土地覆蓋分類研究對(duì)土地利用、生態(tài)系統(tǒng)退化、環(huán)境保護(hù)等工作的開展具有重要意義,受到廣泛重視。面向?qū)ο蟮膱D像分類方法（object-oriented image classification）是近年來遙感領(lǐng)域備受關(guān)注的前沿圖像處理技術(shù)之一,合成孔徑雷達(dá)（Synthetic Aperture Radar,SAR）可提供大范圍地表數(shù)據(jù)支持�；诤铣煽讖嚼走_(dá)成像的土地覆蓋分類研究是當(dāng)前遙感圖像處理的前沿和熱點(diǎn)。本文提出了一種基于極化SAR數(shù)據(jù)的面向?qū)ο笸恋馗采w分類方法,該方法設(shè)計(jì)了一種新型多通道圖像分割算法和集成極限學(xué)習(xí)機(jī)（Ensemble Extreme Learning Machine,Ensemble-ELM）分類器,并選用了三個(gè)不同地區(qū)（蚌埠、新加坡、錫林浩特）的哨兵一號(hào)（Sentinel-1A）SAR數(shù)據(jù)對(duì)本文提出的土地覆蓋分類方法進(jìn)行了驗(yàn)證和評(píng)估。在圖像分割階段,本文設(shè)計(jì)并實(shí)現(xiàn)了針對(duì)SAR圖像分割任務(wù)的多通道圖像分割算法。該方法首先采用傳統(tǒng)分水嶺算法對(duì)SAR圖像進(jìn)行初步分割,提供小的圖像分割塊用于后續(xù)進(jìn)行融合;其次基于SAR圖像的極化信息與形狀特征設(shè)計(jì)了一種改進(jìn)的區(qū)域融合算法以合并過... 

【文章來源】： 毛雪玥 電子科技大學(xué)

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

光學(xué)傳感器成像時(shí)存在弊端

第二章SAR圖像分類基本理論與總體方案設(shè)計(jì)132.1.2.3圖像對(duì)象分類將SAR圖像分割成若干個(gè)適當(dāng)?shù)膱D像對(duì)象后，可根據(jù)所設(shè)置的特征建立相應(yīng)的分類規(guī)則，再通過具體的分類器將每個(gè)圖像對(duì)象分配給一個(gè)類，實(shí)現(xiàn)圖像對(duì)象與實(shí)際地物之間一一對(duì)應(yīng)的關(guān)系，從而對(duì)整個(gè)圖像進(jìn)行分類。在整個(gè)面向?qū)ο髨D像分類流程中，選擇合適的分類方法是一個(gè)重要議題。像分類流程中，選擇合適的分類方法是一個(gè)重要議題。本文第一章中所提到的非監(jiān)督分類和監(jiān)督分類方法大都可以應(yīng)用在面向?qū)ο蠓诸愔�，目前，機(jī)器學(xué)習(xí)已經(jīng)成為解決分類任務(wù)的主流方法。2.2總體研究方案2.2.1設(shè)計(jì)方案基于本文總體研究目標(biāo)，即基于SAR圖像的面向?qū)ο笸恋馗采w分類方法研究，整體設(shè)計(jì)框架圖如圖2-1所示：圖2-1整體設(shè)計(jì)框圖首先，確定本文所用SAR數(shù)據(jù)源為歐洲航空局所提供的哨兵一號(hào)（Sentinel-1）雙極化衛(wèi)星數(shù)據(jù)，并對(duì)其進(jìn)行預(yù)處理，包括SAR圖像去噪及SAR圖像與光學(xué)圖像校準(zhǔn)，以減少或去除可能對(duì)分類結(jié)果產(chǎn)生影響的干擾因素，以此有效提高分類精度。本文使用歐洲航天局提供的SentinelApplicationPlatform（SNAP）軟件對(duì)Sentinel衛(wèi)星數(shù)據(jù)進(jìn)行預(yù)處理和校準(zhǔn)[51]，SAR圖像預(yù)處理過程包括熱噪聲去除、

