基于张量表达理论的遥感影像土地覆被/利用分类研究
文献类型：学位论文
| 作者 | 郭贤 |
| 答辩日期 | 2017-11 |
| 文献子类 | 博士后出站报告 |
| 授予单位 | 中国科学院地理科学与资源研究所 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 葛咏 |
| 关键词 | 张量 遥感影像分类 降维 支持张量机 非负张量分解 土地覆被制图 土地利用制图 |
| 学位名称 | 博士后 |
| 英文摘要 | 土地是人类生存的基础。十分珍惜、合理利用土地和切实保护耕地是我国的基本国策。虽然我国城市化进程取得了瞩目的成效，但面临着土地资源紧缺、人地矛盾尖锐等问题。对地观测技术的进展推动了土地遥感的应用，在此基础上发展的土地覆被、利用识别课题，研究了土地及其变化，对规划、管理、保护土地资源具有现实意义。随着传感技术的革新，遥感数据的分辨率（空间、光谱和时间）正在迅速提高，展现了精细、海量、复杂的地理模式；具有时空标记的时空数据的出现也为定量理解社会、经济、环境提供了新的角度。然而“高维、稀疏、异构”的数据特性对现有的土地覆被/利用解译和信息提取技术提出挑战。现有解译方法基本上以向量形式解译数据，向量化高维时-空-谱特征不可避免地导致结构信息丢失，降低解译能力。 针对上述问题，本文在现有的遥感影像解译工作的基础上，结合土地覆被和土地利用的应用需求，以多维度分析为主线，建立顾及时-空-谱多维结构的协同解译框架，分别实现：基于张量表达的土地覆被信息提取、基于张量分解的土地利用提取，研究弥补现有解译模型向量化处理的不足，提高遥感影像的解译精度和信息挖掘深度。 在论述具体算法之前，本文首先简介了多维线性代数理论和张量，接着讨论遥感影像的张量表达形式。随后展开的研究内容如下： （1）在土地覆被分类方面，发展面向高维数据的支持张量机分类框架： 高维特征提供了更有效的类别判别力，以SVM为代表的线性信息提取算法需要向量化多维时-空-谱特征进行分析，将导致空间（结构）约束上的信息丢失。本文算法针对高维特征不能直接被经典分类器使用的问题，将经典支持向量机分类器扩展到张量特征空间中，解决常规降维、特征融合和土地覆被分类在张量空间中的推广问题，直接接纳高维空-谱特征进行分析，在完整地保持空-谱结构约束的同时，实现更高效的空-谱信息协同解译。实验在两组代表性遥感影像中对比本文算法和经典分类算法，同时分析了分类框架中的各模型参数对最终分类表现的影响。 （2）在土地利用分类方面，提出基于张量分解的高维组分分离框架：时空数据提供了空间、光谱、时相等多维度上的混合信息，但现有土地利用提取方法无法直接利用多维度信息实现土地利用类别的分离。本文提出了基于张量分解的高维组分分离模型，该模型视多维数据为整体，引入高维盲源分解模型，协同提取多类别在空间、光谱、时间维度上的多尺度变化信息，克服单一维度信息无法充分表达类别在时-空-谱等多维度上的差异，实现土地利用类别的识别。实验采用北京市的手机密度数据进行验证，结果提供了人群行为在时间、空间维度上的波动特征，同时重组给出土地利用类别图。实验对比基于主成份分析的结果，表明张量方法在有效地利用数据时-空多维度信息上具有显著的优势。 |
| 语种 | 中文 |
| 页码 | 86 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/193894]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 郭贤. 基于张量表达理论的遥感影像土地覆被/利用分类研究[D]. 中国科学院地理科学与资源研究所. 中国科学院地理科学与资源研究所. 2017. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。