推荐6篇关于水体提取的计算机专业论文

今天分享的是关于水体提取的6篇计算机毕业论文范文, 如果你的论文涉及到水体提取等主题,本文能够帮助到你

基于多源卫星数据的地表水体提取研究

这是一篇关于深度学习,遥感数据,水体提取,鄱阳湖,洪涝监测的论文, 主要内容为洪涝、干旱灾害危险性大、破坏力强、经济损失巨大,因此针对洪涝、干旱地区进行快速、准确、高效的水面积监测具有重要意义。目前,卫星遥感技术具有覆盖范围广、变化直观、信息量大等优势,能够动态监测水体的时空变化特征。但单一卫星访问周期长,不能完全满足对受灾地区进行高时间分辨率监测需求,而且现有深度学习水体提取模型对光学遥感数据和微波遥感数据(SAR)中深层次语义特征提取不够完整。所以,本文开展多卫星、多传感器数据融合的水体监测方法研究。主要研究内容如下:(1)针对现有深度学习模型没有充分考虑光学遥感数据中不同地形环境下水体全局信息的缺点。本文使用Landsat-8、Sentinel-2光学遥感数据构建光学水体数据集,并提出一种融合局部和全局信息的网络模型GMRR-Net。模型编码器被设计成带有全局注意力机制的残差模块来捕获全局上下文信息。模型中间加入多路径膨胀卷积来捕获不同感受野下水体的多尺度特征。最后将提取的特征经过细化模块,进一步加强模型对水体全局和局部信息的高效融合。实验表明,新模型在Landsat-8数据上的提取精度以及在Sentinel-2、高分1号数据上的泛化能力均优于现有水体提取模型。(2)针对光学卫星遥感数据的水体识别容易受到云雾天气影响,导多云天气下复杂地区水体的多尺度特征信息丢失,狭小水域边界容易出现误判、漏判和视觉退化等情况。本文使用Sentinel-1数据构建SAR水体数据集,并提出一个融合多层次、多尺度信息的网络模型MAG-Net。模型结构由多尺度残差模块作为主干,旨在增强整个模型捕获水体不同尺度特征的能力。模型中间引入全局信息融合模块来增强细节信息的捕获能力。最后为了组合不同尺度的特征图,提高狭小水体识别精准度,解码器被设计成全尺寸跳连接结构。实验表明,新模型在Sentinel-1数据上的提取精度以及在高分3号数据上的泛化能力均优于现有水体提取模型。(3)针对单一卫星对鄱阳湖地区水面积动态监测存在数据缺失和时间分辨率不足问题。本章首先对上述两个模型的分割结果进行决策级融合,以减小云雾对光学数据干扰。接着使用光学和SAR两种遥感数据来提高鄱阳湖地区遥感数据的时间分辨率。最后对鄱阳湖干、湿季节湖区水面积的变化进行实时动态监测。结果证明本文方法对鄱阳湖湖区水面积监测具有实用性,可以为水资源动态监测和灾后重建等工作提供帮助。

