基于高光谱遥感图像分类的水域变化检测

发布时间：2016-11-21 09:06

  本文关键词：基于高光谱遥感图像分类的水域变化检测，由笔耕文化传播整理发布。

《南昌工程学院》 2015年

基于高光谱遥感图像分类的水域变化检测

孙宁  

【摘要】：随着遥感技术的快速发展,高光谱遥感已逐渐应用到各个领域,如气象观测、地质调查、资源考察、地图测绘、精细植被分类和军事侦察等。高光谱遥感图像分类是高光谱遥感影像处理最基本的问题之一,其主要任务是根据地物电磁波辐射信息在遥感图像上的特征,判读识别地面物体的类属及其分布状况。高光谱遥感图像分类的精度将直接影响到后续地物判读识别与变化检测的效果。高光谱遥感技术具有快速、准确、准时、周期短等优点,同时可以分析水域周边的生环境及土地覆盖类别,是当前水域变化检测的研究热点。高光谱遥感图像包含着丰富的空间、辐射和光谱信息,波段众多,信息量大,但其波段相关性强,冗余信息多且存在“维数灾难”现象,导致传统的高光谱遥感图像分类方法可能会造成错分、误分现象,并且分类精度不高。本论文重点研究了空间特征信息与光谱特征信息相结合的高光谱遥感图像分类方法,并将其应用于水域动态变化检测。主要研究内容概括如下:首先,阐明了课题的研究背景和意义,分析了高光谱遥感图像分类理论、特点、及传统分类方法的优缺点,并给出了用于测试高光谱遥感图像分类效果的实验数据集。其次,研究了结合空间和光谱信息的高光谱遥感图像分类方法,提出了结合主动学习和滤波后处理的高光谱遥感图像分类方法。训练样本的选取直接影响到分类器的分类精度。多项逻辑回归分类只考虑了高光谱遥感图像的光谱信息,忽视了相邻像元间的空间相关性。而引导滤波可以保留图像的空间结构信息。基于此,新的方法首先采用主动学习选取具有代表性、可表征样本信息的训练样本来训练多项逻辑回归分类器,之后采用引导滤波对初分类结果进行修正。新的方法同时考虑空间和光谱信息,与传统的基于光谱信息的分类器相比,获得了更高的分类精度。再次,针对训练样本的选取和分类器的设计,提出了基于局部保持投影的稀疏高光谱遥感图像分类方法。由于高光谱数据维数高,数据量大,在分类之前需要数据进行降维处理,将原始特征空间投影到低维特征空间。新方法首先结合局部保持投影和线性判别分析对高光谱遥感数据进行降维,之后采用K近邻法选取聚类中心范围内的样本,并将选取的训练样本用于训练稀疏分类器,以保持类内距离小,类间距离大。实验结果表明该分类方法分类结果好。最后,将以上两种分类方法应用于水域变化检测,提出了基于高光谱遥感图像分类的水域动态变化检测。传统的水域变化检测方法无法对水域面积变化做出实时、高效的调查,采用遥感技术可以准确观测水域及其周围生态环境变化。以上两种高光谱遥感图像分类方法可以对水域及其周边的土地覆盖进行分类,融合其他类别提取出水体,并对水域变化进行检测。实验结果表明,基于高光谱遥感图像分类的水域变化检测方法可以更好地对水域变化进行检测。

【关键词】：
【学位授予单位】：南昌工程学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751;P332
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前10条

