發(fā)布時(shí)間：2020-12-15 06:50

　　國(guó)產(chǎn)高分系列衛(wèi)星的成功發(fā)射,開(kāi)啟了我國(guó)高分辨率對(duì)地觀測(cè)的新時(shí)期,豐富了自主高分辨率遙感影像的數(shù)據(jù)庫(kù),推動(dòng)高分辨率對(duì)地觀測(cè)衛(wèi)星及應(yīng)用水平的提升。高分辨遙感影像的自給自足使得我國(guó)的對(duì)地觀測(cè)上到了新的臺(tái)階,國(guó)土資源監(jiān)控、農(nóng)作物估產(chǎn)、自然災(zāi)害監(jiān)測(cè)等應(yīng)用獲得了精度更高、紋理更清晰、幾何結(jié)構(gòu)更明顯的數(shù)據(jù)源。其中水資源監(jiān)測(cè)是遙感影像應(yīng)用中極為重要的一個(gè)方面,更高分辨率的遙感數(shù)據(jù)可以幫助水體提取獲取更準(zhǔn)確的數(shù)據(jù)信息,實(shí)現(xiàn)水資源監(jiān)測(cè)的進(jìn)一步發(fā)展與完善。目前,水體提取方面研究者眾多,提出了很多切實(shí)有效的方法,但高分系列衛(wèi)星的遙感數(shù)據(jù)波段數(shù)目,特征地物的光譜信息,紋理信息均不同于其他遙感影像,因此一些傳統(tǒng)的提取方法并不適用高分衛(wèi)星數(shù)據(jù)。針對(duì)高分辨率影像,水體提取應(yīng)改進(jìn)傳統(tǒng)的提取方法,充分利用影像所包含的豐富的遙感信息,獲取更為精確地提取結(jié)果。本文針對(duì)以上問(wèn)題,研究出城市周邊水體提取模型和城區(qū)水體陰影指數(shù)UWSI(Urban Water Shadow Index),該模型基于最大似然估計(jì)法和城區(qū)水體陰影指數(shù),主要針對(duì)高分二號(hào)遙感影像中城市周邊地區(qū)的水體提取。本文主要研究重點(diǎn)及研究?jī)?nèi)容如下:1、高分二號(hào)衛(wèi)星遙感... 

【文章來(lái)源】：河南大學(xué)河南省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

該超平面可以在保證分類精度的同時(shí)，使兩側(cè)的數(shù)據(jù)最大限度的區(qū)分出來(lái)。使用二維圖2-1 來(lái)說(shuō)明，圖中叉點(diǎn)和圓點(diǎn)分別代表兩種類別的數(shù)據(jù)，其中，H 為最優(yōu)分類線，H1、H2 分別為過(guò)各類中離分類線最近樣本的直線，它們之間的垂線段長(zhǎng)度就是兩類數(shù)據(jù)的最大分類間隔。最優(yōu)分類面則是將分類線擴(kuò)展到高維，最優(yōu)分類線就擴(kuò)展成了最優(yōu)超平面。

鄰中心的距離。當(dāng)所有像元均被直至運(yùn)行到某個(gè)終止條件。ns 方法基礎(chǔ)上，與 K-Means 方法合并”操作，并且可以通過(guò)設(shè)定交互更為友好，可以隨時(shí)修改參取方法過(guò)影像分割，合并分塊，特征提不同于面向像素，首先分析像素多邊形被稱為子區(qū)域?qū)ο�。面向的�?duì)象進(jìn)行類別歸屬判定，從而知的物體輪廓。同時(shí)，依據(jù)類別不等信息，進(jìn)行對(duì)象分類。具體執(zhí)

【參考文獻(xiàn)】：
期刊論文
[1]基于GF-1衛(wèi)星的縣域冬小麥面積提取及年際變化監(jiān)測(cè)[J]. 左憲禹,韓林果,葛強(qiáng),張哲,田軍鋒.  河南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法綜述[J]. 楊真真,匡楠,范露,康彬.  信號(hào)處理. 2018(12)
[3]新型水體指數(shù)的構(gòu)建及在濱海濕地水域提取中的有效性驗(yàn)證[J]. 張永永,劉麗娟,趙盼盼.  浙江農(nóng)林大學(xué)學(xué)報(bào). 2018(04)
[4]全卷積神經(jīng)網(wǎng)絡(luò)用于遙感影像水體提取[J]. 王雪,隋立春,鐘棉卿,李頂萌,黨麗麗.  測(cè)繪通報(bào). 2018(06)
[5]一種基于城市水體指數(shù)與分形幾何算法的OLI遙感影像水體提取方法[J]. 楊驥,韓留生,陳水森,李勇.  測(cè)繪通報(bào). 2018(04)
[6]一種基于白帽變換的細(xì)小水體信息提取方法[J]. 張強(qiáng),吳波.  福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[7]一種改進(jìn)光譜角匹配的水體信息提取方法[J]. 張偉,趙理君,鄭柯,唐娉.  測(cè)繪通報(bào). 2017(10)
[8]結(jié)合水體指數(shù)與卷積神經(jīng)網(wǎng)絡(luò)的遙感水體提取[J]. 何海清,杜敬,陳婷,陳曉勇.  遙感信息. 2017(05)
[9]數(shù)學(xué)形態(tài)學(xué)與拓?fù)浼s束支持的單條河流骨架線提取[J]. 孟令奎,李玨,王銳,張文.  遙感學(xué)報(bào). 2017(05)
[10]基于區(qū)域生長(zhǎng)的圖像分割研究進(jìn)展[J]. 徐蔚波,劉穎,章浩偉.  北京生物醫(yī)學(xué)工程. 2017(03)

博士論文
[1]基于支持向量機(jī)理論的水環(huán)境質(zhì)量預(yù)測(cè)與評(píng)價(jià)方法研究[D]. 徐紅敏.吉林大學(xué) 2007

碩士論文
[1]多尺度遙感數(shù)據(jù)在西安城區(qū)水體信息提取中的方法研究[D]. 劉知.中國(guó)地質(zhì)大學(xué)(北京) 2018
[2]基于面向?qū)ο蠡旌戏诸惙椒ǖ某鞘械湫偷匚镄畔⑻崛⊙芯縖D]. 董崧.哈爾濱師范大學(xué) 2017
[3]基于高分一號(hào)和Landsat-8的昌吉市小麥面積提取研究[D]. 武笑天.新疆農(nóng)業(yè)大學(xué) 2016



本文編號(hào)：2917849