由于城市化、工業(yè)化的進(jìn)程加快以及自然災(zāi)害的頻發(fā),在人為因素和自然因素的雙重影響下我國(guó)自然資源安全受到了嚴(yán)重威脅。所以及時(shí)了解農(nóng)田變化情況對(duì)我國(guó)農(nóng)業(yè)建設(shè)和自然資源可持續(xù)發(fā)展具有重要意義。農(nóng)田變化檢測(cè)是根據(jù)同一感興趣區(qū)不同時(shí)相的農(nóng)田信息來(lái)確定農(nóng)田變化情況的過(guò)程。隨著遙感技術(shù)和圖像處理技術(shù)的快速發(fā)展,利用高分辨率遙感影像進(jìn)行感興趣區(qū)變化檢測(cè)變得十分方便。但是利用傳統(tǒng)的基于像元的變化檢測(cè)方法已無(wú)法適用于含有豐富信息特征的高分辨率遙感影像。因此,采用面向?qū)ο蟮淖兓瘷z測(cè)方法成為目前國(guó)內(nèi)外學(xué)者研究的關(guān)鍵問(wèn)題。本文選取大安市舍力鎮(zhèn)作為研究區(qū)。選擇兩期時(shí)相分別為2015年9月、2017年8月的高分二號(hào)遙感影像作為變化檢測(cè)試驗(yàn)數(shù)據(jù)。采用面向?qū)ο蟮姆诸惙椒ㄍ瓿蓪?duì)兩期遙感影像農(nóng)田信息的提取并對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià),然后采用面向?qū)ο蟮淖兓瘷z測(cè)方法實(shí)現(xiàn)農(nóng)田信息的變化檢測(cè)。本文主要研究成果如下:(1)對(duì)基于邊界的分割算法與基于區(qū)域的分割算法的區(qū)別進(jìn)行詳細(xì)研究,從客觀和主觀兩方面分析出基于區(qū)域分割算法的多尺度分割在同時(shí)提取多種目標(biāo)地物類型時(shí)具有優(yōu)越性,并總結(jié)出多尺度分割參數(shù)的選擇方法。在不同影像對(duì)象層采用不同的分割參數(shù)進(jìn)行多尺度分割。利用試錯(cuò)法得出第一層植被與非植被的最優(yōu)分割尺度為90、形狀因子為0.2、緊致度因子為0.5,第二層旱田、水田及其它植被的最優(yōu)分割尺度為150、形狀因子為0.2、緊致度因子為0.5。(2)綜合利用高分遙感影像的光譜特征、形狀特征、自定義特征對(duì)目標(biāo)地物類型進(jìn)行信息提取。建立影像對(duì)象的分類層次后,通過(guò)對(duì)目標(biāo)地物特征的描述和組合,建立目標(biāo)地物的提取規(guī)則。以多尺度分割后的影像對(duì)象為分類的基本單元,利用閾值分類和最鄰近分類相結(jié)合的方法實(shí)現(xiàn)了研究區(qū)農(nóng)田信息的提取。(3)以2015年、2017年高分二號(hào)遙感影像目視解譯結(jié)果作為參考影像,對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià)。對(duì)兩期研究區(qū)遙感影像進(jìn)行目視解譯,人工判讀農(nóng)田信息。利用混淆矩陣對(duì)兩期自動(dòng)分類結(jié)果與目視解譯結(jié)果進(jìn)行對(duì)比,得出2015年總體精度為91.6%、Kappa系數(shù)為84.8%,2017年總體精度為90.8%、Kappa系數(shù)為84.3%。(4)探討了三種遙感影像的變化檢測(cè)方法并采用面向?qū)ο蟮淖兓瘷z測(cè)方法進(jìn)行試驗(yàn)。利用copy map、synchronize map、convert to sub-objects、copy image object level等算法對(duì)兩期研究區(qū)農(nóng)田信息變化進(jìn)行變化檢測(cè)。檢測(cè)結(jié)果表明該方法具有較高的實(shí)用性和有效性。
【學(xué)位單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：S127
【部分圖文】：

分割尺度為 90 時(shí)，植被與非植被類別的輪廓相對(duì)完整、分割成的影像對(duì)象較完整，能夠較好地區(qū)分植被類別與非植被類別。當(dāng)分割尺度為 110 和 130 時(shí)，分割成的多邊形面積過(guò)大，地類綜合過(guò)大，使得植被與非植被類別信息部分合并，無(wú)法清晰區(qū)分。分割尺度不同時(shí)的分割效果如圖 5.1 所示。分割尺度=70,形狀因子=0.1,緊致度因子=0.5 分割尺度=90,形狀因子=0.1,緊致度因子=0.5

