基于支持向量数据描述的遥感图像病害松树识别研究

摘要

中国是世界上林业有害生物灾害最严重的国家，而松树又是我国非常重要的森林物种资源，具有很高的经济和实用价值。近年来，由于受松材线虫病的侵染，许多地区的松林相继发现大量的枯死松树。由于该病害具有传播速度快、致病能力强、适生范围广等特点，导致整个松林遭到毁灭，因而被列为林业病虫害之首，不仅严重威胁我国林业资源和生态建设，而且给国民经济带来了巨大的损失。因此，研究实现松林中病害松树的识别与监测，对预防松树病虫害、保护松林资源和促进经济社会可持续发展等具有十分重要的意义。
　　传统的病害松树识别主要依靠病虫害专家人工实地调查进行，受山区地形条件、调查人员责任心等影响，这种方法很难及时准确地掌握疫情，而且难以大范围推广。随着遥感技术的快速发展，利用卫星监测平台获取高分辨率遥感数据对监测大面积枯死松树非常有效。然而受卫星运行周期、大气环境等因素的影响，卫星遥感技术难以发现单株染病松树，另外受经费成本的制约，不适合长期大范围地应用。因此寻找一种既经济又有效的识别与监测方式，已成为重要的研究课题。
　　本文以小型无人机为空中飞行平台，以双光谱相机为遥感探测手段，获取松林的可见光和近红外图像，综合运用图像处理、模式识别等知识实现病害松树的识别与监测。主要研究内容如下:
　　1.阐述了松树病虫害识别与监测的目的和意义、国内外研究现状、研究区与数据源，并介绍了支持向量数据描述的基本理论和发展现状。
　　2.提出了一种基于加权支持向量数据描述的遥感图像病害松树识别方法。首先根据不同地物的特点，提取可见光图像和近红外图像各颜色分量作为相应像素点的颜色特征，接着通过提取加窗图像块的灰度共生矩阵得到中心像素点的纹理特征，然后通过建立关于训练样本中心距离的权重函数来构造加权支持向量数据描述多分类模型，进而将图像中地物多输出分类，从而实现病害松树的有效识别。多组对比实验验证了该方法的识别准确性。
　　3.提出了一种基于多特征和改进的加权支持向量数据描述多分类的病害松树识别方法。该方法基于每类样本的单像素和中心局部区域进行特征提取，构建相应特征向量，在传统支持向量数据描述多分类方法的基础上，将处于分类模型模糊区域的样本使用K近邻隶属度函数估计法进行判别决策，并结合权重函数和小波核函数的优点，构建加权小波支持向量数据描述多分类器，并应用于病害松树的识别。实验结果表明，该方法避免了传统支持向量数据描述多分类方法中对模糊区域样本决策的盲目性，在局部样本中寻求密度高的样本类别，大大提高了病害松树的识别率。
　　4.提出了一种基于特征稀疏表示和加权小波支持向量数据描述的松树多级病害识别方法。首先对松树双光谱图像进行特征提取，然后利用特征数据集构造学习字典，根据学习字典计算每个样本的稀疏系数，得到样本的稀疏表示特征向量，输入加权小波支持向量数据描述多分类器模型，从而将受不同病害程度的松树有效地分类识别。实验结果无论从视觉上还是定量评价上均说明了该方法的可行性和有效性。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．3 研究区与数据源

1．4 本文研究内容

1．5 论文组织结构

第二章 支持向量数据描述基本理论

2．1 统计学习理论

2．1．1 机器学习

2．1．2 经验风险最小化

2．1．3 结构风险最小化

2．2 支持向量机

2．2．1 支持向量机分类原理

2．2．2 核函数

2．2．3 支持向量机多分类

2．3 支持向量数据描述

2．3．1 硬间隔数据描述

2．3．2 软间隔数据描述

2．3．3 支持向量数据描述分类

2．4 本章小结

第三章 基于加权支持向量数据描述的病害松树识别

3．1 图像特征描述

3．1．1 颜色特征

3．1．2 纹理特征

3．2 加权支持向量数据描述多分类

3．2．1 加权支持向量数据描述

3．2．2 权重系数的确定

3．2．3 多分类方法

3．3 遥感图像病害松树识别方法

3．4 实验结果与分析

3．5 本章小结

第四章 基于多特征和改进WWSVDD多分类的病害松树识别

4．1 图像特征描述

4．1．1 基于单像素的特征描述

4．1．2 基于局部区域的特征描述

4．2 核K近邻

4．3 改进的WWSVDD多分类方法

4．3．1 小波核函数

4．3．2 改进的多分类方法

4．4 遥感图像病害松树识别方法

4．5 实验结果与分析

4．6 本章小结

第五章 基于特征稀疏表示和WWSVDD的多级病害松树识别

5．1 稀疏表示

5．1．1 信号处理的基本方法

5．1．2 稀疏表示问题的描述

5．2 字典构造

5．2．1 固定字典

5．2．2 学习字典

5．3 稀疏求解

5．3．1 匹配追踪类算法

5．3．2 l1范数正则化算法

5．4 多级病害松树识别方法

5．5 实验结果与分析

5．6 本章小结

第六章 总结与展望

6．1 全文工作总结

6．2 今后工作展望

参考文献

致谢

攻读硕士期间发表的论文

攻读硕士期间参与的科研项目