軟件工程碩士論文欄目提供最新軟件工程碩士論文格式、軟件工程碩士碩士論文范文。詳情咨詢QQ:357500023

新疆35选772期开奖:伊犁河流域多特征遙感影像水體識別之軟件工程碩士研究

論文編號:lw201910122020499798 所屬欄目:軟件工程碩士論文 發布日期:2019年10月16日 論文作者:www.51lunwen.com

新疆25选7开奖结果是 www.fvssn.com

第一章 緒論


1.1 研究背景和意義

現有的衛星圖像來源,包括 DigitalGlobe,歐洲衛星公司 Airbus,NASA 的Landsat 項目和新一代衛星公司 Planet Labs 等等。除軍用領域以外,大大小小的商業衛星公司也不斷推出更低成本的衛星發射和部署。發射升空的衛星數量逐年遞增,尤其是自從傳輸型遙感衛星投入使用后,衛星遙感影像的數據量不再受到膠片等存儲介質的束縛,衛星傳感器獲取的影像維度和分辨率也隨著技術進步不斷提高,導致數字遙感圖像資源極其龐大,其數據量爆炸性增長,大量高分辨率全球衛星的分布,為現代產業與社會的發展提供了新的有力支撐。

而人工遙感解譯的判讀員需要長時間培養,數量有限且效率低下,難以處理并有效利用這極其海量的原始數據。將人工智能的深度學習技術引入遙感數據解譯應用中,可以全方面提升遙感數據的自動化處理、分析能力。

遙感應用和遙感產業的業務領域方面,推動智能算法與應用落地的公司目前有 Orbital Insight、Spire、PlanetiQ、 以色列 Windward、 Ardusat 、SpaceKnow、九天微星、阿根廷 Satellogic、佳格天地等。四維世景、長光衛星等公司和機構,各自也紛紛推出了不同類別的遙感衛星群計劃,并在很多應用方面取得了進展。國內的商業航天相對起步較晚,但目前也已經超過百家,據報道,2018 年國內至少有 15 家的商業航天公司融資計劃的披露,融資總金額預計在 20 億以上。由此可見,如何有效利用如此大規模的原始衛星數據,不只是是行業風口,更需要研究人員不斷推陳出新,提高應用技術,挖掘這筆資源。

遙感技術不斷發展,人們獲取地表水體信息已經不再僅僅依靠人工實地測量,尤其是衛星遙感影像,通過形成星群的遠程傳感器繞地拍攝,可以在較短的周期內得到當前大范圍地區的高精度影像數據,輔以機器視覺的方法來快速處理并利用實時化和分辨率越發提高的遙感影像,在解放人力提高自動化水平的同時,可及時獲取準確的水體資源信息。例如通過衛星影像的智能識別技術,識別洪水、堰塞湖或某一流域河流水體的變化等,對于救災或生態地理變化能做出更及時的判斷和決策。

........................


1.2 研究現狀

遙感影像與普通圖片有極大的不同,其收集地物的光譜響應信息,一般情況下是由多波段組成的,如圖 1-1 所示,可以看做一個二維空間和一維光譜的圖像立方體。

進行圖像遙感影像的水體提取任務,水體分割時面對的分類對象為影像像元,依據水體和其他地物的差異,影像的分類效果很大程度上取決于所提取的影像特征能否對影像信息進行有效的表達。正因為如此,關于其特征的構建和選取[1,2]一直得到廣泛的關注。

1.2.1  特征選擇概述 

遙感影像波段眾多,波段間具有強相關性,因此在特征選取的過程中,結合加權概率原型分析[3]、擬態物理學優化算法或快速 SGA 算法、自適應帶選擇(ABS)和聯合偏態-峰度圖形(JSKF)[4]等進行波段選擇,使用獨立成分分析(ICA)、最小噪聲分離變換(MNF)算法[5]等降低影像數據的維度,減小數據開銷,同時結合多種特征實現分類,是當前的主流。

經典的多光譜圖像水體檢測算法,包括單波段閾值法、多波段譜間關系法、歸一化差異水體指數法等[6-8],均僅僅使用了單一像元的光譜信息,且依賴先驗知識,需要通過不斷試驗確定閾值的選擇。國內外有些研究學者針對不同地表物體在圖像中所呈現的不同特征表現進行了研究,比如熊顯名等人[9]研究了光譜反射率在水體與地表其他物體的不同,通過二值形態學方法提取了水陸分界線。專家學者們不僅分析了主要地物的光譜特性,進行多光譜影像解譯[10];隨著技術發展,對遙感圖像進行特征綜合方式開始增多,張立民等[11]在對遙感圖像進行分割時,為避免邊緣定位不準確問題,將光譜信息和紋理特征進行了結合,提出了遙感圖像的分水嶺分割算法。
...........................