分割尺度=90,形狀因子=0.3,緊致度因子=0.5圖 5.2 形狀因子不同時(shí)的在第一層分割的基礎(chǔ)上，通過(guò)繼承關(guān)系同方法得出，第二層區(qū)別旱田、水田、其他無(wú)=150,形狀因子=0.2,緊致度因子=0.5。研究區(qū)表 5.1 研究區(qū)各層層次 提取信息 波段權(quán)重Level 1 植被、非植被B：G：R：NNDVI：ND=1：1：1：2Level 2旱田、水田、B：G：R：NNDVI：ND

第 5 章 面向?qū)ο蟮霓r(nóng)田變化檢測(cè)試驗(yàn)方法是面向?qū)ο笮畔⑻崛≈幸环N最常用的分類方法。選取具有旱田、水田及其他植被明顯特征的分布均勻類地物類型賦予相應(yīng)的具有代表性的目標(biāo)地物，并創(chuàng)特征組合。第二級(jí)分類時(shí)最初人工構(gòu)建的特征空間為 用到分類過(guò)程中會(huì)導(dǎo)致計(jì)算量過(guò)大、分類效率降低[38]ure Space Opitimization 自動(dòng)選取最佳特征組合，將特征空間優(yōu)化工具選取的最鄰近分類最佳特征組合為邊形面積（Area）、長(zhǎng)寬比（Length/Width）、最大差分（ctness），如圖 5.4 所示。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 眭海剛;馮文卿;李文卓;孫開敏;徐川;;多時(shí)相遙感影像變化檢測(cè)方法綜述[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2018年12期

2 謝馨嫻;岳彩榮;霍鵬;;森林變化檢測(cè)方法比較[J];四川林業(yè)科技;2018年03期

3 王娜;張景發(fā);;SAR圖像變化檢測(cè)技術(shù)方法綜述[J];地殼構(gòu)造與地殼應(yīng)力文集;2016年01期

4 宋英旭;牛瑞卿;張景發(fā);李永生;羅毅;馮時(shí);陳艷;;遙感影像變化檢測(cè)方法對(duì)比[J];地殼構(gòu)造與地殼應(yīng)力文集;2016年02期

5 李強(qiáng);張景發(fā);;變化檢測(cè)技術(shù)在震害信息提取中的應(yīng)用[J];地理空間信息;2014年02期

6 龍玄耀;李培軍;;基于圖像分割的城市變化檢測(cè)[J];地球信息科學(xué);2008年01期

7 于躍龍,盧煥章;以統(tǒng)計(jì)變化檢測(cè)為基礎(chǔ)的實(shí)時(shí)分割視頻對(duì)象新方法[J];中國(guó)圖象圖形學(xué)報(bào);2005年01期

8 孫揚(yáng);朱凌;修田雨;;基于國(guó)產(chǎn)衛(wèi)星影像的協(xié)同分割變化檢測(cè)[J];北京建筑大學(xué)學(xué)報(bào);2018年04期

9 王鑫;;聚類分析觀點(diǎn)下的分散式最快變化檢測(cè)[J];南京理工大學(xué)學(xué)報(bào);2014年02期

10 沈壁川;毛期儉;呂翊;;基于巴氏距離的視頻流場(chǎng)景變化檢測(cè)(英文)[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

相關(guān)會(huì)議論文 前10條

1 劉元波;;環(huán)境遙感變化探測(cè)研究中的若干問(wèn)題：輻射校正方法與變化檢測(cè)算法及其理論關(guān)系[A];中國(guó)地理學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

2 毛衛(wèi)華;;時(shí)態(tài)遙感數(shù)據(jù)對(duì)象級(jí)變化檢測(cè)方法研究[A];2016年度浙江省測(cè)繪與地理信息學(xué)會(huì)優(yōu)秀論文集[C];2016年

3 林麗群;舒寧;肖俊;;MODIS影像自動(dòng)變化檢測(cè)[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

4 劉志剛;李夕海;錢昌松;;遙感圖像變化檢測(cè)問(wèn)題淺析[A];陜西地球物理文集（五）國(guó)家安全與軍事地球物理研究[C];2005年

5 王長(zhǎng)海;陳文靜;;基于遙感影像分類的城鎮(zhèn)建成區(qū)變化檢測(cè)方法研究[A];國(guó)家安全地球物理叢書（十三）——軍民融合與地球物理[C];2017年

6 蔣汾龍;王善峰;公茂果;馬晶晶;張明陽(yáng);武越;;基于降噪耦合卷積神經(jīng)網(wǎng)絡(luò)的多源遙感影像變化檢測(cè)[A];第五屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2018年