基于多源卫星数据的地表水体提取研究

基于视觉分析的河道漂浮物检测与跟踪方法研究

这是一篇关于视觉应用,河道监测,水体提取,漂浮物检测,漂浮物跟踪的论文, 主要内容为河流作为水环境中的重要组成部分,在供给水源、维持生态、美化景观等诸多方面扮演着不可或缺的角色。但是,目前人类活动和自然因素导致河面频繁出现大量漂浮物,严重破坏了河道景观和水生态环境,已成为河道监管中重点关注的问题。在国内各省市全面推行落实“河长制”政策的背景下,很多地方开始采用摄像头进行河湖可视化监管以促进河湖面貌改善,但是人工参与程度依然较高,单纯依靠人力观看大量的监控资料来判断河湖状况。在这种情况下,推动当前河道视频分析的智能化与无人化已成为河流长效管护的迫切需求。但是,河流环境本身复杂多样,例如,河流结构性差、易受动态光影和水波扰动等噪声的影响,现有的视觉方法应用至水面漂浮物监测任务中仍存在一些问题需要解决。围绕上述需求及难点,本文开展了基于视觉分析的河道漂浮物检测与跟踪方法研究,并进行了实验应用。主要工作与研究成果如下:(1)研究了复杂河道场景中的水体提取方法。针对河道外观多样和水面存在倒影、阴影及强光反射等干扰,传统算法难以实现水体区域准确检测的问题,提出了基于图像级联分割网络结合条件随机场的水体提取算法。该方法采用视觉任务中语义二分割的思路,通过多层神经网络提取图像中高层次的语义特征实现水体区域的初步提取;然后,将分割网络的输出结果作为一阶势辅助构建条件随机场模型,通过对像素点间的依赖关系进行建模,消除小区域误判并细化水体边界,实现水体提取结果的进一步优化。实验验证了所研究的水体提取算法在倒影、阴影和强光反射等复杂河道中的有效性,为后续工作提供了良好的支撑。(2)研究了时空信息融合的河道漂浮物检测方法。针对河道中闪烁光影、水流波动等噪声造成误检率高以及间歇性运动的漂浮物易漏检的问题,提出了基于时空域信息融合的漂浮物检测方法。在时间域,采用像素级别自适应分割算法,通过对河道背景模型复杂度进行建模,自动调整漂浮物决策阈值和背景模型更新率,来削弱动态背景噪声的影响;在空间域,使用谱残差算法分析单帧图像的全局空间显著性,获取漂浮物的显著性信息;然后,通过将时空双域信息融合,进一步降低漂浮物的误检率。同时,对像素级别自适应分割算法做出改进,加入漂浮物前景统计策略,改善间歇性移动的漂浮物易出现漏检的问题。实验验证本文算法提高了在动态背景噪声场景和目标间歇性运动场景中漂浮物检测的准确率。(3)研究了改进核相关滤波的河道漂浮物跟踪方法。立足于河道监控场景的特殊性,在传统核相关滤波(Kernel Correlation Filter,KCF)算法上做出改进,提出了多特征融合的尺度自适应河道漂浮物跟踪方法。通过同时提取目标的方向梯度直方图特征和颜色命名特征,来降低KCF跟踪算法对漂浮物跟踪时单一特征表征能力不足的影响;并利用跟踪置信度自适应调整不同特征响应图的权重,扩大跟踪算法在不同河道环境中的适用性;另外引入金字塔尺度估计策略实时估计漂浮物的尺寸,改善传统KCF算法无法进行跟踪框尺度调整而导致跟踪精度降低的问题。通过实验结果对比与定性定量分析,验证了本文算法在光影变化、水波扰动和运动旋转等条件下可实现对漂浮物的连续跟踪。(4)完成了河道漂浮物智能监测平台的设计与实现。对基于视觉分析的河道漂浮物检测与跟踪系统进行了需求分析,并完成了整个系统的设计和实现。河道智能监测系统由视频监控平台和算法功能模块组成。视频监控平台基于Java语言开发,采用了 Spring MVC框架和MySQL数据库,用以实时展现河道视频数据;算法功能模块基于Python语言开发,使用了 Open Source Computer Vision Library计算机视觉库和TensorFlow深度学习框架,用以进行视觉分析和提供算法接口。最终利用Docker将软件平台与算法模块部署至服务器上。综上所述,本文针对视觉分析在河道智能监控中实际应用的难点,研究了复杂河道环境中漂浮物智能监测方法,主要包括复杂场景中的水体区域提取算法、动态背景噪声下漂浮物检测算法和河面漂浮物跟踪算法,并在算法研究的基础上,设计了河道漂浮物智能监控平台。本文的研究成果将对推进河道环境智能无人化监测与河道自动化清理工作提供解决方案与技术支撑,同时也对其它领域中复杂条件下的目标检测和目标跟踪任务具有一定的借鉴意义。