第二章 特征提取研究


2.1 數據預處理

遙感圖像成像時,由于光譜儀器本身具有的隨機噪聲、大氣的隨機擾動、地形和鄰近地物等影響,會出現輻射誤差、大氣消光等現象。本章為了避免這些現象對構成較為復雜的多光譜圖像帶來的影響,采用如下所述的幾種措施預處理影像數據。

2.1.1 輻射定標與大氣校正

首先通過輻射定標,建立數字量化值(DN)與對應物理量,如輻射亮度值、反射率等之間的關系并進行相應的轉換,從而準確獲取遙感影像成像時的對應輻射值。大氣校正主要針對的是衛星傳感器獲取地物信息過程中,由于遠距離影響,地球大氣、太陽光和地表對光的漫反射反射的等現象,盡可能的避免干擾,保證數據的真實性。

2.1.2 圖像增強

考慮到識別結果的精確與穩定性,He  Kaiming 博士[45]提出的暗通道先前去霧算法被用以增強圖像。暗通道先驗理論的描述公式如式(2.1):

.........................

2.2 特征提取

2.2.1  光譜特征提取研究

水體對太陽光具有強吸收性,對水體光譜特征進行分析整理選擇特征來提取水體。如圖 2-1 所示,Landsat ETM 遙感影像中,開看出在七個波段中,水體、植被、旱地和鹽堿地存在差異。

多光譜圖像與常規圖像較為突出的差異,在于不同波段的光譜值可反應地物資源等的獨特特征,通過波段本身(閾值法)和相互之間的關系(譜間關系法),可突出目標資源的信息表達。水體信息的表達在前人的研究中,已有多種光譜特征的計算方式。光譜特征一般只通過單像元本身的曲線數值序列計算,對相鄰像元的變化規律并不加以捕捉。所以當發生不同位置的同一類地物擁有光譜數值上的差異,或者同一數值但事實上分屬不同地類的問題,不考慮圖像自身的局部甚至全局變化規律就無法準確區分。

........................

第三章  基于 DBN 水體信息提取模型 ........................... 12

3.1 特征擴充介紹 ............................... 12

3.2 DBN 模型 .................................... 13

3.3  實驗與分析 ............................... 15

第四章  基于多模態模型的遙感影像自動識別研究 ............................. 18

4.1  基于雙向 LSTM 網絡提取光譜特征 ............................. 19

4.2  基于 M-CNN 網絡提取多尺度的空間紋理特征 ........................ 20

第五章  基于雙自動編碼器的無監督遙感影像分割 ................................. 28

5.1  空洞卷積自編碼器 .................. 29

5.1.1  自編碼器 ................................ 29

5.1.2  空洞卷積編碼 .................................. 30 


第五章 基于雙自動編碼器的無監督遙感影像分割


5.1  空洞卷積自編碼器

影像像元類似普通像素,也是連續變化的,獲取單個像元的鄰域感受野,能夠更充分地獲取遙感影像的空間信息。

5.1.1  自編碼器

自編碼器(AutoEncoder)通過編碼(encoder)和解碼(decoder)操作可以對輸入的影像進行復現,對輸入與輸出數據進行一致性對比,通過修正權重偏置參數降低差異性,實現無監督學習。自編碼器結構如圖 5-2。

.........................


第六章 結論與展望


6.1  結論

商業航空蓬勃發展,遙感衛星大量升空,有效利用這些衛星影像資源有利民生,識別地表水體變化,及時掌握生態變化情況,具有重要的理論意義和應用價值。人工智能的浪潮對于解放人力效果顯著,深度學習技術發展迅速,將深度學習模型和算法應用到實際領域中,使其適用于遙感影像水體識別等[64,65],應對大規模數據,可以進一步節省人力資源和計算資源。本文就水體識別和遙感影像分割開展研究,提升算法準確率和自動化程度,并進一步探索無標簽數據的處理。

本文分析了幾種遙感影像的特征提取方法,包括光譜特征和紋理特征、形態學特征等,分析了淺層特征與深層特征對遙感影像水體等數據的表達能力,對比分析了淺層機器學習算法和深度學習算法在性能上的差異,證明了深度學習模型的有效性,通過特征擴充算法,優化提升了 DBN 模型的水體識別的準確性。

由于手工特征提取再分類的分階段模型自有其局限性,本文結合雙向長短時記憶網絡(BiLSTM)與改進的卷積神經網絡(Modified-CNN,M-CNN),通過全連接條件隨機場(DenseCRF)層進行分類,對多模態模型自動生成的橫縱向多尺度特征實現整合和識別驗證,構建了遙感影像智能識別的端到端(end-to-end)神經網絡模型。并通過實驗證明了模型的準確性,相對于多階段水體識別模型,所構建的模型可進行整體一致的訓練,自動化程度和準確性更高。

參考文獻(略

1