7 鄭安明;羅健;康薇薇;;基于遙感影像的流域下墊面變化檢測(cè)[A];環(huán)境變化與水安全——第五屆中國(guó)水論壇論文集[C];2007年

8 陳宇;唐偉成;;基于北京一號(hào)小衛(wèi)星遙感數(shù)據(jù)的徐州東礦區(qū)土地利用/覆蓋變化檢測(cè)方法研究[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

9 李全;李霖;;基于LANDSAT TM影像的城市變化檢測(cè)研究[A];中國(guó)地理學(xué)會(huì)2004年學(xué)術(shù)年會(huì)暨海峽兩岸地理學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

10 歐陽(yáng)峗;馬建文;戴芹;;動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)在遙感變化檢測(cè)中的應(yīng)用[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

相關(guān)重要報(bào)紙文章 前2條

1 本報(bào)記者 孫楠 徐文彬;提高我國(guó)在氣候變化檢測(cè)歸因領(lǐng)域的國(guó)際影響力[N];中國(guó)氣象報(bào);2016年

2 通訊員 孫愛(ài)華　張向峰;區(qū)域氣候變化檢測(cè)研討會(huì)召開[N];中國(guó)氣象報(bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 鄭耀國(guó);基于結(jié)構(gòu)化表示學(xué)習(xí)的遙感圖像分類及變化檢測(cè)[D];西安電子科技大學(xué);2016年

2 蘇臨之;基于像素信息和深度學(xué)習(xí)的遙感圖像變化檢測(cè)技術(shù)[D];西安電子科技大學(xué);2016年

3 賈璐;基于核理論的遙感影像變化檢測(cè)算法研究[D];西安電子科技大學(xué);2016年

4 李瑜;基于特征學(xué)習(xí)的SAR圖像變化檢測(cè)方法研究[D];西安電子科技大學(xué);2016年

5 李振軒;基于差分測(cè)度的高分辨率遙感影像可靠性變化檢測(cè)方法研究[D];中國(guó)礦業(yè)大學(xué);2018年

6 劉博宇;時(shí)序NDVI數(shù)據(jù)集螺線型構(gòu)建及多形狀參數(shù)變化檢測(cè)[D];吉林大學(xué);2018年

7 李勝;聯(lián)合領(lǐng)域知識(shí)和深度學(xué)習(xí)的城市地表覆蓋變化檢測(cè)方法[D];武漢大學(xué);2018年

8 趙金奇;多時(shí)相極化SAR影像變化檢測(cè)方法研究[D];武漢大學(xué);2018年

9 劉嘉;多目標(biāo)演化深度神經(jīng)網(wǎng)絡(luò)模型與應(yīng)用[D];西安電子科技大學(xué);2018年

10 龐世燕;三維信息輔助的建筑物自動(dòng)變化檢測(cè)若干關(guān)鍵技術(shù)研究[D];武漢大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 楊彬;基于深度學(xué)習(xí)的高分辨率遙感影像變化檢測(cè)[D];中國(guó)礦業(yè)大學(xué);2019年

2 郭欣;光學(xué)與SAR圖像像素級(jí)融合的水體變化檢測(cè)[D];中國(guó)礦業(yè)大學(xué);2019年

3 張玉沙;基于主動(dòng)集成學(xué)習(xí)和不確定性分析的遙感影像變化檢測(cè)[D];中國(guó)礦業(yè)大學(xué);2019年

4 劉陸洋;基于雙差異圖的SAR圖像變化檢測(cè)研究[D];新疆大學(xué);2019年

5 婁雪梅;基于SAR圖像的變化檢測(cè)算法研究[D];新疆大學(xué);2019年

6 丁永;高分辨率遙感影像結(jié)合地表覆蓋矢量數(shù)據(jù)的變化檢測(cè)方法研究[D];武漢大學(xué);2017年

7 許競(jìng)軒;面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法研究[D];戰(zhàn)略支援部隊(duì)信息工程大學(xué);2018年

8 孫揚(yáng);基于超像素協(xié)同分割的遙感影像變化檢測(cè)方法[D];北京建筑大學(xué);2019年

9 唐文博;基于卷積神經(jīng)網(wǎng)絡(luò)的高分辨率多光譜遙感圖像上的城區(qū)建筑物變化檢測(cè)技術(shù)[D];浙江大學(xué);2019年

10 莊姊琪;基于Siamese卷積神經(jīng)網(wǎng)絡(luò)的高分影像城市地物變化檢測(cè)[D];武漢大學(xué);2018年

本文編號(hào)：2825006