收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于高分影像与LiDAR点云数据的自然资源资产信息提取方法研究

孙传芳  
【摘要】:自然资源资产离任"非现场审计"需要高时效、高精度地提取典型自然资源资产信息,利用高分辨率影像采用面向对象的信息提取技术是一种高效的解决方案。该解决方案首先要通过影像分割技术获取与真实地物接近的资源对象。而现有的基于分形网络演化算法的参数寻优过程大多针对单一的尺度参数,忽略形状参数、紧致度参数的分割造成了一定数目的混合对象;虽然考虑了多参数的影像分割减少了混合对象的存在,但是影像中同谱异物、自然界过渡性边缘的现象,造成混合对象依然存在。其次,需要针对不同类型的资源对象提取区别其他资源对象的稳健特征。部分多云区域因平台受限导致获取的数据缺少近红外波段数据,这对植被信息精确提取造成了困难。最后,需要根据资源对象的描述特征进行分类。多类型的资源对象带来庞大的特征集,简单的堆积不仅会增大计算量,而且会造成特征的冗余,降低了自然资源资产的提取精度。因此,研究分形网络演化算法参数寻优的策略、LiDAR点云特征优化影像分割的方法、构建有效提取植被信息的特征、选择利于资源信息提取的最优特征子集,成为该方案亟需解决的关键问题。针对解决方案中存在的问题,本文开展了如下工作:1)归纳、总结了现有的影像分割评价方法,针对基于分形网络演化分割算法参数寻优大多针对单一尺度参数的问题,研究基于田口方法的最优分割参数组合确定方法,优化了影像分割结果;2)针对单一影像数据分割结果存在混合对象的问题,研究加入LiDAR点云归一化高度特征、DSM数据坡度特征参与影像分割,减少影像分割结果中混合对象的数量;3)针对因缺少近红外波段数据导致无法有效提取植被的问题,提出构建基于可见光波段的颜色植被指数TBCVI,研究基于TBCVI与已有的颜色植被指数在城区、荒地、水域、大面积阴影的城区4种不同场景的影像数据中提取植被,比较各个指数的优劣;4)针对大量特征简单堆积可能造成分类精度降低的问题,研究基于ReliefF和mRMR特征选择算法选取利于资源信息提取的特征子集;针对单独使用ReliefF或mRMR算法获得特征子集存在分类精度骤降的问题,研究先使用ReliefF算法评价特征重要性,后使用mRMR算法剔除冗余特征的RFmRMR算法,以分类精度对比分析3种特征选择算法获得的特征子集优劣;5)研究确定了基于RBF-SVM分类器的自然资源资产面向对象信息提取流程,通过采用先精细分类、后合并的策略,得到自然资源资产分类精度与面积,验证该工程方案的可行性。研究表明:基于田口方法的分割参数寻优可以在局部区域获得更好的对象边缘,加入点云特征进一步减少了分割结果中混合对象的数量,使得基于分形网络演化算法的影像分割结果更优;TBCVI指数可以在不同环境下有效地提取植被信息;RFmRMR算法能够更快速指示出有利于分类的特征子集;基于高分影像和LiDAR点云数据高精度地提取自然资源资产信息的解决方案是可行的。论文研究成果对实现自然资源资产离任"非现场审计"具有一定的工程实用价值,对进一步研究利用多源多尺度遥感数据辅助自然资源资产离任审计具有重要的参考价值。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 付卓;胡吉平;谭衢霖;刘正军;;遥感应用分析中影像分割方法[J];遥感技术与应用;2006年05期
2 徐芳,梅文胜,张志华;航空影像分割的最小二乘支持向量机方法[J];武汉大学学报(信息科学版);2005年08期
3 高伟;刘修国;彭攀;陈启浩;;一种改进的高分辨率遥感影像分割方法[J];地球科学(中国地质大学学报);2010年03期
4 阚晓云;孙景振;王红伟;;无人机影像分割尺度及地物分类研究[J];科技广场;2013年11期
5 洪志佳;;面向对象信息提取中影像分割参数的选择[J];河南科技;2014年10期
6 李景文;张紫萍;郭伟立;苏浩;罗文彬;;基于分水岭与多尺度相结合的影像分割方法[J];广西师范大学学报(自然科学版);2012年01期
7 张煜,张祖勋,张剑清;几何约束与影像分割相结合的快速半自动房屋提取[J];武汉测绘科技大学学报;2000年03期
8 肖奥;赵文吉;;基于最小异质性区域生长法的多尺度城市地物影像分割[J];首都师范大学学报(自然科学版);2010年01期
9 苏伟;李京;陈云浩;张锦水;胡德勇;刘翠敏;;基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例[J];遥感学报;2007年04期
10 盛庆红;张剑清;肖晖;;基于颜色和纹理的森林影像分割方法[J];武汉大学学报(信息科学版);2008年03期
11 冯益明;李增元;武红敢;陈尔学;;基于灰度与纹理信息融合的影像分割方法[J];遥感技术与应用;2006年06期
12 廖小露;田玉刚;刘嘉;;基于先验特征的台风云系影像分割方法研究[J];国土资源遥感;2011年03期
13 张祖勋,闵宜仁;基于Hough变换的影像分割[J];测绘学报;1992年03期
14 黄晓霞,李红旮,黄波;SAR影像中海洋浮油膜特征分割的Level Set方法[J];遥感学报;2005年05期
15 黄亮;左小清;冯冲;聂俊堂;;基于Canny算法的面向对象影像分割[J];国土资源遥感;2011年04期
16 李利伟;马建文;温奇;;双模态脉冲耦合神经网络高分辨率光学卫星影像分割[J];武汉大学学报(信息科学版);2008年03期
17 岳安志;杨建宇;张超;朱德海;郧文聚;;基于多尺度形态学滤波的高分辨率遥感影像分割[J];农业工程学报;2013年S1期
18 史晓霞;李京;周冠华;赵静;;基于Mean-shift影像分割算法的TM影像分类及城市扩展研究[J];地理与地理信息科学;2009年01期
19 王瀚闻;翟涌光;郝蕾;;基于索贝尔算子的高分辨率遥感影像分割技术研究[J];科技创新导报;2012年22期
20 尹杰;杨魁;段毅;;面向对象的极化干涉SAR影像分割算法研究[J];测绘通报;2013年06期
中国重要会议论文全文数据库 前1条
1 莫登奎;林辉;;一种稳健的高分辨率遥感影像分割方法[A];第十二届全国图象图形学学术会议论文集[C];2005年
中国博士学位论文全文数据库 前1条
1 刘大伟;高分辨率遥感影像分割方法及应用研究[D];长安大学;2016年
中国硕士学位论文全文数据库 前8条
1 张爱竹;基于智能优化算法的高分辨率震害影像分割[D];中国石油大学(华东);2014年
2 孙传芳;基于高分影像与LiDAR点云数据的自然资源资产信息提取方法研究[D];西南交通大学;2017年
3 莆杰艺;基于异质性最小准则的基元合并影像分割方法研究[D];长安大学;2013年
4 黄亮;一种融合边缘与对象异质性的影像分割算法[D];昆明理工大学;2011年
5 袁秀华;高分辨率遥感影像分割研究[D];江西理工大学;2014年
6 王博;基于高分辨率影像的改进分水岭算法影像分割参数优选研究[D];兰州大学;2013年
7 吕佩育;基于影像分割的无人机影像密集匹配算法研究与实现[D];西安科技大学;2013年
8 王刚;基于影像分割的SAR影像变化检测技术研究[D];解放军信息工程大学;2012年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978