基于机器学习的森林多源遥感数据分析方法研究

《基于机器学习的森林多源遥感数据分析方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、：分类号：密级ＵＤＣ：编号：工学博士学位论文基于机器学习的森林多源遥感数据分析方法研究博士研究生：李威指导教师：赵春晖教授学科、专业：信息与通信工程哈尔滨工程大学２０１８年６月分类号：______密级：______UDC：______编号：______工学博士学位论文基于机器学习的森林多源遥感数据分析方法研究博士研究生：李威指导教师：赵春晖教授学位级别：工学博士学科、专业：信息与通信工程所在单位：信息与通信工程学院论文提交日期：2018年3月论文答辩日期：2018年3月授予

2、学位单位：哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationfortheDegreeofD.EngResearchonForestRemoteSensingDataAnalysisMethodologybasedonMachineLearningCandidate:WeiLISupervisor:Prof.ChunhuiZhaoAcademicDegreeAppliedfor:DoctorofEngineeringSpecialty:InformationandCommunicati

3、onEngineeringDateofSubmission:Mar.2018DateofOralExamination:Mar.2018University:HarbinEngineeringUniversity基于机器学习的森林多源遥感数据分析方法研究摘要随着遥感技术的快速发展，用于处理和分析多源遥感数据的技术和手段也在逐渐增加。高光谱图像(Hyperspectralimagery,HSI)、激光检测与测量仪器数据(Lightdetectionandranging,LIDAR)及无人机采集的高分辨率多光谱数据(Un

4、mannedaerialsystemsderivedmulti-spectralimagery,UAS_MSI)构成的多源数据体系为获取森林相关信息提供了途径。详细讲，高光谱图像包含丰富的光谱信息，可用于森林的分类问题。激光检测与测量仪器数据用于提供森林的结构信息(如树高等)。基于无人机采集的高分辨率多光谱数据为分析森林中植被的相对覆盖面积提供了可能。但是，森林中地物的分布复杂，并且可用于分析森林的监督信息较难获得。为了检测森林的范围，绘制森林中植物的相对覆盖面积，本文提出了引入两种先进的机器学习算法(多任务学习算法

5、(Multi-tasklearning,MTL)及深度学习算法(Deeplearning,DL))对森林进行定量分析。本文的研究内容如下：首先，稀疏表示算法(Sparserepresentation,SR)利用l0，l1范数对任务进行处理，这种算法没有考虑各个任务之间特定的域信息(domaininformation)。为了在监督样本较少的情况下，充分利用监督信息包含的特定的域信息，提高算法的检测效果，本文提出了一种基于空-谱支持流形式的多任务学习目标检测算法(ICRTD_MTL)。ICRTD_MTL算法包含两个部分：

6、(1)多特征学习(Multi-featurelearning,MFL)，即提取来自于高光谱图像不同特征构成的张量(如，光谱值特征(SVF)、光谱梯度特征(SGF)及光谱纹理特征(TF)等)。(2)多任务学习(MTL)，即假设高光谱图像各个特征对后续任务处理具有特定贡献的条件下，利用同时优化权重的目标函数求解联合表示向量。然后利用联合表示向量中权重向量的位置检测中期森林像元。最终利用像元的空间-光谱相关性，提升检测器的检测效果。ICRTD_MTL的优点在于：(1)保证了未知像元不同特征的稀疏(Sparsity)的稳定性

7、；(2)在一个小领域的像元能够共享共同的低秩(Lowrank)子空间。通过AVIRIS及HyMap高光谱图像的实验结果证明算法的性能，并利用ICRTD_MTL实现了对中期森林范围的检测。其次，基于流形式的多任务学习目标检测算法(CRTD_MTL)通过l正则项寻找不2,1同任务之间的关联，并利用关联信息的共享机制实现多任务学习。这种基于流共享方式的缺点在于：(1)l正则项的参数选择过程较为复杂。(2)没有利用过完备字典所提2,1供的先验知识对求解联合表示系数矩阵的稀疏及低秩过程进行优化。针对上述问题，I哈尔滨工程大学博

8、士学位论文文中提出了一种基于概率图的多任务学习目标检测算法(MTL_NFF)，即在多任务学习(MTL)框架内，根据贝叶斯法则，利用最大后验概率(MaximumA-posterior,MAP)及奇异值分解(Singularvaluedecomposition,SVD)构成的概率图优化多任务学习中各个节点的联合表示系数的求解过程。MTL_NFF通过