机器学习支持下多源遥感数据的岩性分类研究

发布时间：2023-06-28 04:04

　　随着遥感技术的快速发展,遥感探测频谱范围不断拓宽、分辨率不断提高,可利用的数据源也不断增多。由于不同岩性单元在不同类型的数据源上具有不同的显示特征,如何综合多源遥感数据各自的优势,结合人工智能领域算法和模型,将其应用于遥感岩性制图是一项重大的课题,至今仍然存在较多方面值得探索和研究。结合遥感和GIS技术,选取3种各具优势的多源遥感数据—GF-1卫星数据、Landsat-8 OLI卫星数据和Sentinel-1A雷达数据,在完成影像预处理、干扰信息弱化、多源数据协同的基础上,构建局部Lanczos双对角化极限学习机模型和支持向量机模型分别对贵州德江地区进行岩性分类研究。本次研究对其它多源遥感数据协同处理提供一定的技术参考,也为其它人工智能算法引入遥感图像分类领域具有一定借鉴作用。取得的主要研究成果如下:(1)采用“抑制-掩膜-强迫不变-直方图均衡化”植被信息抑制方法,对贵州德江地区Landsat-8 OLI数据处理试验得出该方法能显著抑制原始影像中的植被信息。证明该方法是一种不需要先验知识和野外实地光谱数据,适用于地形复杂、阴影较多、植被覆盖中等地区的通用光学遥感图像植被信息抑制方法。(...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 选题背景及意义
        1.1.1 选题背景与项目依托
        1.1.2 研究目的与意义
    1.2 研究现状及问题
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 现有研究问题
    1.3 研究内容与技术方法
        1.3.1 研究内容
        1.3.2 技术路线
    1.4 论文结构安排
第2章 研究区概况及数据来源
    2.1 研究区概况
        2.1.1 自然地理概况
        2.1.2 区域地质概况
    2.2 数据来源
        2.2.1 光学数据
        2.2.2 Sentinel-1A数据
第3章 改进式机器学习算法原理
    3.1 极限学习机
        3.1.1 ELM的结构和原理
        3.1.2 ELM的创新点
    3.2 局部Lanczos双对角化的极限学习机
        3.2.1 局部LBD方法
        3.2.2 基于局部LBD最小二乘近似解
        3.2.3 基于局部LBD-ELM的学习算法
    3.3 本章小结
第4章 多源数据岩性分类研究
    4.1 光学数据处理
        4.1.1 辐射定标
        4.1.2 大气校正
        4.1.3 正射校正
        4.1.4 后续处理
    4.2 Sentinel-1A数据处理
        4.2.1 应用轨道数据
        4.2.2 噪声滤波
        4.2.3 辐射定标
        4.2.4 地形校正和地理编码
        4.2.5 后续处理
    4.3 特征参数提取
        4.3.1 光谱特征提取
        4.3.2 纹理特征提取
        4.3.3 地形特征提取
    4.4 基于局部LBD-ELM算法岩性分类
        4.4.1 植被抑制
        4.4.2 影像协同
        4.4.3 样本选取
        4.4.4 格式转换
        4.4.5 归一化处理
        4.4.6 LBD-ELM模型训练
    4.5 岩性分类结果
    4.6 本章小结
第5章 经典机器学习算法岩性分类
    5.1 基于SVM算法分类
        5.1.1 SVM算法原理
        5.1.2 SVM算法特点
    5.2 岩性分类及结果评价
        5.2.1 SVM分类器构建
        5.2.2 分类结果及评价
    5.3 本章小结
第6章 总结与展望
    6.1 主要结论
    6.2 研究展望
致谢
参考文献
攻读学位期间取得学术成果



本文编号：3835945