基于高光譜遙感圖像分類的水域變化檢測(cè)

《基于高光譜遙感圖像分類的水域變化檢測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、３１９分類號(hào)：ＴＰ７５１學(xué)校代碼：１１密級(jí)：２０１３３１２０１１：學(xué)號(hào)奪ｇ王則逆像碩女緣隹訟Ａ參Ｉ基于高光譜遙感國像分類的水域變化檢測(cè)ＷａｔｅｒＣｈａｎｇｅＤｅｔｅｃｔｉｏｎＢ化ｅｄｏｎＨｙｐｅｒｓｐｅｃｔｒａｌ民ｅｍｏｔｅＳｅ打ｓｉｎＩｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎｇ申請(qǐng)人：孫寧指導(dǎo)教師１教授：郊承志菌校外指導(dǎo)教師：歐立業(yè)髙工：工穂碩壬學(xué)位種類專業(yè)領(lǐng)域：動(dòng)力工程論文提交日期：２０１５年１２月獨(dú)創(chuàng)

2、性聲明，本人聲明，所呈交的學(xué)位論文，是在指導(dǎo)教師指導(dǎo)下，通過我的努力取得的成果并且是自己撰寫的。盡我所知－，除了文中作了橘注和致謝中已經(jīng)作了答謝的地方外論文中不包含其他人發(fā)表或撰寫巧的硏巧成果Ｉ也不包含在南昌工程學(xué)院或其它教宵機(jī)構(gòu)獲得學(xué)位或證書而使用過的一材料。與我同對(duì)本研巧做出貢獻(xiàn)的同志，都在論文中作了明確的說明并表示了謝恵。如被査有嚴(yán)重懾犯他人知識(shí)產(chǎn)極的行為，由本人承擔(dān)應(yīng)有的責(zé)任。Ｗ學(xué)位論文作者親筆簽名：如奇日期：論文使用授權(quán)的說明本人完全了解南昌工程學(xué)院有關(guān)保留、使巧學(xué)位論文

3、的規(guī)定，即學(xué)校有權(quán)送交論文的復(fù)巧件，巧、縮和電子版，允許論文被査閱和借閣?。耷桑粚W(xué)?？砂脊颊撐牡娜炕虿糠謨?nèi)容采影印?。崳娀蚱渌麖?fù)制手段保存論文。，密書。口保密在年后解可適用本授權(quán)秘■論。ｒ不保本學(xué)位文屬于不保密，ｃ＂Ｃ請(qǐng)小）在方框內(nèi)打ｗｒ．學(xué)論者；抑身：位義作親筆簽名日期若；作指導(dǎo)親筆簽名：日教師期勺摘要摘要隨著遙感技術(shù)的快速發(fā)展，高光譜遙感已逐漸應(yīng)用到各個(gè)領(lǐng)域，如氣象觀測(cè)、地質(zhì)調(diào)查、資源考察、地圖測(cè)繪、精細(xì)植被分類和軍事偵察等。高光譜遙感圖像分類是高光譜遙感影像處理最基本

4、的問題之一，其主要任務(wù)是根據(jù)地物電磁波輻射信息在遙感圖像上的特征，判讀識(shí)別地面物體的類屬及其分布狀況。高光譜遙感圖像分類的精度將直接影響到后續(xù)地物判讀識(shí)別與變化檢測(cè)的效果。高光譜遙感技術(shù)具有快速、準(zhǔn)確、準(zhǔn)時(shí)、周期短等優(yōu)點(diǎn)，同時(shí)可以分析水域周邊的生環(huán)境及土地覆蓋類別，是當(dāng)前水域變化檢測(cè)的研究熱點(diǎn)。高光譜遙感圖像包含著豐富的空間、輻射和光譜信息，波段眾多，信息量大，但其波段相關(guān)性強(qiáng)，冗余信息多且存在“維數(shù)災(zāi)難”現(xiàn)象，導(dǎo)致傳統(tǒng)的高光譜遙感圖像分類方法可能會(huì)造成錯(cuò)分、誤分現(xiàn)象，并且分類精度不高。本論文重點(diǎn)研究了空間特征信息

5、與光譜特征信息相結(jié)合的高光譜遙感圖像分類方法，并將其應(yīng)用于水域動(dòng)態(tài)變化檢測(cè)。主要研究內(nèi)容概括如下：首先，闡明了課題的研究背景和意義，分析了高光譜遙感圖像分類理論、特點(diǎn)、及傳統(tǒng)分類方法的優(yōu)缺點(diǎn)，并給出了用于測(cè)試高光譜遙感圖像分類效果的實(shí)驗(yàn)數(shù)據(jù)集。其次，研究了結(jié)合空間和光譜信息的高光譜遙感圖像分類方法，提出了結(jié)合主動(dòng)學(xué)習(xí)和濾波后處理的高光譜遙感圖像分類方法。訓(xùn)練樣本的選取直接影響到分類器的分類精度。多項(xiàng)邏輯回歸分類只考慮了高光譜遙感圖像的光譜信息，忽視了相鄰像元間的空間相關(guān)性。而引導(dǎo)濾波可以保留圖像的空間結(jié)構(gòu)信息。基于

6、此，新的方法首先采用主動(dòng)學(xué)習(xí)選取具有代表性、可表征樣本信息的訓(xùn)練樣本來訓(xùn)練多項(xiàng)邏輯回歸分類器，之后采用引導(dǎo)濾波對(duì)初分類結(jié)果進(jìn)行修正。新的方法同時(shí)考慮空間和光譜信息，與傳統(tǒng)的基于光譜信息的分類器相比，獲得了更高的分類精度。再次，針對(duì)訓(xùn)練樣本的選取和分類器的設(shè)計(jì)，提出了基于局部保持投影的稀疏高光譜遙感圖像分類方法。由于高光譜數(shù)據(jù)維數(shù)高，數(shù)據(jù)量大，在分類之前需要數(shù)據(jù)進(jìn)行降維處理，將原始特征空間投影到低維特征空間。新方法首先結(jié)合局部保持投影和線性判別分析對(duì)高光譜遙感數(shù)據(jù)進(jìn)行降維，之后采用K近鄰法選取聚類中心范圍內(nèi)的樣本，并

7、將選取的訓(xùn)練樣本用于訓(xùn)練稀疏分類器，以保持類內(nèi)距離小，類間距離大。實(shí)驗(yàn)結(jié)果表明該分類方法分類結(jié)果好。最后，將以上兩種分類方法應(yīng)用于水域變化檢測(cè)，提出了基于高光譜遙感圖像分類的水域動(dòng)態(tài)變化檢測(cè)。傳統(tǒng)的水域變化檢測(cè)方法無法對(duì)水域面積變化做出實(shí)時(shí)、高效的調(diào)查，采用遙感技術(shù)可以準(zhǔn)確觀測(cè)水域及其周圍生態(tài)環(huán)境變化。以上兩種高光譜遙感圖像分類方法可以對(duì)水域及其周邊的土地覆蓋進(jìn)行分類，融合其他類別提取出水體，并對(duì)水域變化進(jìn)行檢測(cè)。實(shí)驗(yàn)結(jié)果表明，基于高光譜遙感圖像分類的水域變化檢測(cè)方法可以更好地對(duì)水域變化進(jìn)行檢測(cè)。關(guān)鍵詞：高光譜遙感

8、;圖像分類;水體提取;水域面積變化檢測(cè)IAbstractAbstractWiththerapiddevelopmentofremotesensingtechnology,hyperspectralremotesensingimagehasbeengraduallyappliedtoallareas,suchasmeteorologicalobservatio