基于改进U-Net网络遥感语义分割的城市黑臭水体识别——以青岛地区为例

这是一篇关于城市黑臭水体,城市建成区,水体提取,U-Net,GF-2的论文, 主要内容为黑臭水体的产生实质是由环境保护和城市发展两者不平衡造成的,城市黑臭水体治理工作是我国当前生态环境重点工作之一。目前利用遥感手段监测城市黑臭水体还处于前期发展阶段,城市黑臭水体情况判别仍以实地测量为主,人力物力成本较高,且根据实地数据监测的结果在时间上不能进行连续测量,在空间上也不能大面积进行测量,这就使得水资源管理人员不能从时间和空间上快速了解水体黑臭情况。本文发挥遥感监测范围广、周期短、人力物力成本低的优势,利用GF-2卫星影像作为数据源监测城市黑臭水体,弥补城市黑臭水体实地测量数据成本高、时空不连续的缺陷,从而实现动态监测城市黑臭水体,全面了解黑臭水体分布特征,为我国黑臭水体治理工作提供科学决策依据。本文以青岛市城市建成区为研究对象,通过收集研究区水体光谱采样数据,基于GF-2影像波段特征分析黑臭水体和一般水体之间的光谱差异,构建了3种黑臭水体识别算法,并遴选出最优算法对青岛市2019年黑臭水体进行识别,分析了研究区黑臭水体分布特征。本文提出的流程化识别黑臭水体方法,主要有四个方面的内容:(1)本文研究主要是对城市建成区内部的水体进行研究,在前期工作中,需要确定城市建成区的范围以便进行下一步工作。通过对比发现,BCI指数能够较好地区别城市土地覆盖植被、不透水面和土壤三种地物类型。根据不透水面信息,计算出不透水面聚集密度,进而确定城市建成区范围。计算BCI指数过程中需要对GF-2遥感影像进行穗帽变换,不同卫星传感器因为波段设置的不同,所以穗帽变换参数也不相同,目前针对国产高分卫星的变换参数研究较少。IKONOS卫星影像与GF-2影像波段参数设置相近,因此本文采用IKONOS穗帽变换矩阵对GF-2影像进行穗帽变换,并取得了较好的效果。(2)本文提出改进的U-Net网络语义分割方法进行水体提取工作,借鉴经典U-Net网络的解编码结构对网络进行改进,(1)将VGG网络用于收缩路径以提取特征;(2)在扩张路径中对低维特征信息进行加强,将收缩特征金字塔上一层的特征图与下一层对应扩张路径上的特征图进行融合,以提高提取结果分割精度;(3)在分类后处理中引入条件随机场,以将分割结果精细化。在训练、验证和测试数据集保持不变的情况下,选用Seg Net、经典U-Net网络和本文改进的U-Net网络进行对照试验。试验结果表明,改进的U-Net网络结构在Io U、精准率和Kappa系数指标上均高于Seg Net和经典U-Net网络:与Seg Net相比,3项指标分别提升了10.5%、12.3%和0.14;与经典U-Net网络结果相比,各个指标分别提升了5.8%、4.4%和0.05。(3)分析地面实测光谱数据构建城市黑臭实体识别算法,城市黑臭水体在可见光范围的反射率低于一般水体,在绿波段波峰位置差异较为明显。在550-650nm波段范围内,黑臭水体反射率斜率相比于一般水体要小。根据这些光谱特征差异,构建了三种黑臭水体识别算法:单波段阈值法,归一化黑臭水体指数法(NDBWI)和黑臭水体分级指数法(BOCI)。从识别结果可以得出如下结论:单波段阈值法在识别准确率上明显低于NDBWI方法和BOCI方法,不能用于黑臭水体识别任务中;NDBWI指数方法识别的准确率为77.78%;BOCI指数的识别准确率最高,达87.04%以上。(4)根据黑臭水体识别最优算法BOCI指数,对青岛市黑臭水体进行识别,在建成区范围内的262段河段中,共识别出25段黑臭水体。研究中发现城市黑臭水体主要分布在主干河流的支流部分,各城区人口密集区域、工厂附近和河水水流不流畅区域是黑臭现象的高发区域。同一条河流由于流经区域环境的不同,不同河段水体的黑臭状况也会有所不同。

