导读:本文包含了水体提取论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:水体,遥感,神经网络,影像,地表,信息,高分辨率。
水体提取论文文献综述
周晗,叶虎平,魏显虎,张宗科,王法溧[1]（2019）在《基于Sentinel-1/2的水体提取方法对比研究——以斯里兰卡小型水体为例》一文中研究指出地表水面精确提取是研究地表水质和水量变化的重要基础。斯里兰卡是"21世纪海上丝绸之路"的重要参与国,年降雨量丰富,但时空分布不均,斯里兰卡人民长期用水困难,研究斯里兰卡地表水体有助于斯里兰卡民生问题的解决。斯里兰卡国内散布着大量的小型水库和坑塘,这些小面积水体易受周边环境因素影响而提取困难。基于2017年7月斯里兰卡中东部地区的哨兵(Sentinel)1/2号卫星影像,对比分析单波段法、水体指数法和监督分类等水体提取方法的精度和存在的问题。结果表明,归一化水体指数法NDWI的准确率最高,分类精度达94%。(本文来源于《中国科学院大学学报》期刊2019年06期）
王卫红,陈骁,吴炜,高星宇[2]（2019）在《高分影像复杂背景下的城市水体自动提取方法》一文中研究指出城市水体分布信息对于理解城市水循环、热岛效应等地理现象具有重要意义。利用高分辨率影像进行水体提取和水体制图是常用的信息获取方式。由于城市环境背景复杂、高分影像光谱通道少以及水体在影像上分布比例不均匀等原因,将高分影像应用于水体自动提取仍存在较大难度。对此,基于国产高分影像发展一种面向复杂环境的城市水体自动化提取方法。首先,根据水体近红外通道灰度值较低的特征,自适应选取阈值进行分割,获取初始水体;其次,对初始水体进行缓冲以得到靶区域,使用高斯混合模型来表达其整体分布,通过改进期望最大算法估计水体类别分布参数后,使用最大似然法进行水体自动提取;在此基础上,针对粗提取水体中混杂阴影的问题,提出了融合特征方法来去除阴影,从而获得准确的水体提取结果。对上海市金山区的水体提取实验表明,使用所提方法可以有效提取实验影像中占比较小的水体结构,整体精度较目前常用的自动提取算法有明显提升。(本文来源于《计算机科学》期刊2019年11期）
李爱民,刘月,张旭,王莉,吴连成[3]（2019）在《不同指数法在地表水体提取中的效果比较》一文中研究指出由于遥感技术能够快速、高效地获取地表水体的时空分布特征,目前基于影像提取内陆水体的方法很多,但针对不同类型的水域,哪一种方法提取效果更好,是值得探讨的问题。以天健湖、须水河和黄河郑州段3个水域为研究对象,基于GF-2,Landsat 8,SPOT5卫星影像,采用水体、植被指数法等几种方法提取水域部分。通过分析提取效果,得出:对于水体较浅的天健湖,无论是GF-2还是Landsat 8影像,提取效果较好的方法是水体指数法,提取效果较差的均为单波段阈值法;对于相对较深的须水河,无论是GF-2还是Landsat 8影像,提取效果较好的方法是植被指数法,提取效果较差的均为单波段阈值法;对于含沙量较大、有细小水体的黄河水域,提取效果相对较好的是水体指数法,较差的是单波段阈值法和植被指数法。表明:在基于影像提取水体时,首先应弄清水域的情况,以采用相应的遥感指数。(本文来源于《水利信息化》期刊2019年05期）
张德军,杨世琦,王永前,郑伟[4]（2019）在《基于GF-1数据的叁峡库区水体信息精细化提取》一文中研究指出为实现江河类狭长型水体信息的精细化提取,利用GF-1卫星数据,采用支持向量机和目视解译相结合的方法对叁峡库区及重庆市水体信息进行了精细化提取。使用总体分类精度、Kappa系数、错分误差、漏分误差、制图精度和用户精度等指标对库区水体信息粗提取结果进行验证分析。结果表明:4个试验区水体提取的总体分类精度均超过90%,除试验区4的Kappa系数为0.884 1以外,其余试验区均超过0.9,提取精度较高。结合目视解译的方法,在粗提取结果的基础上对各问题进行精细化处理,得到精度高、完整性好的叁峡库区以及重庆市水体信息数据,可为后续该区域的精细化遥感业务开展提供有效资料。(本文来源于《人民长江》期刊2019年09期）