電子科技大學(xué)碩士學(xué)位論文16片如下圖2-2所示。圖2-2蚌埠地區(qū)SAR圖像2.2.2.2新加坡地區(qū)區(qū)域概況新加坡是東南亞中南半島南端的一個(gè)城邦島國(guó)、城市國(guó)家。該國(guó)位于馬來半島南端，位于經(jīng)度1°35′，緯度103°82′之間，新加坡南部由新加坡海峽將其與印尼相隔，北部由柔佛海峽將其與西馬來西亞相隔，新柔長(zhǎng)堤與第二通道兩座橋梁將新加坡與馬來西亞兩國(guó)相連，地理位置十分重要。新加坡全國(guó)由63個(gè)島嶼組成，陸地總面積約700平方公里，人口570萬。新加坡地處赤道附近，屬典型的熱帶氣候，雨量充沛，氣溫高而均勻，全年濕度高。島上的景觀以人造結(jié)構(gòu)為主，大部分是住宅和商業(yè)結(jié)構(gòu)，鄉(xiāng)村和城市景觀之間的區(qū)別很模糊[54]。據(jù)相關(guān)數(shù)據(jù)顯示，現(xiàn)今新加坡土地覆被分布的50%以上為城市結(jié)構(gòu)所覆蓋，植被比例明顯下降。新加坡城市化程度很高，因此迫切需要森林保護(hù)。如今，政府頒布了強(qiáng)有力的防止侵占和毀林的政策，該國(guó)剩余的大部分森林都作為保留地得到保護(hù)。本文新加坡作為一個(gè)研究區(qū)域，其主要?jiǎng)訖C(jī)在于了解本文提出的土地覆蓋分類方法在應(yīng)用于像新加坡這樣的城市化國(guó)家時(shí)的有效性和準(zhǔn)確性，并為新加坡政府實(shí)施森林砍伐政策提供有力的工具。實(shí)驗(yàn)中采用2019年8月5日采集的Sentinel-1ASAR數(shù)據(jù)和2019年8月7日采集的相應(yīng)的Sentinel-2A光學(xué)數(shù)據(jù)。經(jīng)過預(yù)處理的新加坡地區(qū)SAR圖片如下圖2-3所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于Sentinel-1A極化SAR數(shù)據(jù)與面向?qū)ο蠓椒ǖ纳絽^(qū)地表覆被分類[J]. 向海燕,羅紅霞,劉光鵬,楊任飛,雷茜,程玉絲,陳婧祎.  自然資源學(xué)報(bào). 2017(12)
[2]Sentinel-1衛(wèi)星綜述[J]. 楊魁,楊建兵,江冰茹.  城市勘測(cè). 2015(02)
[3]面向?qū)ο蟮母叻直媛蔛AR圖像處理及應(yīng)用[J]. 張紅,葉曦,王超,張波,吳樊,湯益先.  中國(guó)圖象圖形學(xué)報(bào). 2014(03)
[4]土地利用/土地覆被分類系統(tǒng)研究進(jìn)展[J]. 張景華,封志明,姜魯光.  資源科學(xué). 2011(06)
[5]遙感影像監(jiān)督分類與非監(jiān)督分類的比較[J]. 趙春霞,錢樂祥.  河南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2004(03)
[6]遙感地學(xué)智能圖解模型支持下的土地覆蓋/土地利用分類[J]. 駱劍承,周成虎,楊艷.  自然資源學(xué)報(bào). 2001(02)
[7]國(guó)際上土地利用/土地覆蓋變化研究的新進(jìn)展[J]. 陳佑啟,楊鵬.  經(jīng)濟(jì)地理. 2001(01)
[8]全球環(huán)境變化研究的核心領(lǐng)域──土地利用／土地覆被變化的國(guó)際研究動(dòng)向[J]. 李秀彬.  地理學(xué)報(bào). 1996(06)

博士論文
[1]基于聚類分析的圖像分割算法研究[D]. 許曉麗.哈爾濱工程大學(xué) 2012

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像分類[D]. 許開煒.合肥工業(yè)大學(xué) 2019
[2]基于人工神經(jīng)網(wǎng)絡(luò)的遙感影像分類研究[D]. 李源泰.昆明理工大學(xué) 2010



本文編號(hào)：2938461