导读:本文包含了居民地信息提取论文开题报告文献综述及选题提纲参考文献，主要关键词:高分辨率遥感图像,居民地信息提取,Harris角点检测,Gabor滤波器
居民地信息提取论文文献综述
潘旭冉,杨帆,杨宜菩,潘国峰[1]（2017）在《基于纹理方向和角点的居民地信息提取》一文中研究指出高分辨率遥感影像中规则建筑聚集街区式居民地纹理方向性明显且含有丰富的角点,为了充分利用该特性,以简化滤波器参数设置,提高居民地提取精度及效率,提出基于纹理方向和角点的高分辨率遥感图像居民地信息提取方法。该方法首先对遥感图像进行特定方向角度的Gabor滤波变换;并将滤波器组输出的不同方向滤波影像进行重构。然后对滤波影像做Harris角点检测;并计算检测结果影像的角点密度似然度。最后将角点密度似然影像进行阈值分割以提取影像上的居民地信息。实验结果表明,该方法对乡村及山区居民地信息提取的Kappa系数分别达到0.954 2和0.894 4,保证了居民地提取的精度。同时,算法中各参数的鲁棒性较好,其中中心频率不需要反复的选取试验,从而提高了居民地信息提取的效率。(本文来源于《科学技术与工程》期刊2017年31期）
曲畅[2]（2017）在《基于GF-4卫星影像时序光谱特征的居民地信息提取研究》一文中研究指出随着“一带一路”与新型城镇化战略决策的推动与实施,中国在未来几十年中发展的空间格局将发生巨大改变。自1978年改革开放以来,我国的经济迅猛增长,在短时间内跃居全球前列,社会和谐发展,国民的生活质量有了明显的提升,居民地的扩张速度也愈来愈快。对居民地进行快速准确地识别和提取在推进国家战略决策,实现数字城市,辅助城市规划等多个领域具有重大的现实意义。高分四号(GF-4)卫星作为我国实施高分辨率对地观测系统的重要组成部分,能够及时有效识别地面变化,有效支撑地震、洪涝、干旱、台风等自然灾害救助、气候变化研究、林业及水资源环境调查等重大行业应用。本论文利用GF-4卫星影像,结合其高时谱这一特性,提取并分析居民地与其他地类的光谱特征差异,并结合时序光谱使用不同方法对居民地信息进行识别和提取。论文从以下几个部分展开:首先,介绍了本论文的研究背景和意义,再介绍与论文主题息息相关的遥感信息提取技术和居民地识别提取技术的研究现状与进展,并提出研究内容及技术路线。接着,介绍了GF-4卫星影像,并对影像进行预处理以消除来自各方面的误差。然后,通过对GF-4影像的典型地物光谱指数特征的分析,提出基于光谱特征决策树的居民地信息提取方法,进而对时序光谱指数特征进行分析,提出基于时序光谱特征决策树的居民地信息提取方法,在此基础上将时序光谱指数特征和深度学习技术同时引入居民地信息识别提取中,提出基于时序光谱特征全卷积神经网络的居民地信息提取方法。最终对叁种方法的实验结果进行对比分析,得出结论。通过上述研究的开展,本论文可得到以下主要结论:(1)太阳高度角的变化不仅仅影响了地物光谱的大小,甚至对地物光谱的变化率大小和变化率变化的快慢也有一定的影响,且不同地物类型的光谱特征随太阳高度角的变化特征也有所不同。(2)当使用决策树方法时,结合时序光谱特征对居民地信息进行提取相较于仅结合光谱特征的提取来说,将提取精度由89.85%提升到93.38%。(3)利用全卷积神经网络可提升基于时序光谱特征居民地信息提取的提取精度,提取精度由93.38%提升到95.15%。此外,本论文有以下创新点:(1)将时序光谱特征与太阳高度角的关系引入到决策树模型中,相比较仅利用光谱特征的居民地提取方法而言,精度有所提高。(2)将时序光谱特征与深度学习中全卷积神经网络方法相结合,较不考虑时序光谱特征或不采用深度学习的其他提取方法来说,更加提升了分类提取精度。研究基于GF-4卫星遥感影像时序光谱的居民地识别提取方法,为减灾、防灾、推进城镇化进程、城市精细化管理和国土资源管理等工作快速提供动态更新数据,并为我国国产高分系列卫星数据遥感产品的应用提供技术与方法支撑和示范指导作用。(本文来源于《中国科学院大学(中国科学院遥感与数字地球研究所)》期刊2017-05-01）