洪亮,黄雅君,杨昆,彭双云,许泉立[5]（2019）在《复杂环境下高分二号遥感影像的城市地表水体提取》一文中研究指出水体指数可以抑制背景噪声和提高地表水体的可分性,已经广泛用于地表水体提取。传统FCM聚类算法考虑了地物的不确定性,但没有顾及地物的邻域空间信息,对背景异质性比较敏感。针对传统FCM聚类算法的不足,提出一种可变邻域的区域FCM聚类算法。由于复杂环境下高分二号(GF-2)遥感影像的城市地表水体具有复杂异质背景和不确定性的特点,本文利用水体指数和区域FCM聚类算法的优点,提出一种整合水体指数和区域FCM的城市地表水体自动提取算法,该算法主要步骤包括:(1)去除影像阴影后计算归一化差分水体指数NDWI(Normalized Difference Water Index);(2)区域FCM聚类算法;(3)整合水体指数和区域FCM聚类的城市地表水体自动提取算法。最后采用两景GF-2高分辨率遥感影像(广州和武汉)进行实验,验证了该算法的有效性,并与经典地表水体提取算法进行对比分析。实验结果表明:该算法具有较高的水体提取精度,城市地表水体边界既具有较好的区域完整性又保持了局部细节,同时对城市地表水体复杂背景噪声具有较好的抑制作用,有效减少传统FCM聚类算法的"胡椒盐"现象。(本文来源于《遥感学报》期刊2019年05期）
杨知,欧文浩,刘晓燕,李闯,费香泽[6]（2019）在《基于LinkNet卷积神经网络的高分辨率遥感影像水体信息提取》一文中研究指出针对高空间分辨率(简称高分辨率)遥感影像在水体信息提取时准确度不高的问题,采用LinkNet卷积神经网络模型对高分辨率遥感影像进行水体信息提取,验证该网络模型对于水体信息提取的可行性及有效性.首先选取包含水体的影像数据作为训练数据,然后构建LinkNet卷积神经网络模型,并利用构建好的网络模型训练得到水体信息的先验模型,最后采用该模型对真实高分辨率遥感影像进行水体信息提取,并与经典算法比较.实验结果表明:LinkNet卷积神经网络模型能够实现高分辨率遥感影像水体信息的高精度提取,且优于经典算法.(本文来源于《云南大学学报(自然科学版)》期刊2019年05期）
徐旭[7]（2019）在《基于图像特征的遥感影像水体自动提取方案研究》一文中研究指出为了提高生产效率,文章基于视觉特征和图像识别技术,提出一种适合高分辨率遥感影像的自动提取水体的方案,阐述算法关键技术,引入感知器神经网络模型进行综合决策,选取影像验证结果,结果表明该方法能够有效提取水体区域,具有很强的适应性。(本文来源于《安徽建筑》期刊2019年09期）
赵冰雪,王雷,胡和兵[8]（2019）在《基于OLI影像和DEM的山区水体提取方法》一文中研究指出以皖南山区秋浦河流域为研究对象,综合利用OLI影像和DEM数据,针对山区水体提取中出现的阴影问题和河流断线问题提出一种新的解决思路。首先通过比较单波段阈值法、NDWI水体指数法、谱间关系法以及SWI阴影水体指数几种水体提取方法,显示SWI能够剔除大部分山体阴影;其次使用基于数学形态的膨胀滤波和Pavlidis图像细化算法对SWI提取结果进行处理,较短水体的断线得到连接;最后对于水体断线严重的上游河流,利用DEM进行河网的提取,并以提取的河网代替水体指数的提取结果。结果表明,基于OLI和DEM数据进行山区水体的提取,方法简单,提取的面状水体齐全,线状水体连续,精度达到83.2%,该方法可为其他山区地形水体提取提供一定的借鉴。(本文来源于《水文》期刊2019年04期）
