检索结果-南通市图书馆

时序Sentinel-2遥感影像冬小麦空间分布信息提取方法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

时序Sentinel-2遥感影像冬小麦空间分布信息提取方法研究

作者：李蕊河南理工大学

学位级别：硕士

准确、快速获取冬小麦的种植面积及空间分布,可为冬小麦长势监测以及产量估算等提供重要的支撑数据。Sentinel-2影像由于具有时空分辨率较高、光谱信息丰富的优点,尤其是其包含的三个红边波段对植被的健康监测非常有效,在地物识别中具... 详细信息

准确、快速获取冬小麦的种植面积及空间分布,可为冬小麦长势监测以及产量估算等提供重要的支撑数据。Sentinel-2影像由于具有时空分辨率较高、光谱信息丰富的优点,尤其是其包含的三个红边波段对植被的健康监测非常有效,在地物识别中具有独特的优势,因而在农业遥感领域得到了广泛应用。针对现有遥感影像时序提取方法主要利用单一植被指数,采用一元时序相似性判断方法,冬小麦提取精度有限,根据多植被指数构建的多元时序相似性度量方法在冬小麦空间分布获取的研究相对较少,且红边植被指数在作物提取中的应用有待探索。因此,本文以Sentinel-2影像为数据源,选择信阳市淮滨县为研究区,开展基于红边波段的植被指数冬小麦遥感识别研究,构建了基于NDVI、NDVI和RENDVI三个时序指数的冬小麦空间分布提取方法。(1)样本点的质量是参考时序和阈值确定的关键,本文基于迭代处理引入DTW方法对样本点进行优化,根据实地采集的样本点提取出各植被指数,然后基于矢量平均法绘制初始参考时序曲线,剔除超过与该曲线DTW距离两倍标准差的异常样本点,并反复迭代,直至获取最优样本点集,结果表明该方法有效削弱了不同植被物候期差异及混合像元的影响。(2)为探寻Sentinel-2红边波段构建的植被指数在农作物空间分布提取中的作用,本文根据样本点的RENDVI、NDVI、NDVI、NDVI、MTCI、MCARI、REP指数,对不同地物的可分性进行目视评价,剔除可分性较差的REP指数;然后采用单一指数时序的夹角余弦、欧式距离、曼哈顿距离和动态时间规整四种方法对保留的其他指数进行相似性度量,进而设置阈值对冬小麦空间分布进行提取,根据结果发现NDVI、NDVI、RENDVI提取效果相对较优。(3)为改进单一指数时序的相似性度量方法,提出以时序NDVI、NDVI和RENDVI作为特征指数,通过计算不同时序节点待识别向量与参考向量之间植被指数的距离总和,构建了多指数时序的夹角余弦、欧式距离、曼哈顿距离和动态时间规整的相似性度量方法,设置相应阈值对河南省淮滨县2020年冬小麦空间分布进行提取,结果表明多指数时序的动态时间规整方法提取结果最优,精度可达93.90%,比多指数时序的夹角余弦、欧式距离和曼哈顿距离精度分别提高3.84%、0.82%、1.44%,克服了像元点缺失或异常导致的时序不等长的问题,为冬小麦空间分布提取提供了一种新的思路。本篇论文图19幅,表15个,参考文献87篇。

关键词：冬小麦空间分布样本点优化时序相似性多指数 Sentinel-2影像红边植被指数

面向中等分辨率遥感影像的冬小麦空间分布提取方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向中等分辨率遥感影像的冬小麦空间分布提取方法

作者：陈芳芳山东农业大学

学位级别：硕士

冬小麦是世界主要的粮食作物之一,准确掌握其空间分布对于保障国家粮食安全具有重要意义。如何快速、准确地提取出冬小麦的空间分布情况,是研究者们普遍关心的问题。随着遥感技术的发展,中等分辨率遥感影像已经成为获取大范围冬小麦空... 详细信息

