10.3969/j.issn.0253-4193.2019.04.012
基于数据挖掘的GF-1 遥感影像绿潮自适应阈值分区智能检测方法研究
由于受到云雾的影响,可见光影像能够高效用于绿潮检测的数据源较为有限,特别是云覆盖较为严重的可见光影像,基本无法用于检测绿潮.即使影像数据是在薄云、薄雾、无云覆盖的情况下获取的,由于其光谱反射值存在较大差异,依然很难采用同一阈值进行绿潮检测.基于此,为了提高可见光影像的利用率,实现不同云覆盖情况下,绿潮的高精度自适应阈值的自动检测,本文以GF-1 影像为数据源,首先采用K-means聚类和C4.5 决策树方法实现影像云覆盖情况的自动识别;其次,选取大量不同云覆盖情况下子图像样本(每个子图像样本中均包含绿潮和海水两类),分析得出不同云覆盖情况下绿潮和海水的区分阈值y 与影像光谱差x=bandnir-bandred之间所具有的线性关系;然后,利用分析得出的线性关系提出一种适用于GF-1 影像的绿潮分区自适应阈值自动检测方法.最后,为验证提出方法的有效性,分别采用NDVI方法、EVI方法和本文提出的自适应阈值自动检测方法进行绿潮提取实验.实验结果表明,对于GF-1 卫星遥感数据,本文提出的绿潮自适应阈值分区自动检测方法明显优于传统的NDVI和EVI检测方法,不仅提高了绿潮的监测精度,而且实现了绿潮提取的全自动化.
GF-1、绿潮、K-means算法、C4.5 决策树算法、自适应阈值
41
TP391.41(计算技术、计算机技术)
国家自然科学青年基金41506198;国家自然科学面上基金41476101;全国统计科学研究项目2017LY14
2019-09-27(万方平台首次上网日期,不代表论文的发表时间)
共14页
131-144