段磊[3]（2016）在《基于本体建模的高分辨率影像乡村居民地信息提取研究》一文中研究指出乡村居民地是一类重要的基础地理信息,快速有效地监测乡村居民地的时空格局,不仅对地理国情普查具有重要作用,而且对于其区域可持续发展和乡村城市化具有积极意义。随着遥感技术的飞速发展,其覆盖范围广、获取速度快、空间分辨率高的特点有利于快速准确地掌握乡村居民地空间信息。当前研究高分辨率遥感影像居民地这一类复合地物信息提取的方法,大多采用基于像元方法分析居民地的结构纹理(边缘检测和角点分析),其方法存在诸多的局限性。探索新的高分辨率影像复合地理对象的信息提取方法是必然趋势。在遥感大数据的背景下,采用本体建模和基于对象影像分析方法相结合的方式,探索自动/半自动提取乡村居民地这一类复合地物信息,对遥感自动化信息提取具有积极意义。本体建模其实质就是建立对象所涉及知识的逻辑模型,其中知识主要指对象的概念、概念间的关系、属性和约束条件[1,2]。本文以宁夏回族自治区中卫市沙坡头区河滩村及其周边为研究区,采用WorldViewⅡ为数据源,结合本体建模与基于对象影像分析方法提取高分辨率影像乡村居民地信息,并着力于提高乡村居民地信息的完整性和准确性。首先本文研究了乡村居民地本体概念模型的建立方法,其次探讨了如何利用基于对象影像分析方法形式化本体模型,最后采用不同的信息提取方法进行了对比分析,并验证了基于本体模型提取乡村居民地信息的有效性。通过以上研究,本文得到了如下结论:(1)提出高分辨率遥感影像乡村居民地认知框架,建立乡村居民地本体的概念化模型,使乡村居民地在高分影像中的描述具有一定的明确性和共享性。并证明了根据本体模型提取乡村居民地信息的研究思路是可行的。(2)高分辨率遥感影像中乡村居民地是一类复合地物,其光谱信息十分复杂,利用基于对象影像分析技术与本体建模相结合的方法,对高分辨率复合地物信息提取提供了一种有效的途径,具有积极意义。(3)构建乡村居民地本体模型时需要注意利用共有的知识构建本体模型,即遵守一致性原则。一致性原则指构建本体的概念和对象的内涵要一致,本体模型中公理和非形式化的相关概念要一致,否则建立的本体模型其共享性低。(4)OBIA除了可以利用光谱和纹理信息外,还可以添加几何和上下文信息用于信息提取,利用多种类型的分类特征更加精确地描述乡村居民地本体模型,有效地提高了乡村居民地信息提取的准确性和完整性。(5)OBIA方法中影像分割质量对信息提取的精度具有较大影响。影像分割对象与信息提取对象越匹配,信息提取的结果越准确。基于PSE-NSR-ED2的最优分割参数选择方法将几何和误差代数误差同时考虑,有效地提高了影像分割质量。(6)利用OBIA方法形式化影像乡村居民地本体模型,主要包括4个方面的内容:乡村居民地本体模型概念集的OBIA参数表示;本体模型关系集的OBIA参数表示;本体模型属性集的OBIA参数表示和本体模型公理集的OBIA参数表示。参数表示的过程在基于对象影像分析中分别对应于建立分类体系、确定关系集与属性集的分类特征、建立规则集。(本文来源于《兰州大学》期刊2016-05-01）
姜春雪,郭海涛,喻金桃,卢俊,李传广[4]（2016）在《假高帽变换的高分影像居民地信息提取》一文中研究指出针对高分辨率遥感影像暗背景下亮居民地的提取问题,该文提出了一种基于形态学多轮廓结构元素假高帽变换的提取方法。该方法首先采用腐蚀型边缘检测算子对影像进行预处理,接着利用多轮廓结构元素分别对影像进行假高帽变换,然后对各个处理结果进行加权融合,最后对加权融合后图像区域生长完成轮廓跟踪。实验结果表明,该方法能够提取居民地,特别适合于暗背景下较亮区域居民地的提取,并且提取效率较高,对于遥感影像居民地提取的研究与应用具有一定的参考价值。(本文来源于《测绘科学》期刊2016年03期）