刘双童,王明孝,杨树文,杨明泽,杨立华[9]（2019）在《GF-2影像中不同水体指数模型提取精度及稳定性分析》一文中研究指出针对GF-2卫星影像数据的特点,选取了临夏回族自治州境内两个不同研究区域,分别采用单波段阈值法、归一化差分植被指数法(NDVI)及其他3种水体提取指数法(NDWI、SWI、MSWI)对两个研究区进行水体提取试验。通过分析比较各水体指数模型中阈值对水体提取精度和稳定性的影响,发现研究区1(城区)中单波段阈值法提取效果最高达到71.29,且稳定性较好。研究区2(山区)中MSWI方法提取精度最高为95.76,稳定性较单波段法次之。本文试验为GF-2影像在不同区域进行水体提取时选择不同模型及阈值时提供可靠的参考依据。(本文来源于《测绘通报》期刊2019年08期）
傅晓俊,袁琳琳,魏翔[10]（2019）在《基于遥感影像水体提取方法的比较与分析》一文中研究指出以WorldView-2卫星影像的RGBN 4个波段数据为数据源,针对武汉市沙湖区域分别采用单波段阈值法、归一化水体指数法(NDWI)和面向对象分类法对实验区内水体信息进行提取,并对3种方法所提取的结果进行比较分析,以此探讨适用于本实验区水体提取的方法,并推广至其他区域。本文为基于遥感影像的水体提取提供一定参考。(本文来源于《测绘与空间地理信息》期刊2019年08期）
水体提取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
城市水体分布信息对于理解城市水循环、热岛效应等地理现象具有重要意义。利用高分辨率影像进行水体提取和水体制图是常用的信息获取方式。由于城市环境背景复杂、高分影像光谱通道少以及水体在影像上分布比例不均匀等原因,将高分影像应用于水体自动提取仍存在较大难度。对此,基于国产高分影像发展一种面向复杂环境的城市水体自动化提取方法。首先,根据水体近红外通道灰度值较低的特征,自适应选取阈值进行分割,获取初始水体;其次,对初始水体进行缓冲以得到靶区域,使用高斯混合模型来表达其整体分布,通过改进期望最大算法估计水体类别分布参数后,使用最大似然法进行水体自动提取;在此基础上,针对粗提取水体中混杂阴影的问题,提出了融合特征方法来去除阴影,从而获得准确的水体提取结果。对上海市金山区的水体提取实验表明,使用所提方法可以有效提取实验影像中占比较小的水体结构,整体精度较目前常用的自动提取算法有明显提升。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
水体提取论文参考文献
[1].周晗,叶虎平,魏显虎,张宗科,王法溧.基于Sentinel-1/2的水体提取方法对比研究——以斯里兰卡小型水体为例[J].中国科学院大学学报.2019
[2].王卫红,陈骁,吴炜,高星宇.高分影像复杂背景下的城市水体自动提取方法[J].计算机科学.2019
[3].李爱民,刘月,张旭,王莉,吴连成.不同指数法在地表水体提取中的效果比较[J].水利信息化.2019
[4].张德军,杨世琦,王永前,郑伟.基于GF-1数据的叁峡库区水体信息精细化提取[J].人民长江.2019
[5].洪亮,黄雅君,杨昆,彭双云,许泉立.复杂环境下高分二号遥感影像的城市地表水体提取[J].遥感学报.2019
[6].杨知,欧文浩,刘晓燕,李闯,费香泽.基于LinkNet卷积神经网络的高分辨率遥感影像水体信息提取[J].云南大学学报(自然科学版).2019
[7].徐旭.基于图像特征的遥感影像水体自动提取方案研究[J].安徽建筑.2019
[8].赵冰雪,王雷,胡和兵.基于OLI影像和DEM的山区水体提取方法[J].水文.2019
[9].刘双童,王明孝,杨树文,杨明泽,杨立华.GF-2影像中不同水体指数模型提取精度及稳定性分析[J].测绘通报.2019
[10].傅晓俊,袁琳琳,魏翔.基于遥感影像水体提取方法的比较与分析[J].测绘与空间地理信息.2019
论文知识图
