];中國海洋大學(xué)學(xué)報(自然科學(xué)版);2005年04期
8 聞建光;肖青;楊一鵬;柳欽火;李小文;;基于高光譜數(shù)據(jù)提取水體葉綠素a濃度的混合光譜模型[J];水科學(xué)進(jìn)展;2007年02期
9 顏春燕;劉強(qiáng);;機(jī)載高光譜數(shù)據(jù)提取冬小麥冠層葉綠素含量的模型分析及驗證[J];遙感信息;2009年05期
10 施潤和,牛錚,莊大方;利用高光譜數(shù)據(jù)估測植物葉片碳氮比的可行性研究[J];遙感技術(shù)與應(yīng)用;2003年02期
中國重要會議論文全文數(shù)據(jù)庫 前10條
1 郭宇龍;李云梅;;環(huán)境1號衛(wèi)星高光譜數(shù)據(jù)重建及其精度分析[A];第十七屆中國環(huán)境遙感應(yīng)用技術(shù)論壇論文集[C];2013年
2 李云梅;蔣建軍;韋玉春;;利用地面實(shí)測高光譜數(shù)據(jù)評價太湖富營養(yǎng)化狀態(tài)[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年
3 姜小光;王長耀;王成;;高光譜數(shù)據(jù)的光譜信息特點(diǎn)及面向?qū)ο蟮奶卣鲄?shù)選擇——以北京順義區(qū)為例[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年
4 楊仁忠;馬利春;石璐;王欣;;基于GPU的高光譜數(shù)據(jù)實(shí)時處理平臺結(jié)構(gòu)設(shè)計與分析[A];第二十五屆全國空間探測學(xué)術(shù)研討會摘要集[C];2012年
5 張霞;張兵;胡方超;童慶禧;;CHRIS高光譜數(shù)據(jù)大氣自校正與儀器定標(biāo)精度評價[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年
6 李英杰;薛勇;光潔;何興偉;梅林露;王穎;徐慧;艾建文;;環(huán)境小衛(wèi)星高光譜數(shù)據(jù)在氣溶膠定量反演及沙塵監(jiān)測中的應(yīng)用初探[A];第十七屆中國遙感大會摘要集[C];2010年
7 董廣軍;;PHI高光譜數(shù)據(jù)光譜重建及城市分類應(yīng)用研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年
8 曹揚(yáng);胡榮;金彬;張佩;;一種準(zhǔn)確快速的高光譜數(shù)據(jù)光譜混合分析方法[A];第二屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2013年
9 陳軍;楊存建;許輝熙;程曦冉;;MODIS高光譜數(shù)據(jù)的初步分析和應(yīng)用探討[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年
10 張萌;趙慧潔;李娜;;高光譜數(shù)據(jù)光譜分辨率對礦物識別的影響分析[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年
中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條
1 李興;高光譜數(shù)據(jù)庫及數(shù)據(jù)挖掘研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年
2 張兵;時空信息輔助下的高光譜數(shù)據(jù)挖掘[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2002年
3 邢東興;基于高光譜數(shù)據(jù)的果樹理化性狀信息提取研究[D];西北農(nóng)林科技大學(xué);2009年
4 滿其霞;激光雷達(dá)和高光譜數(shù)據(jù)融合的城市土地利用分類方法研究[D];華東師范大學(xué);2015年
5 高曉惠;高光譜數(shù)據(jù)處理技術(shù)研究[D];中國科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2013年
中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條
1 蘇樂樂;改進(jìn)型人工免疫系統(tǒng)及其在高光譜數(shù)據(jù)處理中的應(yīng)用[D];中國地質(zhì)大學(xué)（北京）;2009年
2 喬宇;基于松馳聚類假設(shè)的高光譜數(shù)據(jù)分類研究[D];西安電子科技大學(xué);2014年
3 王鑫祿;城市高光譜數(shù)據(jù)的頻譜空間分類方法研究[D];吉林大學(xué);2010年
4 靳紅紅;基于極速學(xué)習(xí)理論的高光譜數(shù)據(jù)分類[D];西安電子科技大學(xué);2014年
5 范瀟;基于高光譜數(shù)據(jù)解譯的近海岸要素分析及應(yīng)用分析[D];哈爾濱工業(yè)大學(xué);2011年
6 白繼偉;基于高光譜數(shù)據(jù)庫的光譜匹配技術(shù)研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2002年
7 孫墨寒;高光譜數(shù)據(jù)誤差估計及降維方法研究[D];中國地質(zhì)大學(xué)（北京）;2013年
8 褚西鵬;基于葉片非成像高光譜數(shù)據(jù)樹種分類[D];浙江農(nóng)林大學(xué);2012年
9 張川;基于環(huán)境減災(zāi)衛(wèi)星高光譜數(shù)據(jù)的我國北方農(nóng)業(yè)干旱遙感監(jiān)測技術(shù)研究[D];中國地質(zhì)大學(xué)（北京）;2010年
10 陳雪華;基于高光譜數(shù)據(jù)的海岸帶水體及環(huán)境要素監(jiān)測研究[D];哈爾濱工業(yè)大學(xué);2011年
本文關(guān)鍵詞：激光雷達(dá)和高光譜數(shù)據(jù)融合的城市土地利用分類方法研究，，由筆耕文化傳播整理發(fā)布。
本文編號：328447
本文鏈接：http://sikaile.net/shoufeilunwen/jckxbs/328447.html
