融合地形特征的影像深度分割方法研究——以黄土微地貌为例
发布时间：2024-02-02 19:14
地貌是自然地理环境的基本要素之一,对自然地貌的提取和分类等研究一直以来都是地理学和地貌学研究的热点,同时也是数字地形分析领域的核心议题之一。近年来,面向对象影像分析(Object-based image analysis,OBIA)的研究范式逐渐被诸多研究所采用,以提升地物分类与提取及分布模式等相关研究的准确度与效率。作为OBIA研究范式的核心与基础,影像分割对于提取精度有着直接影响。然而现有的分割方法多利用影像的光谱特征面向城市地物(建筑物、公路等)提取的目标而设计,这类地物通常具有较为规则且明确的边界或者区分度较高的光谱信息。与这些地物有所不同的是,自然地貌实体往往边界模糊渐变且通常内蕴丰富的地形特征,难以直观地通过影像进行分辨,尤其是微地貌,例如黄土陷穴、黄土浅沟等,不仅分布模式更加离散,且面积通常很小,因此对其进行准确的提取和识别对影像分割策略提出了更高的要求。此外,基于分割对象的特征提取是OBIA研究范式的另一个重要组成部分。以往在面向地貌提取与分类的相关研究中较常采用光谱特征、空间形状特征以及纹理特征等。但这些特征均是基于特征工程的浅层特征,通常仅能表征影像数据的浅层基本信...
【文章页数】：143 页
【学位级别】：博士
【文章目录】：
资助项目
摘要
Abstract
第1章 绪论
1.1 问题的提出
1.2 选题意义
1.3 研究综述
1.3.1 面向对象影像分析研究
1.3.2 深度学习与深度特征研究
1.3.3 数字地形分析研究
1.3.4 黄土微地貌及提取方法研究
1.3.5 研究现状小结与问题分析
1.4 研究目标与研究内容
1.4.1 研究目标
1.4.2 研究内容
1.5 研究方法
1.5.1 研究方法
1.5.2 软硬件平台
1.6 论文结构
第2章 研究基础
2.1 研究区域
2.2 研究样区
2.3 实验数据
2.3.1 影像数据
2.3.2 地形数据
2.4 研究对象界定
2.5 小结
第3章 融合地形特征的加权聚合分割方法
3.1 方法基础
3.1.1 加权聚合分割(SWA)
3.1.2 多尺度分割(MRS)
3.2 融合地形特征的T-SWA分割方法
3.2.1 T-SWA分割方法流程
3.2.2 地形特征嵌入的对象相似度算子重建
3.2.3 分割实验及结果分析
3.3 基于不一致性的分割精度评价
3.3.1 不一致性规则基本概念
3.3.2 不一致性规则指标设计
3.3.3 实验结果与分析
3.4 本章小结
第4章 流域单元嵌入的分割优化方法
4.1 方法基础
4.1.1 分割对象优化的影响因素
4.1.2 现有分割优化方法的比较
4.2 流域单元嵌入式的分割优化方法设计
4.2.1 基于流域分割的单元划分
4.2.2 分割尺度优选
4.2.3 实验结果与分析
4.3 本章小结
第5章 基于深度学习的地形特征构建与融合方法
5.1 方法基础
5.1.1 深度学习的基本理论
5.1.2 深度卷积神经网络
5.1.3 图像语义分割
5.2 总体设计
5.2.1 特征构建的网络结构
5.2.2 特征融合的网络结构
5.2.3 特征融合结果与分析
5.3 讨论
5.4 本章小结
第6章 黄土微地貌提取实例
6.1 实验设计
6.1.1 总体实验流程
6.1.2 实验数据
6.1.3 微地貌提取模型构建
6.1.4 精度评价方法
6.2 微地貌提取实验
6.2.1 黄土坡面切沟提取
6.2.2 黄土陷穴提取
6.2.3 黄土浅沟提取
6.3 微地貌提取结果与讨论
6.3.1 黄土坡面切沟提取结果
6.3.2 黄土陷穴提取结果
6.3.3 黄土浅沟提取结果
6.3.4 讨论
6.4 本章小结
第7章 结论与展望
7.1 结论
7.2 创新点
7.3 研究展望
参考文献
攻读博士期间科研成果
致谢
本文编号：3893024
【文章页数】：143 页
【学位级别】：博士
【文章目录】：
资助项目
摘要
Abstract
第1章 绪论
1.1 问题的提出
1.2 选题意义
1.3 研究综述
1.3.1 面向对象影像分析研究
1.3.2 深度学习与深度特征研究
1.3.3 数字地形分析研究
1.3.4 黄土微地貌及提取方法研究
1.3.5 研究现状小结与问题分析
1.4 研究目标与研究内容
1.4.1 研究目标
1.4.2 研究内容
1.5 研究方法
1.5.1 研究方法
1.5.2 软硬件平台
1.6 论文结构
第2章 研究基础
2.1 研究区域
2.2 研究样区
2.3 实验数据
2.3.1 影像数据
2.3.2 地形数据
2.4 研究对象界定
2.5 小结
第3章 融合地形特征的加权聚合分割方法
3.1 方法基础
3.1.1 加权聚合分割(SWA)
3.1.2 多尺度分割(MRS)
3.2 融合地形特征的T-SWA分割方法
3.2.1 T-SWA分割方法流程
3.2.2 地形特征嵌入的对象相似度算子重建
3.2.3 分割实验及结果分析
3.3 基于不一致性的分割精度评价
3.3.1 不一致性规则基本概念
3.3.2 不一致性规则指标设计
3.3.3 实验结果与分析
3.4 本章小结
第4章 流域单元嵌入的分割优化方法
4.1 方法基础
4.1.1 分割对象优化的影响因素
4.1.2 现有分割优化方法的比较
4.2 流域单元嵌入式的分割优化方法设计
4.2.1 基于流域分割的单元划分
4.2.2 分割尺度优选
4.2.3 实验结果与分析
4.3 本章小结
第5章 基于深度学习的地形特征构建与融合方法
5.1 方法基础
5.1.1 深度学习的基本理论
5.1.2 深度卷积神经网络
5.1.3 图像语义分割
5.2 总体设计
5.2.1 特征构建的网络结构
5.2.2 特征融合的网络结构
5.2.3 特征融合结果与分析
5.3 讨论
5.4 本章小结
第6章 黄土微地貌提取实例
6.1 实验设计
6.1.1 总体实验流程
6.1.2 实验数据
6.1.3 微地貌提取模型构建
6.1.4 精度评价方法
6.2 微地貌提取实验
6.2.1 黄土坡面切沟提取
6.2.2 黄土陷穴提取
6.2.3 黄土浅沟提取
6.3 微地貌提取结果与讨论
6.3.1 黄土坡面切沟提取结果
6.3.2 黄土陷穴提取结果
6.3.3 黄土浅沟提取结果
6.3.4 讨论
6.4 本章小结
第7章 结论与展望
7.1 结论
7.2 创新点
7.3 研究展望
参考文献
攻读博士期间科研成果
致谢
本文编号：3893024
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3893024.html