基于UAV高光谱数据的城区优势树种提取研究.pdf

目录

1绪论1

1.1研究背景与意义1

1.2研究现状分析2

1.2.1高光谱数据在树种提取研究现状2

1.2.2高光谱数据特征提取研究现状4

1.2.3基于高光谱数据分类算法研究现状5

1.2.4已有研究存在问题与不足8

1.3研究目标与研究内容9

1.3.1研究目标9

1.3.2研究内容9

1.4技术路线10

2研究区概况与数据处理12

2.1研究区概况12

2.1.1地理位置12

2.1.2树种资源12

2.1.3气候水文12

2.2UAV高光谱数据获取及预处理14

2.2.1UAV高光谱数据获取14

2.2.2UAV高光谱数据预处理16

2.3UAV高光谱数据特征提取18

2.3.1光谱特征18

2.3.2纹理特征22

2.4分类精度评价方法24

2.5本章小结25

3基于传统机器学习的UAV高光谱数据城区优势树种提取26

3.1基于传统机器学习的UAV高光谱数据城区优势树种提取算法26

3.1.1随机森林26

3.1.2支持向量机27

3.1.3单木粗分割28

3.2基于传统机器学习的UAV高光谱数据城区优势取树种提取结果32

3.2.1优势树种提取方案32

3.2.2优势树种提取结果34

3.3基于传统机器学习的UAV高光谱数据城区优势树种提取结果分析38

3.3.1特征组合对于城区优势树种提取结果的影响38

3.3.2传统机器学习对于城区优势树种提取结果的影响46

3.3.3单木粗分割对于城区优势树种提取结果的影响46

3.4本章小结47

4基于深度学习的UAV高光谱数据城区优势树种提取49

4.1基于深度学习的UAV高光谱数据城区优势树种提取算法49

4.1.1深度学习环境49

4.1.21D-CNN49

4.1.33D-CNN50

4.1.4模型参数设置52

4.2样本数据集设置57

4.2.1样本数据集制作57

4.2.2样本扩增57

4.3基于深度学习的UAV高光谱数据城区优势树种提取结果60

4.3.1优势树种提取方案60

4.3.2优势树种提取结果61

4.4基于深度学习的UAV高光谱数据城区优势树种提取结果分析65

4.4.1特征组合对于城区优势树种提取结果的影响65

4.4.2深度学习对于城区优势树种提取结果的影响67

4.4.3样本扩增对于城区优势树种提取结果的影响70

4.5本章小结72

5基于多时相的UAV高光谱数据的城区优势树种提取74

5.1典型优势树种多时相光谱特征差异分析74

5.2基于多时相的UAV高光谱数据的城区优势树种提取算法77

5.2.1优势树种提取算法77

5.2.2优势特征排序算法77

5.3基于多时相UAV高光谱数据的城区优势树种提取78

5.3.1优势树种提取方案78

5.3.2优势树种提取结果79

5.4基于多时相的UAV高光谱数据城区优势树种提取结果分析82

5.4.1波长范围对于对城区优势树种提取结果的影响82

5.4.2分类算法对于城区优势树种提取结果的影响86

5.4.3迁移通用模型对于城区优势树种提取结果的影响87

5.4.4时相特征对于城区优势树种提取结