基于改进U-Net模型的遥感影像水体提取研究

这是一篇关于U-Net,水体提取,深度学习,遥感影像解译,形状指数的论文, 主要内容为水资源是维持人类经济繁荣、生产发展稳定和生态系统可持续发展的关键。伴随着遥感技术的快速发展,实时更新的遥感影像为地表水体识别提供了有效数据源。早期的地表水体提取方法依据光谱信息和分类器方法进行理论模型的构建,很难适用于水体类型复杂多变的区域。深度学习依靠计算机强大的运算能力,通过对先验样本的学习拟合未知数据,完成了从遥感影像上自动识别地物,受到了研究学者的青睐。但是现有的深度学习水体识别网络模型,在大范围、高分辨率遥感影像水体提取任务中效率低下,因此本文提出一种基于改进U-Net的遥感影像水体高效提取网络模型。并以该模型水体提取结果为依据,监测了辽宁省的水体变化时空分布特征,揭示了水体变化的影响因素,为农业生产、水利规划、自然灾害等决策提供重要的参考。本文的主要工作和贡献如下:(1)制作多尺度高分辨率遥感水体数据集。现存的遥感影像语义分割水体公开数据集较少,且分辨率低、背景单一。本文采用多光谱与全色波段影像融合后1m空间分辨率的GF-2号数据与10m空间分辨率的Sentinel-2号数据制作数据集,人工精细化标注后还进行了数据增强,增加数据集样本的同时提高数据集的泛化能力。可为水体分布和动态变化规律提供数据支撑。(2)提出一种基于改进U-Net的遥感影像水体提取网络模型。本文模型通过减少VGG16骨干网络的层数来精简网络,在顾及特征提取精度的基础上提升了U-Net的运行效率。分别以GF和Sentinel两种高分辨率遥感影像数据进行实验,结果表明,改进后的模型具有优异的分割性能及分割速度,能满足广域水体提取的需要。以GF影像水体结果为例,在精度评价指标IOU和1F上达到了90.311%、94.909%的精度。同时训练时长缩短了25.8%,预测时长缩短了21.6%。(3)构造一种基于形状指数的水体分类方法,并依据分类结果开展长时序遥感影像水体变化分析。本文基于形状指数将水体分类,实现了水体几何形状特征以及所属类别的快速获取。选取辽宁省2017-2021年共5年的秋季Sentinel-2号遥感影像作为数据源,分析不同类型水体的面积变化。同时,结合辽宁省内五年来各地级市的气温、降水量、潜在蒸散量和人为活动等数据,对变化趋势进行拟合分析,得出以下研究结论:(1)2017-2021年辽宁省水体面积总体呈减少趋势。研究期内水体面积共减少了2.16%。3种类型水体面积均有减少,其中细小型水体的占比较大,是总水体面积减少量的62.45%。(2)2017-2021年辽宁省水体面积的变化是自然气候和人类活动共同作用的结果。气候因子中的蒸散量为该地区水体面积变化的主要驱动力,人类活动为辅助驱动力。(3)由于受到全球气候变暖和城市化建设的双重影响,辽宁省地表水体的演变规律发生明显变化,这将影响到区域生态系统的保护和修复,阻碍国民经济高质量发展。所以有必要制定辽宁省的生态保护和恢复计划,以防止辽宁部分地区的生态环境进一步退化,并平衡人类发展与生态系统保护和恢复之间的关系。该论文有图31幅,表24个,参考文献69篇。