| 【中文题名】 | 遥感技术在扎龙湿地资源调查中的应用 |
| 【英文题名】 | |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-7-7 |
| 【中关键词】 | 遥感,湿地,神经网络,分类,, |
| 【英关键词】 | Remote sensing,Wetland,Neural network,Classification, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>遥感技术的应用>> |
| 【论文摘要】 | 黑龙江省的扎龙湿地由于近年来的连续干旱，其生态环境遭到破坏。为科学评价扎龙湿地2001年底至2002年初的火灾以及为恢复湿地而进行的补水工程对扎龙湿地的影响，本文采用遥感技术对扎龙湿地资源进行了调查，提出一个改进学习算法的四层神经网络遥感分类模型，分析了扎龙湿地在补水前后的变化，并在提出的光谱相似的图像可以采用相同样本的思想基础上实现了影像自动分类系统。
本文采用2002年3月14日、5月17日和9月22日的ETM+卫星遥感影像对扎龙湿地现状进行调查。为了达到识别各个土地利用类型的目的，遥感图像经过了一系列的处理，包括预处理、分类、制图、面积统计等步骤。预处理完成后，采用本文提出的改进学习算法的四层神经网络对扎龙湿地影像进行了分类。分类结果表明，该网络能够有效建立扎龙湿地影像的复杂模型。与常规的三层神经网络和传统的最大似然法相比，四层网络能够获得较高的分类精度。而改进的学习算法，即基于鲁棒误差函数的自适应反向传播算法，明显的抑制了过大误差，使误差下降更快，缩短了训练时间。根据分类结果进行的面积统计表明，补水减小了火灾对沼泽的影响，促进了扎龙湿地的恢复。本文还在.NET平台下实现了影像自动分类系统，... |
| 【论文题纲】 |
|
1 绪论 |
7-9 |
|
2 遥感图像处理的基本步骤 |
9-16 |
|
2.1 图像预处理 |
9-13 |
|
2.1.1 最佳波段组合 |
9-10 |
|
2.1.2 几何校正 |
10-13 |
|
2.2 图像分类 |
13-15 |
|
2.2.1 监督分类 |
13-14 |
|
2.2.2 非监督分类 |
14 |
|
2.2.3 其他分类方法 |
14-15 |
|
2.3 制图 |
15 |
|
2.4 结语 |
15-16 |
|
3 遥感影像的神经网络分类模型 |
16-23 |
|
3.1 神经网络概述 |
16-18 |
|
3.2 神经网络分类模型 |
18-20 |
|
3.2.1 多层感知器 |
18-19 |
|
3.2.2 RBF神经网络 |
19-20 |
|
3.3 遥感图像分类误差和精度评价 |
20-22 |
|
3.3.1 误差来源及其特征 |
20-21 |
|
3.3.2 精度评价方法 |
21-22 |
|
3.4 结语 |
22-23 |
|
4 利用遥感数据对扎龙湿地资源进行调查 |
23-39 |
|
4.1 研究区概况及数据 |
23-25 |
|
4.1.1 研究区概况 |
23-24 |
|
4.1.2 数据 |
24-25 |
|
4.2 数据预处理 |
25-28 |
|
4.2.1 最佳波段组合的选择 |
25-27 |
|
4.2.2 几何精校正 |
27-28 |
|
4.3 图像识别与分类 |
28-30 |
|
4.4 制图 |
30-31 |
|
4.5 面积统计及土地利用变化分析 |
31-38 |
|
4.6 结语 |
38-39 |
|
5 改进学习算法的四层神经网络遥感分类模型 |
39-51 |
|
5.1 网络结构 |
39-40 |
|
5.2 基于鲁棒误差函数的自适应反向传播算法 |
40-43 |
|
5.2.1 鲁棒误差函数 |
40-41 |
|
5.2.2 基于鲁棒误差函数的自适应反向传播算法流程 |
41-43 |
|
5.3 扎龙湿地影像分类 |
43-50 |
|
5.3.1 训练与校验数据的选取 |
44-45 |
|
5.3.2 训练过程 |
45-46 |
|
5.3.3 分类结果对比 |
46-48 |
|
5.3.4 精度分析 |
48-50 |
|
5.4 结语 |
50-51 |
|
6 影像自动分类系统 |
51-61 |
|
6.1 系统功能 |
51-52 |
|
6.2 系统工作流程 |
52-54 |
|
6.3 NET平台下影像自动分类系统的实现 |
54-60 |
|
6.4 结语 |
60-61 |
|
7 结论与展望 |
61-63 |
|
7.1 结论 |
61-62 |
|
7.2 研究展望 |
62-63 |
|
参考文献 |
63-66 |
|
课题资助情况 |
66-67 |
|
攻读硕士生期间发表的学术论文 |
67-68 |
|
致谢 |
68-70 |
|
| 【DOI】 | LunWen.ID:2.2008.389257 |
