本文關鍵詞：錫林浩特露天開采煤礦區(qū)占地信息自動提取方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：內蒙古礦產資源富集,存在著大量露天開采煤礦,不僅其占地面積大,而且對土地資源和生態(tài)資源的破壞嚴重,因此,本論文以“內蒙區(qū)礦山開發(fā)遙感調查與監(jiān)測”項目為依托,選取錫林浩特勝利露天開采煤礦為研究區(qū),開展礦山占地信息自動提取方法研究。綜合利用遙感數據的光譜特征、紋理特征以及空間特征,對研究區(qū)的高分辨率影像進行了面向對象的分類器性能測試,根據測試結果,建立了一套基于層次的加權投票法分類器組合的技術方法流程,并應用于錫林浩特大型露天開采煤礦占地信息提取,驗證本技術方法的有效性。本論文取得以下研究成果:(1)深入分析了高分辨率遙感數據的龐大信息含量,復合實驗區(qū)worldview-2數據的光譜信息、紋理信息和DEM數據的空間信息,為后續(xù)研究提供數據保障。(2)對復合后的數據進行六種算法的面向對象監(jiān)督分類,并對所生成的分類器進行性能測試,從中篩選出高性能的分類器作為基分類器,為層次法信息提取奠定基礎。(3)以基分類器的微觀精度分析結果為依據,確定各占地類型的最優(yōu)分類器。采用層次法實現對強類占地信息的提取,保證了強類信息的精度,避免了信息之間的干擾;對于不存在最優(yōu)分類器的弱類信息,在子分類器差異性度量的基礎上,采用加權投票法的分類器組合分類,獲得了滿意的提取效果。(4)在上述研究的基礎上,以錫林浩特大型露天開采煤礦(面積為127.5km2)為驗證區(qū),進行本論文技術方法有效性的驗證,占地信息提取總體精度達到92.45%。
【關鍵詞】：大型露天開采煤礦 面向對象監(jiān)督分類 層次法信息提取 差異性度量 分類器組合
【學位授予單位】：中國地質大學(北京)
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TD824;TD67
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章. 緒論10-21
• 1.1. 選題背景與意義10-11
• 1.1.1. 選題背景10-11
• 1.1.2. 研究意義11
• 1.2. 國內外研究現狀11-18
• 1.2.1. 基于像元的遙感信息自動提取12-13
• 1.2.2. 面向對象的信息提取13-15
• 1.2.3. 多分類器組合分類15-16
• 1.2.4. 礦山開發(fā)占地信息提取研究16-17
• 1.2.5. 存在問題17-18
• 1.3. 研究內容和技術路線18-21
• 1.3.1. 研究內容18-19
• 1.3.2. 技術路線19-21
• 第2章. 數據預處理及多元信息復合21-36
• 2.1. 實驗區(qū)數據源21-23
• 2.2. 數據預處理23-30
• 2.2.1. 輻射校正23-25
• 2.2.2. 幾何校正25-26
• 2.2.3. 圖像配準與融合26-29
• 2.2.4. DEM數據投影轉換29-30
• 2.3. 紋理特征提取30-34
• 2.3.1. 基于灰度共生矩陣紋理特征提取原理31-32
• 2.3.2. 紋理特征提取32-33
• 2.3.3. 特征量選取33-34
• 2.4. 光譜、紋理、空間信息復合34-36
• 第3章. 面向對象的監(jiān)督分類36-54
• 3.1. 面向對象分類原理36-37
• 3.2. 影像分割37-42
• 3.2.1. 分割參數的選取38-40
• 3.2.2. 分割結果對比40-42
• 3.3. 面向對象的監(jiān)督分類42-50
• 3.3.1. 感興趣區(qū)選取42-43
• 3.3.2. 信息提取43-48
• 3.3.3. 實驗結果48-50
• 3.4. 分類器性能測試及篩選50-54
• 3.4.1. 性能測試50-51
• 3.4.2. 原因分析51-52
• 3.4.3. 分類器篩選52-54
• 第4章. 基于層次的面向對象分類器組合54-80
• 4.1. 層次法占地信息提取54-64
• 4.1.1. 微觀精度分析55-59
• 4.1.2. 最優(yōu)分類器的確定59-60
• 4.1.3. 層次法占地信息提取60-64
• 4.2. 分類器組合系統(tǒng)64-66
• 4.2.1. 子分類器的生成64-65
• 4.2.2. 分類器組合結構65-66
• 4.2.3. 分類器組合決策機制66
• 4.3. 分類器組合66-74
• 4.3.1. 加權投票法分類器組合66-69
• 4.3.2. 子分類器的差異性研究69-74
• 4.4. 基于層次的分類器組合效果評價74-80
• 4.4.1. 分類器組合精度評價74-77
• 4.4.2. 基于層次的分類器組合精度評價77-80
• 第5章. 技術方法的驗證80-87
• 5.1. 驗證區(qū)概況80-81
• 5.2. 驗證區(qū)總體分析81-82
• 5.3. 錫林浩特大型露天煤礦占地信息提取結果82-83
• 5.4. 驗證區(qū)占地信息提取結果精度評價83-87
• 5.4.1. 類型精度83-84
• 5.4.2. 位置精度84-86
• 5.4.3. 面積精度86-87
• 第6章. 結論87-89
• 6.1. 研究成果87-88
• 6.2. 存在問題88-89
• 致謝89-90
• 參考文獻90-93

