论文部分内容阅读
梯田是人类对自然地形改造生成的一种阶梯状坡耕地,它是一种有效的水土保持措施。由于梯田面积、块数等分布信息不易快速获得,使得梯田作用的定量研究难以深入展开。随着无人机技术的不断发展,高精度梯田地形信息的获取成为可能。论文基于无人机正射影像并结合坡度数据,分别采用基于BP神经网络方法、SVM机器学习方法和改进的Canny边缘检测方法,对梯田区进行分割,并在最优的分割结果上通过区域生长算法对梯田区进行田块提取以及田块数目、面积等信息的统计。主要研究内容及结果如下:(1)基于神经网络的梯田区分割方法。采用一种基于BP神经网络的梯田分割方法,对梯田进行分割,来获得梯田信息数据。实验证明,该算法对样区2类型的梯田分割效果优于对样区1类型的梯田分割。该方法分割梯田的平均完整度和错误率分别为73.78%、28.56%。(2)基于支持向量机的梯田区分割方法。以人工选点的方式得到可信训练样本点,将基于超像素的多核分类(Superpixels-based Classfication via Mutilple Kernels,SC-MK)算法生成的联合统一内核作为SVM的分类准则,最后给出了实验样区在SVM分割后得到的梯田结果图,并计算其平均完整度和错误率分别为83.12%和43.16%,且该方法更加适合样区1类型的梯田分割。(3)设计并实现了改进的Canny边缘检测梯田区分割方法,从梯田的地形特征出发,结合DEM数据和无人机影像数据,实现对梯田区进行分割。通过计算得出该方法的分割梯田的平均完整度和错误率分别为:87.72%和11.4%,虽然该方法与SVM和BP神经网络方法相比,该方法对梯田区分割最为完整,但是该方法分割的梯田区中,梯田边缘较为粗糙。(4)设计梯田区田块提取方法,在梯田区分割基础上,针对传统方法无法进一步获取梯田田块数目、面积大小等信息,提出一种基于图形学的区域生长算法对梯田田块区域进行填充,并统计出影像中含有梯田田块数目和面积信息,再对比目视解译的梯田田块结果,经实验验证,该方法提取的田块精确度达83.57%,由于该方法最终能直接统计梯田区田块数目和面积大小,这将更有利于数字化测绘制图,是梯田提取算法的一次成功的探索。