冬小麦是世界主要的粮食作物之一,准确掌握其空间分布对于保障国家粮食安全具有重要意义。如何快速、准确地提取出冬小麦的空间分布情况,是研究者们普遍关心的问题。随着遥感技术的发展,中等分辨率遥感影像已经成为获取大范围冬小麦空间分布的主要数据源,但由于中等分辨率影像上冬小麦种植区的特征不明显,提取出其高质量的特征,是提取准确的冬小麦空间分布的关键。本文选择Sentinel-2A影像为数据源,首先针对影像中存在的红边及短波红外波段与可见光波段的数据空间尺度不一致的问题,构建了通道降尺度模型,重点解决数据降尺度问题;然后针对如何获取高质量特征的问题,构建了逐像素分割模型,重点解决提取精度问题。主要完成了以下工作:1、数据集制作。选择2022年冬小麦返青期和拔节期两个时期的62景Sentinel-2A遥感影像数据,使用遥感图像处理软件作为图像处理工具,经过辐射定标、大气校正、正射校正和地理配准等预处理步骤,结合前人研究经验和目视解译结果,人工对冬小麦区域进行勾画,共制作了1000余组样本数据集。2、分析Sentinel-2A数据特征。以PIE(Pixel Information Expert-Basic)软件为分析工具,采用统计分析方法,分析了波段的最小值、最大值、均值、值域、标准差、直方图、协方差矩阵和相关系数矩阵等特征,以及NDVI、NDWI、RVI、EVI、NDRE1、NBR等6类植被指数,选择出B2、B3、B4、B5、B6、B7、B8、B11、EVI、NDVI、NDRE1等特征作为基础特征,对于识别冬小麦具有指示性作用。3、构建通道降尺度模型。针对Sentinel-2A影像中的红边及短波红外波段的空间分辨率与可见光波段不一致的问题,以深度学习为基础,构建通道降尺度模型REDS(Red Edge Down Scale)。模型通过从高分辨率通道提取出的空间结构信息注入到低分辨率通道中,达到获取高分辨率红边通道和SWIR通道数据的目的,最终实现了将红边及短波红外波段的空间分辨率从20 m降尺度为10 m。实验结果表明,REDS方法的结构相似性指数、峰值信噪比和光谱映射角3个指标值分别为0.92、29.05和3.27,为下一步工作奠定了基础。4、构建逐像素分割模型。针对获取高质量特征的问题,以卷积神经网络为基础,构建逐像素分割模型REVINet(Red Edge and Vegetation Index Feature Network)。模型以10 m分辨率的B2、B3、B4、B5、B6、B7、B8、B11,以及提取出的增强植被指数、归一化植被指数和归一化差值红边指数组合作为基础输入数据,以达到获取准确的冬小麦空间分布的目的。实验结果表明,REVINet模型的召回率、查准率、准确率和F1分数分别达到了92.47%、93.99%、93.34%、93.22%,提取的研究区冬小麦的面积精度为94.23%,表明了本文方法在提取冬小麦的空间分布上具有明显的优势。

关键词：特征提取卷积神经网络降尺度红边波段冬小麦空间分布

基于卷积神经网络提取冬小麦空间分布信息的方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络提取冬小麦空间分布信息的方法研究

作者：宋德娟山东农业大学

学位级别：硕士

冬小麦是我国主要的粮食作物之一,精确地估算冬小麦的空间分布信息,对于产量估算、生产管理和粮食政策调整具有非常重要的作用。遥感图像解译是目前获取冬小麦空间分布信息的主要技术手段,具有覆盖面积广、探测周期短、获取信息丰富等... 详细信息

冬小麦是我国主要的粮食作物之一,精确地估算冬小麦的空间分布信息,对于产量估算、生产管理和粮食政策调整具有非常重要的作用。遥感图像解译是目前获取冬小麦空间分布信息的主要技术手段,具有覆盖面积广、探测周期短、获取信息丰富等优势。国产高分2号(GF-2)影像空间分辨率达到了1米,为及时、准确地获取冬小麦的空间分布信息提供了可靠的数据保障,利用卷积神经网络进行遥感图像解译从而获取冬小麦空间分布信息是目前研究者关注的热点问题,但是直接利用现有的卷积神经网络模型在高分2号影像上对冬小麦进行语义分割,分割精度并不是太高,主要原因是卷积神经网络的编码器和分类器存在一些缺陷:(1)编码器使用的模拟方式较为简单,不利于形成抽象的高层特征;(2)分类器在类别归属判断上仅仅利用了最大概率值这一信息,忽略了各概率之间差值大小对像素类别归属判断的影响。本文针对以上问题,选择山东省济南市的章丘区为研究区域,使用高分2号遥感影像和地面调查数据为数据源,建立了高精度冬小麦遥感影像分割模型(Winter Wheat Remote Sensing Segmentation Model,WWRSSM),获取了更精细的冬小麦空间分布信息。本文主要研究内容如下:1、本文选用比较经典的SegNet、DeepLab、RefineNet模型在高分2号遥感影像上提取冬小麦空间分布信息,对3个模型的提取结果进行统计,并分析了影响提取精度的主要因素,找到了模型的改进方向。2、高精度冬小麦遥感影像分割模型WWRSSM的设计与实现。针对SegNet、DeepLab、RefineNet模型提取冬小麦空间分布信息存在的问题,设计了由特征提取器、编码器、分类器组成的网络结构。使用RefineNet模型的卷积结构作为特征提取器用于提取冬小麦种植区域的像素的特征;选择拟合能力较强的深度置信网络(DBN)构建编码器,对特征提取器得到的特征向量进行编码,增加模型的非线性能力;分类器由SoftMax-Ex和最大后验概率(MAP)二级子分类器构成,SoftMax-Ex在SoftMax分类的基础上,利用概率差值计算置信度,对于置信度高的像素保留原分类结果,对于置信度低的像素则把类别概率向量输入到MAP子分类器。MAP层基于贝叶斯原理进一步判别置信度低的像素的类别。利用大量的数据样本对本模型进行训练,最终得到冬小麦分割结果。3、实验结果及对比分析。为了对WWRSSM模型进行验证,本文选择了SegNet、DeepLab和RefineNet以及分别与MAP耦合后的模型作为对比模型,采用相同的数据集进行训练及测试。由实验结果可知WWRSSM模型的提取精度为94.8%,高于6个对比模型的提取精度。最后总结了WWRSSM模型的优点及理论依据。本文构建的WWRSSM模型弥补了传统卷积神经网络提取冬小麦空间分布信息存在的不足,对于提高大范围冬小麦空间分布制图的精度和自动化水平具有重要的意义,也可以为农作物空间分布信息提取和面积统计提供一定的技术参考。