姬存伟[5]（2013）在《空间数据更新中居民地变化信息提取与表达研究》一文中研究指出空间数据现势性问题日益突出，已经引起了广大用户和政府部门的高度关注。因此，空间数据更新已经逐渐成为空间数据生产部门的主要任务。为了实现实时快速更新，最大限度的满足人们对空间数据现势性的需求，增量式空间数据库更新方法已成为当前空间数据更新研究的热点。变化信息提取与表达作为其中的一项关键环节，其效率和自动化程度比较低，还难于满足当前空间数据更新的需求。鉴于此，针对空间数据更新应用需求和国际学术前沿理论和技术问题，在总结前人研究工作的基础上，本文探讨了空间数据更新中居民地变化信息提取与表达理论与方法。概括起来，本文主要研究内容及创新点体现在以下5个方面：1.图形数据差分类与判断研究。为了满足空间数据更新对“差”的需求，提出了图形数据差的概念。在图形数据差基本概念的基础上将图形数据差划分为8种基本图形数据差类型，提出了基于实体匹配、实体图形维数以及图形求交的图形数据差类型叁级判断方法，并给出了图形数据差的形式化表达模型；2.居民地匹配算法研究。在总结分析了当前居民地要素同名实体匹配方法的基础上，完成对现有匹配方法的改进。并结合力与面状居民地之间的关系，提出了基于力图投影的面状居民地匹配算法；3.空间变化分类与判断研究。分析发现当前空间变化分类方法只是针对单一地理实体，不足以描述多地理实体的空间变化，且现实中有些地理实体的变化是由多个空间变化类型共同作用得到的结果。因此，基于影响居民地实体个数以及变化的复杂程度，将空间变化划分为15种空间变化类型，并设计了空间变化类型的判断方法；4.变化信息表达模型研究。在现有研究的基础上提出了基于空间变化、动态更新操作和图形数据差的居民地要素变化信息表达模型，通过建立叁者之间的映射关系，建立了变化信息类型判断规则库，实现了变化信息的分类，并给出了各种变化信息类型的形式化表达；5.实现了居民地变化信息提取与表达原型实验系统。以同一尺度、不同时期的居民地要素数据作为实验对象，初步实现了对居民地变化信息提取与表达，验证所提出理论与方法的可行性。(本文来源于《解放军信息工程大学》期刊2013-04-20）
熊俊楠,韦方强,江玉红,苏鹏程[6]（2013）在《基于谱间特征与多种指数分析的居民地信息提取方法》一文中研究指出本文在分析现有居民地提取方法的基础上,提出将归一化建筑指数(NDBI)、改进归一化差异水体指数(MNDWI)、土壤调节植被指数(SAVI)、比值居民地指数(RRI)相结合进行居民地信息提取的方法。以浙江省宁波市为例,通过光谱采样及各类地物在4种指数上的取值分析,建立模型进行居民地信息提取及精度验证,结果表明:利用该模型可以实现居民地信息的自动提取,能提高居民地与裸地的可分性,减少背景地物的影响,总体精度为91.08%。(本文来源于《测绘科学》期刊2013年02期）
刘腾[7]（2012）在《哈大齐工业走廊居民地分类及信息提取研究》一文中研究指出随着经济的迅速发展，对土地资源的需求量越来越大。建设哈大齐工业走廊，是黑龙江省立足于发挥哈大齐地区经济、科技、人才实力雄厚，重度盐碱地等未利用土地资源丰富等优势，加快老工业基地振兴步伐的重大举措。哈大齐工业走廊在建设过程中，人口的数量不断增长，对居民地的需求量不断增加，在这种形势下，分析哈大齐工业走廊居民地与经济相互关系成为了本文的核心问题。本文以哈尔滨、大庆、齐齐哈尔、肇东、安达五个城市为研究区数据，基于支持向量机与传统分类方法对研究区数据解译，并建立混淆矩阵，对比分析基于支持向量机与传统分类方法的精确度。通过对研究区解译获得的居民地数据与GDP产值、第二、叁产业GDP产值建立回归方程，分析居民地变化与经济的相互关系。本文得到的主要结论：1.支持向量机(SVM)分类方法能够更为精确将各种地物进行分类，对居民地混分程度较低，实践证明支持向量机(SVM)分类方法所获取的居民地数据更符合哈大齐工业走廊的居民地近几年的发展情况。2.