基于深度学习U-NET模型在冰川信息提取中的应用研究
发布时间：2023-03-27 18:17
山地冰川不仅是重要的气候指示器,还是地球上最大的淡水资源库。我国拥有世界上面积最大的山地冰川。进入20世纪以来,在气候日益变暖的背景下,全球冰川面临退缩消融的状态,这引发了全世界对其的关注。冰川退缩消融,随之衍生冰崩、冰川跃动、冰川泥石流、冰湖溃决等一系列次生冰川灾害,严重威胁着附近及中下游居民的人身和财产安全。由于山地冰川地形崎岖、海拔高、气候条件恶劣,无法进行大面积的冰川变化实地调查。遥感因其数据日益丰富、可获得性强、价格低廉成为研究冰川变化必不可少的手段。如何处理大量遥感影像数据和准确获取遥感影像中的地物信息是利用遥感影像的关键任务。利用深度学习可以快速对遥感图像目标进行识别,加快遥感图像处理效率,快速准确地处理大量数据。ENVI深度学习模块的发行为深度学习在遥感影像领域的广泛应用打开了大门。本文以祁连山地区、喀喇昆仑山地区以及念青唐古拉山为研究区,通过资料收集、数据处理等手段,分析研究区冰川分布特征,分别使用比值法、雪盖指数法、传统监督分类方法的神经网络法、最大似然法以及ENVI深度学习等多种冰川提取方法对研究区进行冰川信息提取。本文的主要研究内容概括如下:(1)阐述了传统冰川...
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国内外冰川解译研究现状
1.2.2 研究现状小结
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
1.3.3 完成工作量
2 研究区概况与基础数据预处理
2.1 冰川介绍
2.2 研究区概况
2.2.1 念青唐古拉山概况
2.2.2 喀拉昆仑山地区概况
2.2.3 祁连山地区概况
2.3 实验数据
2.3.1 landsat8 数据
2.3.2 DEM数据
2.3.3 中国第二次冰川编目数据集
2.4 实验数据介绍
2.5 数据预处理
2.5.1 图像预处理
2.5.2 图像融合
2.5.3 图像镶嵌
2.5.4 图像增强
2.6 小结
3 遥感图像分类基础
3.1 传统方法
3.1.1 目视解译法
3.1.2 比值法
3.1.3 雪盖指数法
3.1.4 监督分类与非监督分类法
3.2 基于ENVI深度学习的遥感图像自动分类
3.3 分类后处理方法
3.4 本章小结
4 不同的冰川提取方法在研究区中的应用
4.1 基于传统分类方法的遥感图像自动分类
4.1.1 比值法
4.1.2 雪盖指数法
4.1.3 监督分类与非监督分类法
4.2 基于ENVI深度学习的遥感图像自动分类
4.2.1 软硬件环境介绍
4.2.2 创建样本集
4.2.3 训练模型
4.2.4 执行分类
4.3 小结
5 分类结果精度评价及对比分析
5.1 精度评价方法
5.1.1 混淆矩阵
5.1.2 总体标准偏差
5.2 ENVI深度学习图像模型分类结果对比分析
5.2.1 不同训练标签栅格集和验证标签栅格集的ENVI深度学习图像分类结果对比分析
5.2.2 不同ENVI深度学习模型训练参数的ENVI深度图像分类结果分析
5.2.3 不同ROI创建方法的ENVI深度学习图像分类结果对比分析
5.3 不同分类方法分类结果对比分析
5.3.1 比值法分类结果混淆矩阵
5.3.2 雪被指数法分类结果混淆矩阵
5.3.3 最大似然法分类结果混淆矩阵
5.3.4 神经网络法分类结果混淆矩阵
5.3.5 ENVI深度学习分类结果混淆矩阵
5.3.6 不同分类方法分类结果对比分析
5.4 不同区域冰川提取方法对比分析
5.5 比值法、ENVI深度学习、比值法—ENVI深度学习法分类结果对比分析
5.6 本章小结
6 总结与展望
6.1 结论
6.2 创新点
6.3 不足与展望
致谢
参考文献
攻读硕士期间发表论文与研究成果
本文编号：3772623
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国内外冰川解译研究现状
1.2.2 研究现状小结
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
1.3.3 完成工作量
2 研究区概况与基础数据预处理
2.1 冰川介绍
2.2 研究区概况
2.2.1 念青唐古拉山概况
2.2.2 喀拉昆仑山地区概况
2.2.3 祁连山地区概况
2.3 实验数据
2.3.1 landsat8 数据
2.3.2 DEM数据
2.3.3 中国第二次冰川编目数据集
2.4 实验数据介绍
2.5 数据预处理
2.5.1 图像预处理
2.5.2 图像融合
2.5.3 图像镶嵌
2.5.4 图像增强
2.6 小结
3 遥感图像分类基础
3.1 传统方法
3.1.1 目视解译法
3.1.2 比值法
3.1.3 雪盖指数法
3.1.4 监督分类与非监督分类法
3.2 基于ENVI深度学习的遥感图像自动分类
3.3 分类后处理方法
3.4 本章小结
4 不同的冰川提取方法在研究区中的应用
4.1 基于传统分类方法的遥感图像自动分类
4.1.1 比值法
4.1.2 雪盖指数法
4.1.3 监督分类与非监督分类法
4.2 基于ENVI深度学习的遥感图像自动分类
4.2.1 软硬件环境介绍
4.2.2 创建样本集
4.2.3 训练模型
4.2.4 执行分类
4.3 小结
5 分类结果精度评价及对比分析
5.1 精度评价方法
5.1.1 混淆矩阵
5.1.2 总体标准偏差
5.2 ENVI深度学习图像模型分类结果对比分析
5.2.1 不同训练标签栅格集和验证标签栅格集的ENVI深度学习图像分类结果对比分析
5.2.2 不同ENVI深度学习模型训练参数的ENVI深度图像分类结果分析
5.2.3 不同ROI创建方法的ENVI深度学习图像分类结果对比分析
5.3 不同分类方法分类结果对比分析
5.3.1 比值法分类结果混淆矩阵
5.3.2 雪被指数法分类结果混淆矩阵
5.3.3 最大似然法分类结果混淆矩阵
5.3.4 神经网络法分类结果混淆矩阵
5.3.5 ENVI深度学习分类结果混淆矩阵
5.3.6 不同分类方法分类结果对比分析
5.4 不同区域冰川提取方法对比分析
5.5 比值法、ENVI深度学习、比值法—ENVI深度学习法分类结果对比分析
5.6 本章小结
6 总结与展望
6.1 结论
6.2 创新点
6.3 不足与展望
致谢
参考文献
攻读硕士期间发表论文与研究成果
本文编号：3772623
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3772623.html