关键词：全卷积神经网络最大后验概率模型 WWRSSM GF-2 冬小麦空间分布

基于语义特征和统计特征的冬小麦提取方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于语义特征和统计特征的冬小麦提取方法研究

作者：王守一山东农业大学

学位级别：硕士

准确的农作物空间分布信息对粮食估产、农业政策制定、科学研究等具有重要意义。目前卷积神经网络已经成为从遥感影像中提取农作物空间分布信息的主要方法之一,但仅使用卷积神经网络得到的结果大多存在边缘粗糙的问题。农作物种植区域... 详细信息

准确的农作物空间分布信息对粮食估产、农业政策制定、科学研究等具有重要意义。目前卷积神经网络已经成为从遥感影像中提取农作物空间分布信息的主要方法之一,但仅使用卷积神经网络得到的结果大多存在边缘粗糙的问题。农作物种植区域边缘处存在被错误分类的现象是利用卷积神经网络进行图像分割时面临的突出问题,提高边缘像素分类的准确性成为利用卷积神经网络从遥感图像中获取高精度农作物空间分布信息的关键。针对提取高精度农作物空间分布信息这一需求,本文选择冬小麦为研究对象,在充分分析卷积神经网络结构与提取结果关系的基础上,发挥语义特征和统计特征各自的优势,提出一种分步提取冬小麦空间分布信息的方法。首先对RefineNet模型进行改进,利用改进后的RefineNet模型进行初提取;其次在对初提取结果分析的基础上利用置信度选择初提取结果中需要被进一步分类的像素,选择语义特征、统计特征建立特征向量,利用深度信念网络(DBN)进行精提取,从而达到获取高精度冬小麦空间分布信息的目标。具体研究内容如下:1.使用遥感图像处理软件对2018年至2019年的37幅能够覆盖全泰安市冬小麦区域的高分二号遥感影像进行辐射定标、大气校正、正射校正、图像融合等预处理。选择预处理后的3幅影像利用地理信息系统软件对其进行真实类别标记,并将原始图像与标记图像制作成本文实验的数据集。2.对传统RefineNet模型进行改进,主要包括:(1)特征融合方法的改进,在上采样后接入1*1卷积层,对通道信息进行整合;增加低层高分辨率特征图在融合过程中所占的比重;(2)分类器的改进,改进Softmax层的输出部分,使其输出每个像素的预测类别和置信度。利用改进后RefineNet模型初提取并通过置信度选择出需要进行精提取的像素。3.基于冬小麦像素在颜色、纹理特征等方面具有较强的相近性,欧式距离能对向量之间的相近程度进行度量,为了发挥语义特征与统计特征各自优势,精提取使用初提取过程中生成的语义特征、原始图像的纹理特征、纹理统计量特征以及欧式距离特征组合成特征向量,对需要精提取的像素进行综合描述。DBN能够有效挖掘数据的本质和深层特征,使用DBN对组合后的特征向量及其像素的真实类别进行训练,得到权重文件,后续使用该权重对初提取后不可信像素实现精提取重新分类。本文选择SegNet、原始RefineNet作为对比模型,设计对比实验。实验结果显示本文方法的查准率(93.4%)、查全率(94.1%)、准确率(95.1%)均明显优于对比模型,证明本文方法在遥感图像分割方面具有显著改善农作物边缘区域识别结果,提高识别精度的优势。

关键词：卷积神经网络语义特征统计特征图像分割冬小麦空间分布