基于多类型海洋数据的分类、融合及其可视化

论文摘要

遥感监测领域蕴含许多有价值的应用,海冰分类和浮游植物浓度分析便是其中重要的研究内容。海冰类型分析对于海冰状况研究,舰船航行安全保障以及海上贸易通道的畅通都有十分重要的意义。长期以来,常规的海冰分类分为监督分类和非监督分类两种。本课题研究内容之一就是选用监督分类方法中较为成熟的支持向量机(Support Vector Machine,SVM)结合图像中像元的纹理特征进行分类。首先分析出图像的纹理特征,然后再使用支持向量机分类器进行分类。通过实验可知,此改进方法可以很好地识别出SAR海冰图像中的一年冰、多年冰和海水。为说明本文方法的有效性,本实验采用经典的两类分类方法最大似然法(Maximum Likelihood)和神经网络法(Neural Net)作对照,通过对比可知,该方法是一种分类精度较高的海冰分类方法,实验结果验证了本课题方法的有效性,为海冰分类提供了一种新策略。由于目前海冰分类研究主要采用监督分类方法,采用自动聚类的方法很少,所以本课题的第二部分采用高斯混合模型分析哨兵数据,探究海冰分类领域自动识别算法的可行性,并将实验得到的数据进行多方位解析,探究影响分类精度的因素,为此为海冰分类领域的研究提供一种新的视角。研究海洋数据融合及其可视化时,本文以MODIS、ScaWiFs卫星采集的全球海洋叶绿素a浓度数据为对象,分析数据空洞类型,结合周围网格点以及其他时刻该网点数据选用最近邻法、双线性插值法以及线性差值法对其进行两步数据融合,有效减少了数据空洞,提高了全球叶绿素a数据覆盖率。

论文目录

摘要

Abstract

1 绪论

1.1 背景介绍

1.2 SAR的应用

1.3 SAR图像处理的研究现状

1.4 海冰分类研究的重要意义

1.5 国内外研究现状

1.6 本文组织结构

2 SAR图像噪声及去噪方法介绍

2.1 噪声形成原理

2.2 去除噪声的方法

2.3 传统滤波算法

2.3.1 均值滤波

2.3.2 中值滤波

2.4 基于局域统计特性的自适应滤波算法

2.4.1 Lee滤波

2.4.2 Frost滤波

2.4.3 增强的Lee,Frost滤波算法

2.4.4 Kuan滤波

2.5 本章小结

3 海冰分类的相关概念介绍

3.1 灰度共生矩阵

3.2 支持向量机基础理论

3.2.1 支持向量机应用

3.2.2 最佳超平面

3.3 高斯混合模型

3.3.1 单高斯模型

3.3.2 混合高斯模型

3.4 最大期望值算法介绍

3.4.1 EM算法要解决的问题

3.4.2 EM算法的推导

3.5 本章小结

4 基于SAR图像的海冰分类研究

4.1 基于支持向量机的海冰分类实验分析

4.1.1 卫星数据及研究区域介绍

4.1.2 研究方法

4.1.3 纹理特征提取与选择

4.1.4 实验工具介绍

4.1.5 实验结果与分析

4.1.6 结论

4.2 基于高斯混合模型的海冰分类实验分析

4.2.1 研究方法

4.2.2 SAR图像预处理

4.2.3 SAR图像分类结果

4.2.4 SAR图像分类结果分析

4.2.5 实验结论

4.3 海冰分类课题总结

5 海色遥感数据融合及其可视化

5.1 叶绿素a介绍

5.2 多类型遥感数据可视化

5.2.1 数据预处理

5.2.2 颜色映射

5.3 数据融合方法

5.3.1 经典拟合方法

5.3.2 改进拟合方法

5.4 实验结果与讨论

5.4.1 实验结果效果分析

5.4.2 实验结果数据分析

5.5 总结

6 总结与展望

6.1 总结

6.2 展望

参考文献

在学研究成果

致谢

文章来源

类型: 硕士论文

作者: 张晓峰

导师: 吕晓琪

关键词: 海冰分类,支持向量机,高斯混合模型,海洋叶绿素,数据融合

来源: 内蒙古科技大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 海洋学,工业通用技术及设备,自动化技术

单位: 内蒙古科技大学

分类号: TP751;P717

DOI: 10.27724/d.cnki.gnmgk.2019.000646

总页数: 64

文件大小: 4434K

下载量: 110

基于多类型海洋数据的分类、融合及其可视化

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