通过土地利用转移矩阵与土地利用动态度对哈大齐工业走廊居民地进行分析得到结论哈大齐工业走廊居民地面积在不断增加，增加的面积主要有耕地转化而来，通过转移矩阵的分析知道居民地面积在2009年居民地土地利用动态度达到最大，主要原因是政府采取的相应措施与经济发展速度加快，促使对居民地面积需求量增大。3.通过多元回归分析，GDP产值与居民地面积相关度较大，第二、叁产业GDP产值与居民地面积也有较大的相关度。居民地的面积的变化对GDP产值与第二叁产业的GDP产值有着重要的影响。当GDP产值与第二叁产业的GDP产值增加的时候，居民地的面积也会随之增加。本文采用了支持向量机的分类方法，能够更加准确的提取居民地数据，对分析居民地与区域经济关系提供了准确的信息；利用回归分析建立了居民地面积与GDP产值、第二叁产业GDP产值的相互关系，并预测了未来居民地面积变化与经济的发展的趋势，预测结果显示经济发展速度越快则居民地面积增长速度越快，相反经济发展速度越慢则居民地面积增长速度越慢。本文对研究未来经济变化趋势有着实用价值与应用潜力。(本文来源于《哈尔滨师范大学》期刊2012-06-01）
刘衷瑞,冯伍法,宁卫远,胥亚,卢茂芬[8]（2012）在《基于高分辨率卫星影像的居民地信息提取研究》一文中研究指出居民地提取是一项长期而复杂的研究工作,因为居民地提取涉及到多方面因素的制约,而高分辨率遥感技术是进行居民地信息提取的有效手段。本文利用ENVI软件,针对高分辨率影像,采取监督分类的方法对居民地提取进行了研究。(本文来源于《影像技术》期刊2012年01期）
汪权方,许纪承,陈媛媛,李家永,王新生[9]（2012）在《遥感影像空间分辨率对居民地信息提取的影响》一文中研究指出利用遥感手段,以低廉的成本有效获取包括居民地在内的地表信息是促使卫星遥感数据转化为现实生产力的根本所在,也是遥感应用领域中亟待解决的重要课题。目前虽然已有"空间分辨率越高,遥感分类精度也越高"的共性认识,但是遥感影像空间分辨率的不同对于城镇和乡村这两种不同类型的居民地信息提取产生怎样的影响等,目前尚无明确答案。本文首先以同一区域不同空间分辨率的4种卫星遥感影像数据为信息源,定性探讨居民地在不同分辨率遥感影像上的表现特征;然后以两种不同分辨率的影像ALOS和TM为实验对象,对这两种影像上城镇和乡村居民地信息提取精度进行比较分析。结果显示:虽然基于10m-ALOS影像的居民地信息提取精度较30m-TM影像约提高6.09%,并且无论是依据哪一种空间分辨率的遥感影像,城镇居民地的信息提取精度都明显高于乡村居民地,但是,对于分散式分布的乡村居民地,遥感影像空间分辨率的下降令其遥感识别更容易受到周边环境的影响,其信息提取精度会随着遥感影像空间分辨率的增加而显着提高;相比之下,城镇居民地的信息提取精度随遥感影像空间分辨率增加的趋势是有限的。造成这一现象的原因主要在于虽然居民地的轮廓清晰性以及像元的纯净度都与遥感影像的空间分辨率基本上呈正相关,但是空间分辨率的提高会放大居民地内部结构的细节,从而对居民地的遥感识别与信息提取工作增加一些干扰性的噪声信息。(本文来源于《资源科学》期刊2012年01期）
谭国强,王周龙,王霞,马金卫[10]（2011）在《基于知识的遥感影像居民地信息提取——以山东省蓬莱市为例》一文中研究指出如何自动获得居民地信息是遥感专题信息提取研究的热点问题,该文以山东省蓬莱市为研究区,基于对2004年TM影像光谱特征的分析,建立了基于知识的居民地信息自动提取模型,并对提取结果进行了精度评价。结果表明,利用该模型可以很好地将蓬莱地区的城镇居民地自动提取出来,其提取精度与传统的监督分类方法相比有了很大提高。(本文来源于《山东国土资源》期刊2011年04期）
居民地信息提取论文开题报告
（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：