1 孙宁;邓承志;汪胜前;;基于滤波后处理的主动学习高光谱遥感图像分类[J];南昌工程学院学报;2015年01期

2 张克祥;张国庆;;MODIS监测的鄱阳湖水域面积变化研究(2000-2011年)[J];东华理工大学学报(社会科学版);2013年03期

3 张达;郑玉权;;高光谱遥感的发展与应用[J];光学与光电技术;2013年03期

4 方帅;杨静荣;曹洋;武鹏飞;饶瑞中;;图像引导滤波的局部多尺度Retinex算法[J];中国图象图形学报;2012年07期

5 吴昊;;综合纹理特征的高光谱遥感图像分类方法[J];计算机工程与设计;2012年05期

6 拉巴;拉巴卓玛;陈涛;;基于MODIS影像的西藏典型内陆湖泊变化研究及成因分析[J];气象与环境科学;2011年03期

7 高恒振;万建伟;粘永健;王力宝;徐湛;;组合核函数支持向量机高光谱图像融合分类[J];光学精密工程;2011年04期

8 杨桂山;马荣华;张路;姜加虎;姚书春;张民;曾海鳌;;中国湖泊现状及面临的重大问题与保护策略[J];湖泊科学;2010年06期

9 杨莹;阮仁宗;;基于TM影像的平原湖泊水体信息提取的研究[J];遥感信息;2010年03期

10 王海波;马明国;;基于遥感的湖泊水域动态变化监测研究进展[J];遥感技术与应用;2009年05期

【共引文献】

中国期刊全文数据库 前10条

1 邹滨;刘翱;;轮廓波变换与改进MSRCR的图像增强[J];计算机工程与设计;2016年06期

2 赵伟;鞠美玉;李子双;;复杂光线下的车牌图像增强算法[J];计算机辅助设计与图形学学报;2016年06期

3 郝贵斌;吴波;张立福;付东杰;李瑶;;ESTARFM模型在西藏色林错湖面积时空变化中的应用分析(1976-2014年)[J];地球信息科学学报;2016年06期

