基于深度学习的湿地遥感影像信息提取技术
前言
湿地被誉为自然之肾，是具有丰富物种资源的生态系统，也是人类赖以生存的一种重要的资源，是水陆相互作用形成的独特生态系统，是重要的生存环境和自然界最富有生物多样性的生态景观之一，有稳定环境、物种基因保护及资源利用等功能[1]。近年来，由于城市化进程加速，环境污染问题日益突出，湿地环境遭到破坏，其面积不断萎缩，严重影响到生态环境的安全与长远发展。故准确及时地掌握湿地现状并研究分析其时空变化规律，对湿地开发保护具有重要意义。遥感技术因周期短、获取速度快、覆盖范围广、蕴含信息量大等优势已广泛用于湿地资源监测与研究。湿地遥感监测研究的关键在于遥感图像湿地信息提取，由于遥感影像覆盖范围广，信息容量大，传统信息提取方法难以充分发掘影像信息，导致提取精度不高，如何高精度提取遥感影像湿地信息是亟待解决的问题。
随着湿地遥感领域技术的不断发展，基于深度学习的信息提取就是目前诸多新技术中的一种。近年来，深度卷积神经网络作为深度学习模型，在图像识别领域实现了重大突破。其核心思想是利用模型局部感受野、权值共享、池化操作等结合起来，优化网络，使其具有一定程度的平移、缩放、扭曲变形等的不变性。本文通过引入深度学习算法，通过将传统分类方法与深度卷积神经网络分类方法进行比较分析，研究利用深度学习算法进行湿地遥感影像信息提取的可行性与准确性[2]。
国内外研究现状
2.1 湿地信息提取方法
湿地信息提取是利用计算机通过某一种特定模式对遥感影像中湿地类别像元进行自动识别分类。遥感影像信息提取又称为遥感影像解译、遥感图像分类，中心思想是分析遥感影像中各个类别地物的光谱特征、几何形状、空间纹理等信息，采用一定方法手段对遥感影像中像素或分割对象进行分门别类。由于“同物异谱和同谱异物”，湿地遥感分类的精度问题是困扰湿地遥感发展的瓶颈之一。目前，湿地遥感分类常用的计算机自动分类方法有目视解译、监督分类和非监督分类；此外，也出现一些新的算法和方法，包括决策树分类法，分层分类法，神经网络法，面向对象分类法，支持向量机（Support Vector Machine， SVM）法以及符、复合分类法。其中前五种方法被称为新湿地分类算法。
1）目视解译方法是指专业工作者通过利用影像的色彩、色调、空间形状、阴影、大小、纹理等特征，与相关资料相结合进行逻辑推理和综合分析，获得相关分类信息结果，是早期卫星影像湿地识别常用方法[3]。它可充分利用判读人员的知识，灵活性好，擅长提取空间相关信息，但定位不准确，时效性差，可重复性差，并存在个人差异。目视解译现在仍然被广泛地应用于对精度要求较高的应用中，特别是在对米级高分辨率遥感图像分类时，目视解译精度一般高于计算机分类精度[4]，但此方法费时费力，要求相关工作人员有较高的专业知识水平，且受操作人员主观因素影响较大，易产生误判现象。
2）监督分类。其优点是可以指定所需的信息类。缺点是所需的类可能不符合光谱唯一或同质类，并且训练数据采集是耗费时间和昂贵的。在国内外湿地遥感研究中，最小距离分类法和最大似然比分类法是较常用的监督分类方法。最大似然法是常用的监督分类方法之一。该方法假设待分类区域遥感影像光谱特征近似服从正太分布，以贝叶斯准则为依据计算样本数据，获取训练样本方差、协方差、均值等，以此构建概率密度函数，最后计算分类概率。陈富龙等基于最大似然法进行改进，改善了传统基于统计分类方法无法直接得到先验概率的缺点，提高了分类精度。最大似然法理论基础较为严密，但仍需假设光谱特征近似为正太分布，普适性方面有所不足[5]。
3）非监督分类。其优点是，消除了耗时的训练阶段并且类是不同的单元。缺点是集群可能不是对应响应所需要的信息类。因为土地覆盖类型要求兴趣优先，所以监督分类往往优先于非监督分类[1]。在湿地遥感研究中，非监督分类的应用也比较广泛，分类结果的好坏需要经过实际的野外调查来验证。当二类地物对应的差异很小时，非监督分类的效果较差。
4）决策树作为数据挖掘的一种方法，具有灵活、直观、运算效率高等特点。其基本思想是通过一些判断条件对原始数据集逐步进行二分和细化。这种方法不仅不需要依赖任何先验的统计假设条件，可方便地利用除亮度值以外的其它知识，所以在遥感影像分类和专题信息提取中已有广泛的应用。吴健生等采用QUEST决策树分类方法对云南丽江地区Landsat TM 5影像进行信息提取，获取土地利用分布信息[6]。Franklin等融合 GIS、DEM等遥感数据，利用决策树方法提取灰熊栖息地kappa系数达 0.78 [7]。白秀莲等采用C5.0典型决策树分类算法对内蒙古赤峰市中部地区进行遥感影像分类实验，并利用相关辅助信息有效提高精度，更能满足用户需要[8]。杨雪峰等利用五种决策树分类器与MISR数据对塔里木河下游地区进行土地利用及覆被分类信息研究，提高了分类精度[9]。
5）分层分类法。指根据建立的分类树，按照分类树的结构逐级分层次把研究的目标一一区分、识别出来，分出一层，提取一层，掩膜一层，直至提取完所要的类层。牛明香等以山东省南四湖区湿地等为试验区，利用TM数据，提出了分区和分层相结合的湿地信息提取技术方法[10]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