随着“一带一路”与新型城镇化战略决策的推动与实施,中国在未来几十年中发展的空间格局将发生巨大改变。自1978年改革开放以来,我国的经济迅猛增长,在短时间内跃居全球前列,社会和谐发展,国民的生活质量有了明显的提升,居民地的扩张速度也愈来愈快。对居民地进行快速准确地识别和提取在推进国家战略决策,实现数字城市,辅助城市规划等多个领域具有重大的现实意义。高分四号(GF-4)卫星作为我国实施高分辨率对地观测系统的重要组成部分,能够及时有效识别地面变化,有效支撑地震、洪涝、干旱、台风等自然灾害救助、气候变化研究、林业及水资源环境调查等重大行业应用。本论文利用GF-4卫星影像,结合其高时谱这一特性,提取并分析居民地与其他地类的光谱特征差异,并结合时序光谱使用不同方法对居民地信息进行识别和提取。论文从以下几个部分展开:首先,介绍了本论文的研究背景和意义,再介绍与论文主题息息相关的遥感信息提取技术和居民地识别提取技术的研究现状与进展,并提出研究内容及技术路线。接着,介绍了GF-4卫星影像,并对影像进行预处理以消除来自各方面的误差。然后,通过对GF-4影像的典型地物光谱指数特征的分析,提出基于光谱特征决策树的居民地信息提取方法,进而对时序光谱指数特征进行分析,提出基于时序光谱特征决策树的居民地信息提取方法,在此基础上将时序光谱指数特征和深度学习技术同时引入居民地信息识别提取中,提出基于时序光谱特征全卷积神经网络的居民地信息提取方法。最终对叁种方法的实验结果进行对比分析,得出结论。通过上述研究的开展,本论文可得到以下主要结论:(1)太阳高度角的变化不仅仅影响了地物光谱的大小,甚至对地物光谱的变化率大小和变化率变化的快慢也有一定的影响,且不同地物类型的光谱特征随太阳高度角的变化特征也有所不同。(2)当使用决策树方法时,结合时序光谱特征对居民地信息进行提取相较于仅结合光谱特征的提取来说,将提取精度由89.85%提升到93.38%。(3)利用全卷积神经网络可提升基于时序光谱特征居民地信息提取的提取精度,提取精度由93.38%提升到95.15%。此外,本论文有以下创新点:(1)将时序光谱特征与太阳高度角的关系引入到决策树模型中,相比较仅利用光谱特征的居民地提取方法而言,精度有所提高。(2)将时序光谱特征与深度学习中全卷积神经网络方法相结合,较不考虑时序光谱特征或不采用深度学习的其他提取方法来说,更加提升了分类提取精度。研究基于GF-4卫星遥感影像时序光谱的居民地识别提取方法,为减灾、防灾、推进城镇化进程、城市精细化管理和国土资源管理等工作快速提供动态更新数据,并为我国国产高分系列卫星数据遥感产品的应用提供技术与方法支撑和示范指导作用。
（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。
居民地信息提取论文参考文献
[1].潘旭冉,杨帆,杨宜菩,潘国峰.基于纹理方向和角点的居民地信息提取[J].科学技术与工程.2017
[2].曲畅.基于GF-4卫星影像时序光谱特征的居民地信息提取研究[D].中国科学院大学(中国科学院遥感与数字地球研究所).2017
[3].段磊.基于本体建模的高分辨率影像乡村居民地信息提取研究[D].兰州大学.2016
[4].姜春雪,郭海涛,喻金桃,卢俊,李传广.假高帽变换的高分影像居民地信息提取[J].测绘科学.2016
[5].姬存伟.空间数据更新中居民地变化信息提取与表达研究[D].解放军信息工程大学.2013
[6].熊俊楠,韦方强,江玉红,苏鹏程.基于谱间特征与多种指数分析的居民地信息提取方法[J].测绘科学.2013
[7].刘腾.哈大齐工业走廊居民地分类及信息提取研究[D].哈尔滨师范大学.2012
[8].刘衷瑞,冯伍法,宁卫远,胥亚,卢茂芬.基于高分辨率卫星影像的居民地信息提取研究[J].影像技术.2012
[9].汪权方,许纪承,陈媛媛,李家永,王新生.遥感影像空间分辨率对居民地信息提取的影响[J].资源科学.2012
[10].谭国强,王周龙,王霞,马金卫.基于知识的遥感影像居民地信息提取——以山东省蓬莱市为例[J].山东国土资源.2011
标签：高分辨率遥感图像; 居民地信息提取; Harris角点检测; Gabor滤波器;