基于多特征融合支持向量机的土地覆盖类型提取与分析

论文摘要

在加快城市化进程和共建生态环境文明背景下,对土地覆盖类型现状和变化信息的获取至关重要。近些年来随着人工智能的深入发展,越来越多的学者将机器学习算法应用于地物类型的提取,但是基于单一特征的提取不可避免地存在“同物异谱”和“同谱异物”现象,而且地物之间存在千丝万缕的联系,基于单一地物进行时间序列的变化分析略显片面。因此,考虑到地物之间相互依存的关系,本文以北京市通州区为研究对象,以Landsat影像为实验数据,致力于探究基于多特征融合支持向量机的土地覆盖类型提取,并依据分类结果进行综合分析,取得的成果如下:（1）首次利用高斯差分法完成影像纹理特征的提取工作。在理论上分析了不同纹理提取方法的优缺点,为避免因波段间相关性造成的数据冗余,利用OIF（最佳指数法）选取4、5、7组合波段进行纹理提取,并通过与灰度共生矩阵法、Gabor滤波器法等常规方法进行比较,验证高斯差分法的可行性。最终的分类效果和多方面精度评价,皆反映出高斯差分法在影像的纹理提取方面具有一定的适用性。（2）构建了三种基于多特征融合支持向量机的分类模型,并进行综合评价。利用混淆矩阵对分类结果进行总体精度、Kappa系数等定量评价,结合研究区2016年BJ-2影像的土地覆盖成果图和实地调查资料进行定性评价,并且对三种模型的执行效率进行时间记录。综合各方面考虑,高斯差分法和归一化差异指数组成的多特征融合支持向量机模型分类精度最高,并以此多特征融合支持向量机模型完成1990-2016年共6期影像的土地覆盖类型分类。（3）对多特征融合支持向量机模型提取的数据信息进行综合分析,拟合不同地物类型的动态变化过程进而预测未来的波动趋势。基于像元尺度统计计算出各地物的占地情况,结合数据具有迟滞、单向变化及最终平衡的特点,选择出三种较佳的数学模型即Boltzmann、Logistic和Langevin模型,进而完成对提取地物动态变化情况的拟合。依据相关性最大和误差最小原则筛选出最优模型为Boltzmann模型,并依据此模型对2016-2025年期间整体地物覆盖类型的变化趋势进行了预测。

论文目录

• 摘要
• abstract
• 1 引言
•   1.1 选题背景与研究意义
•   1.2 国内外研究现状
•     1.2.1 土地覆盖分类研究的国外现状
•     1.2.2 土地覆盖分类研究的国内现状
•     1.2.3 存在问题
•   1.3 研究目标
•   1.4 研究内容和技术路线
•     1.4.1 研究内容
•     1.4.2 技术路线
•   1.5 创新点
• 2 基于TM影像的多特征提取
•   2.1 研究区概况
•   2.2 数据源的选择及预处理
•     2.2.1 TM遥感影像
•     2.2.2 辅助数据
•     2.2.3 影像数据的预处理
•   2.3 不同纹理特征提取
•     2.3.1 灰度共生矩阵法
•     2.3.2 Gabor滤波器法
•     2.3.3 高斯差分法
•   2.4 归一化差异指数提取
•     2.4.1 归一化植被指数
•     2.4.2 归一化水体指数
•     2.4.3 归一化建筑指数
•   2.5 多特征融合
• 3 基于支持向量机的分类
•   3.1 基于多特征融合选取样本
•     3.1.1 土地覆盖类型的选择
•     3.1.2 选取样本
•   3.2 支持向量机分类
•     3.2.1 支持向量机基础理论
•     3.2.2 支持向量机最优参数选择
•     3.2.3 支持向量机分类
•   3.3 分类精度评价
•     3.3.1 分类结果的精度评价
•     3.3.2 误差来源分析
•   3.4 基于时间序列的分类
• 4 基于分类结果的综合分析
•   4.1 基于分类结果的统计分析
•   4.2 基于分类结果的模型构建
•   4.3 误差分析
• 5 总结与展望
•   5.1 总结
•   5.2 展望
• 致谢
• 参考文献
• 附录

文章来源

类型: 硕士论文

作者: 夏玉计

导师: 张过,初禹,田淑芳

关键词: 土地覆盖,高斯差分法,多特征融合,支持向量机,综合分析

来源: 中国地质大学(北京)

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 中国地质大学(北京)

分类号: P237

DOI: 10.27493/d.cnki.gzdzy.2019.000761

总页数: 88

文件大小: 7784K

下载量: 92