【相似文獻】

中國期刊全文數據庫 前10條

1 魏蓉;趙艷君;張同亮;顧全;;使用偽氨基酸和集成分類器預測凋謝蛋白亞細胞定位[J];計算機與應用化學;2009年07期

2 陳曉平;沈記全;;分類器集成在入侵檢測中的應用研究[J];河南理工大學學報(自然科學版);2012年03期

3 計時鳴，王烈鑫，熊四昌，席靜珠;茶葉分揀在線模式分類器[J];浙江工業(yè)大學學報;1995年03期

4 張章華;;應用分類器組合模型進行巖性識別[J];計算機仿真;2009年04期

5 王直杰,方建安,邵世煌;分類器系統(tǒng)綜述[J];中國紡織大學學報;1997年01期

6 劉達;張國英;劉冠洲;沙蕓;;基于特征篩選的云分類器[J];北京石油化工學院學報;2011年01期

7 范驍輝,程翼宇;基于分步相關成分分析的中藥材質量鑒別神經元分類器[J];高等學�；瘜W學報;2004年12期

8 杜海蓮;呂鋒;辛濤;杜妮;;基于證據理論的優(yōu)化集成分類器融合算法及應用[J];化工學報;2012年09期

9 楊維寧，王宏，，匡建超，童孝華;基于自組織映射網絡的模式分類器對儲產層自動分類方法研究[J];成都理工學院學報;1994年04期

10 陳紹杰;李光麗;張偉;曹文;;基于多分類器集成的煤礦區(qū)土地利用遙感分類[J];中國礦業(yè)大學學報;2011年02期

中國重要會議論文全文數據庫 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學術會議論文集[C];2009年

2 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗證對象集分類器的再訓練演進[A];第十九屆全國數據庫學術會議論文集（研究報告篇）[C];2002年

3 陳繼航;劉家鋒;趙巍;唐降龍;;聯機手寫識別筆段特征分類器的學習方法[A];黑龍江省計算機學會2009年學術交流年會論文集[C];2010年

4 穆明生;;基于特征集的多種分類器模型的在線筆跡認證[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

5 彭濤;左萬利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(英文)[A];第二十三屆中國數據庫學術會議論文集（技術報告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無關”的說話人辨認[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

7 謝秋玲;;應用于心電圖分類的KNN-SVM分類器研究[A];2006中國控制與決策學術年會論文集[C];2006年

8 胡瓊;汪榮貴;胡韋偉;孫見青;;基于級聯分類器的快速人臉檢測方法[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

9 李蘭春;王雙成;杜瑞杰;;認知結構評估的動態(tài)貝葉斯網絡分類器方法[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

10 邵小健;段華;賀國平;;一種改進的最少核分類器[A];中國運籌學會第七屆學術交流會論文集（上卷）[C];2004年

中國重要報紙全文數據庫 前1條

1 黃明;精子分類器決定生男生女[N];廣東科技報;2000年

中國博士學位論文全文數據庫 前10條

1 張非;對抗逃避攻擊的防守策略研究[D];華南理工大學;2015年

2 張文博;多類別智能分類器方法研究[D];西安電子科技大學;2014年

3 許勁松;智能交通中目標檢測與分類關鍵技術研究[D];南京理工大學;2014年

4 余家林;普通場景視頻人臉檢測與識別的關鍵技術研究[D];浙江大學;2016年

5 趙作林;基于圖像分析的北京地區(qū)楊樹種類識別研究[D];北京林業(yè)大學;2015年

6 任亞峰;基于標注和未標注數椐的虛假評論識別研究[D];武漢大學;2015年

7 劉明;分類器組合技術研究及其在人機交互系統(tǒng)中的應用[D];北京交通大學;2008年

8 嚴志永;在劃分數據空間的視角下基于決策邊界的分類器研究[D];浙江大學;2011年

9 王U

本文編號：481811