圍填海遙感影像邊緣檢測與遷移分類研究.pdf

1、圍填海帶來的環(huán)境影響不斷累積，負面效應日益凸顯，利用科學有效的技術手段對其進行監(jiān)測是圍填海規(guī)劃與監(jiān)管的重要基礎。遙感技術以其快速、準確的大范圍觀測能力成為圍填海監(jiān)測的有力手段，但是由于遙感影像存在嚴重的光譜混疊、光譜漂移等現(xiàn)象，導致目前遙感影像解譯的自動化程度不高，制約著遙感影像在圍填海動態(tài)監(jiān)測中的應用。因此，迫切需要對遙感影像的自動信息提取技術進行探索，這對提高圍填海動態(tài)監(jiān)測的準確度與時效性具有重大意義。
　　本文立足于圍填海動

2、態(tài)監(jiān)測需求，從遙感影像數(shù)據(jù)特點出發(fā)，主要對圍填海遙感影像的信息提取技術進行了邊緣檢測及遷移分類兩方面研究。首先，針對遙感影像光譜混疊現(xiàn)象造成地物圖斑破碎化的問題，本文指出可以利用邊緣特征對光譜信息進行補充。由于遙感影像包含復雜的地表信息，邊緣檢測易受虛假邊緣影響，為此本文提出一種基于元胞極限學習機的遙感影像邊緣檢測算法，將極限學習機嵌入到元胞自動機空間模型中，快速挖掘光譜與邊緣間的最優(yōu)局部轉(zhuǎn)換規(guī)則，從而降低邊緣虛警率。其次，針對多時相遙

3、感影像光譜漂移問題，提出基于極限學習機的遷移學習遙感影像分類算法，利用多領域樣本加權策略，以域參數(shù)正則化形式提高模型對高分辨率影像的域適應能力。在此基礎上，提出基于改進貝葉斯ARTMAP的遷移學習算法，利用可塑性網(wǎng)絡自適應建模能力，擺脫大場景遙感影像同物異譜現(xiàn)象對遷移學習的制約，以網(wǎng)絡參數(shù)期望最大化形式建立遙感樣本的重復利用策略。在遙感影像實驗中，本文所提方法能有效增強圍填海地物邊緣信息的提取能力，改善有限目標樣本下影像分類精度，提高圍