4 王冬梅;刘劲松;梁文广;;基于高分遥感和DEM的洪泽湖开发利用监测与管理[J];中国水利;2016年10期

5 郭建茂;王迁;童应详;费敦悦;刘俊伟;;太阳辐射强度与观测角度对冬小麦冠层反射高光谱的影响[J];农业工程学报;2016年10期

6 陆健强;王卫星;胡子昂;石颖;黄德威;;基于改进暗通道先验算法的农田视频实时去雾清晰化系统[J];农业工程学报;2016年10期

7 张玉;徐德福;李映雪;李慧丽;管益东;;2种动物对复合垂直流人工湿地基质中磷形态的影响[J];环境工程学报;2016年05期

8 梁耀欢;师永民;徐蕾;张志强;张恩瑜;卢玉峰;;扶余油层河湖频繁交替的比较沉积学依据[J];科学技术与工程;2016年14期

9 张清慧;董旭辉;羊向东;;湖北梁子湖近百年来环境演变历史及驱动因素分析[J];湖泊科学;2016年03期

10 莫家勇;钟萍;刘正文;;生态修复对浅水湖泊沉积物磷形态特征及湖水磷浓度的影响[J];应用与环境生物学报;2016年02期

【二级参考文献】

中国期刊全文数据库 前10条

1 闵骞;占腊生;;1952-2011年鄱阳湖枯水变化分析[J];湖泊科学;2012年05期

2 方帅;杨静荣;曹洋;武鹏飞;饶瑞中;;图像引导滤波的局部多尺度Retinex算法[J];中国图象图形学报;2012年07期

3 郑玉权;;温室气体遥感探测仪器发展现状[J];中国光学;2011年06期

4 高恒振;万建伟;粘永健;王力宝;徐湛;;组合核函数支持向量机高光谱图像融合分类[J];光学精密工程;2011年04期

5 拉巴;陈涛;拉巴卓玛;次珍;;基于MODIS影像的色林错湖面积变化及成因[J];气象与环境学报;2011年02期

6 汪荣贵;张新彤;张璇;方帅;;基于Zernike矩的新型Retinex图像增强方法研究[J];中国图象图形学报;2011年03期

7 拉巴;德吉央宗;次珍;拉巴卓玛;;基于MODIS影像的西藏羊卓雍湖面积变化与成因分析[J];高原山地气象研究;2011年01期

8 邢文渊;石玉;韩勇;肖继东;师庆东;;巴里坤植被覆盖动态变化及气象因素分析[J];气象与环境科学;2011年01期

9 肖开提.阿不都热衣木;汤世珍;;新疆艾比湖水矿化度变化过程及原因分析[J];水资源保护;2010年04期

10 王君波;彭萍;马庆峰;朱立平;;西藏当惹雍错和扎日南木错现代湖泊基本特征[J];湖泊科学;2010年04期

【相似文献】

中国期刊全文数据库 前10条

1 谭衢霖,邵芸;雷达遥感图像分类新技术发展研究[J];国土资源遥感;2001年03期

2 潘建刚,赵文吉,宫辉力;遥感图像分类方法的研究[J];首都师范大学学报(自然科学版);2004年03期

3 杜凤兰,田庆久,夏学齐;遥感图像分类方法评析与展望[J];遥感技术与应用;2004年06期

4 李石华,王金亮,毕艳,陈姚,朱妙园,杨帅,朱佳;遥感图像分类方法研究综述[J];国土资源遥感;2005年02期

5 王一达;沈熙玲;谢炯;;遥感图像分类方法综述[J];遥感信息;2006年05期

6 岳昔娟;张勇;黄国满;;改进的直方图均衡化在遥感图像分类中的应用[J];四川测绘;2008年04期

7 金良;于凤鸣;;计算机遥感图像分类法在天然草原土地利用现状研究中的应用[J];科技资讯;2010年36期

8 付森;;遥感图像分类技术的发展现状[J];科技风;2010年08期

9 许凯;秦昆;刘修国;李登朝;;泛概念层次构建方法及其在遥感图像分类中的应用[J];武汉大学学报(信息科学版);2013年09期

10 潘时祥 ,朱述龙;概率松驰法在提高遥感图像分类精度中的应用[J];解放军测绘学院学报;1993年03期

中国重要会议论文全文数据库 前5条

1 张守娟;周诠;;空间数据挖掘决策树算法在遥感图像分类中的应用研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年

2 邓文胜;邵晓莉;刘海;万诰方;许亮;;基于证据理论的遥感图像分类方法探讨[A];中国地理学会2006年学术年会论文摘要集[C];2006年

3 周军其;张红;孙家抦;;利用地物光谱响应进行TM图像分类[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 贾天下;叶昕;田庆久;;基于自组织竞争神经网络的遥感图像分类研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

5 曾生根;王小敏;夏德深;;基于松弛因子的FastICA算法的遥感图像分类技术[A];中国地理信息系统协会第八届年会论文集[C];2004年

中国博士学位论文全文数据库 前4条

1 刘小芳;基于核理论的遥感图像分类方法研究[D];电子科技大学;2011年

2 王佐成;基于纹理的遥感图像分类研究[D];西南交通大学;2007年

3 许凯;云模型支持下的遥感图像分类粒计算方法研究[D];武汉大学;2010年

4 张雁;基于机器学习的遥感图像分类研究[D];北京林业大学;2014年

中国硕士学位论文全文数据库 前10条

1 林丹;基于小波变换的K-means算法在遥感图像分类中的应用研究[D];河北工程大学;2015年

2 姜玮;张量空间FCM算法研究及其在高光谱遥感图像分类中的应用[D];西南交通大学;2015年

3 付建东;粒子群神经网络在遥感影像分类中的应用研究[D];东华理工大学;2015年

4 孙宁;基于高光谱遥感图像分类的水域变化检测[D];南昌工程学院;2015年

5 崔亮;基于蚁群算法的遥感图像分类研究[D];华中科技大学;2007年

6 李昕;基于分形理论的遥感图像分类方法研究[D];湖南大学;2009年

7 王方方;利用融合方法的遥感图像分类研究[D];西安电子科技大学;2009年

8 陈敏;基于纹理特征的遥感图像分类技术研究[D];福州大学;2005年

9 罗来平;遥感图像分类中模糊模式识别和决策树方法的应用研究[D];首都师范大学;2006年

10 张文君;基于特征库和模糊技术的遥感图像分类研究[D];电子科技大学;2007年

  本文关键词：基于高光谱遥感图像分类的水域变化检测，，由笔耕文化传播整理发布。

本文编号：184370