中國是全球茶葉種植和生產(chǎn)大國,茶園不斷擴(kuò)張帶來經(jīng)濟(jì)效益,也造成土壤侵蝕等生態(tài)問題。茶園是農(nóng)業(yè)生態(tài)系統(tǒng)的重要組成部分,但對其的監(jiān)控卻不及農(nóng)田,因此,能及時準(zhǔn)確地獲取茶園空間分布信息是農(nóng)業(yè)生產(chǎn)、土壤治理決策以及茶園生態(tài)建設(shè)的重要依據(jù)^[1]。茶園的種植改變了土壤表面光譜特性和空間結(jié)構(gòu),因而僅依靠地物反射光譜特征難以準(zhǔn)確識別茶園。高分辨率遙感影像數(shù)據(jù)可以捕捉空間細(xì)節(jié)信息,對于茶園這類具有明顯紋理結(jié)構(gòu)的地物,使用紋理特征能有效提高其識別精度,但目前的紋理提取算法針對性強(qiáng),難以滿足對紋理類型復(fù)雜的紋理影像識別要求^[2]。雖然機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法在地物識別和分類中取得了精度的突破,但方法復(fù)雜、運(yùn)算耗時,并且需要大量的訓(xùn)練樣本,而在這一背景下訓(xùn)練得到的分類器往往不具備可移植性。針對這些問題,本文以云南省瀾滄茶園種植區(qū)為例,采用一種高分遙感影像紋理模式提取與增強(qiáng)算法,實(shí)現(xiàn)基于面向?qū)ο蟮姆菂?shù)化茶園識別方法,實(shí)現(xiàn)最小代價的快速、高精度茶園識別,本研究可以總結(jié)為以下三個方面:(1)實(shí)現(xiàn)了基于空間點(diǎn)模式分析茶園紋理增強(qiáng)算法Worldview-2影像數(shù)據(jù)的空間紋理特...

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 紋理特征提取方法研究
        1.2.2 基于面向?qū)ο蟮哪繕?biāo)探測研究
    1.3 研究內(nèi)容與章節(jié)安排
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
        1.3.3 章節(jié)安排
第二章 基于紋理強(qiáng)度的面向?qū)ο竽繕?biāo)探測方法
    2.1 紋理特征空間模式增強(qiáng)方法
        2.1.1 局部二值模式原理
        2.1.2 空間點(diǎn)模式方法概述
        2.1.3 空間點(diǎn)模式分析方法
    2.2 紋理強(qiáng)度目標(biāo)探測方法原理
        2.2.1 紋理強(qiáng)度方法概述
        2.2.2 紋理強(qiáng)度計算方法
        2.2.3 影像分割
        2.2.4 精度評價方法
    2.3 本章小結(jié)
第三章 非參數(shù)化茶園識別應(yīng)用實(shí)驗(yàn)與結(jié)果分析
    3.1 研究區(qū)與數(shù)據(jù)預(yù)處理
        3.1.1 研究區(qū)概況
        3.1.2 實(shí)驗(yàn)數(shù)據(jù)
    3.2 紋理模式非參數(shù)化的實(shí)驗(yàn)設(shè)計
        3.2.1 LBP紋理特征提取
        3.2.2 LBP紋理特征的空間模式識別
        3.2.3 非參數(shù)化識別
    3.3 實(shí)驗(yàn)結(jié)果分析
        3.3.1 特征提取分析
        3.3.2 紋理強(qiáng)度識別結(jié)果分析
    3.4 本章小結(jié)
第四章 基于SVM的特征組合茶園識別方法研究
    4.1 數(shù)據(jù)預(yù)處理
    4.2 特征識別
        4.2.1 灰度共生矩陣
        4.2.2 像元形狀指數(shù)
    4.3 面向?qū)ο蠓诸愒O(shè)計
        4.3.1 支持向量機(jī)分類器
        4.3.2 分類方案設(shè)計
        4.3.3 樣本選擇
    4.4 結(jié)果分析
        4.4.1 特征提取分析
        4.4.2 識別結(jié)果分析
        4.4.3 不同識別方法對比分析
    4.5 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 不足與展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文和研究成果
致謝



本文編號：3857361