项目名称: 基于遥感的宁夏工业固体废物环境监测研究

项目编号: No.61461003

项目类型: 地区科学基金项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 保文星

作者单位: 北方民族大学

项目金额: 43万元

中文摘要: 西部地区的工业固体废物历年堆积量呈递增趋势,2009 年宁夏的工业固体废物产生量较2005年增长1.5倍,污染防治形势十分严峻。本项目以宁夏石嘴山、宁东地区为研究区域,利用遥感图像动态监测工业固体废物的变化趋势;通过不同时期的高分辨率和多光谱数据,研究不同类型工业固体废物信息提取方法;首先,研究宁夏地区工业固体废物的光谱特征;其次,将参数法与SIFT特征提取等结合,研究不同分辨率遥感图像的几何纠正和配准;针对固体废物对图像清晰度要求高的特点,研究高分辨率和多光谱遥感数据的融合方法;采用多尺度分割、面向对象分类和主成分分析等方法,对一般工业固体废物遥感数据进行提取和分类,构建宁夏地区工业固体废物分类模型,提高分类精度;利用遥感数据及GIS 技术,实时动态监测石嘴山等地区工业固体废物占地和周围环境状况等;根据工业固体废物周边环境若干年的变化,分析本地区工业固体废物的产生与排放对环境的影响。

中文关键词: 遥感图像;图像分类;工业固体废物;图像融合;图像配准

英文摘要: In recent years, the accumulated quantities of industrial solid waste showed an increasing trend in western China. In 2009, the quantity of industrial solid waste generation increased by 1.5 times compared to 2005 in Ningxia. So pollution prevention and control situation is very serious. This project intends to monitor the development trend of industrial solid waste dynamically using Remote Sensing (RS) images in Shizuishan and Ningdong area and study the information extraction methods to different types of industrial solid waste based on high resolution and multi-spectral images. Firstly, study the spectral characteristics of industrial solid waste in Ningxia region. Then, study geometric rectification and registration on different resolution RS images using parameter approach combined with SIFT feature extraction. Since it has extremely high requirements on resolution, we would study the image fusion methods which high resolution and multi-spectral images of industrial solid waste are both needed. And then, about extraction and classification for general industrial solid waste from RS images, classification methods based on multiscale segmentation, object-oriented and PCA method are studied, thus to build up Ningxia region industrial solid waste classification model as well as improve the classification accuracy. In addition, applying RS images, GPS positioning data and GIS technology to monitor the cover area of industrial solid waste and its surrounding environment in key areas such as Shizuishan region in real time and dynamically. Finally, according to changes in the surrounding environment of industrial solid waste for several years, the project would analyze the impact to the environment because of the industrial solid waste generation and discharge.

英文关键词: remote sensing image;image classify;industrial solid waste;image fusion;image registration

成为VIP会员查看完整内容
0

相关内容

「图像异常检测 」最新2022研究综述
专知会员服务
86+阅读 · 2022年4月15日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
67+阅读 · 2021年9月10日
专知会员服务
39+阅读 · 2021年5月12日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
专知会员服务
103+阅读 · 2020年11月27日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
「图像异常检测 」最新2022研究综述
专知
5+阅读 · 2022年4月16日
扩招不停!博士生再迎重大变革
CVer
0+阅读 · 2022年3月27日
中国信通院:数据中心产业图谱研究报告
THU数据派
0+阅读 · 2022年2月16日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
14+阅读 · 2021年3月10日
小贴士
相关VIP内容
「图像异常检测 」最新2022研究综述
专知会员服务
86+阅读 · 2022年4月15日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
67+阅读 · 2021年9月10日
专知会员服务
39+阅读 · 2021年5月12日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
专知会员服务
103+阅读 · 2020年11月27日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
相关资讯
「图像异常检测 」最新2022研究综述
专知
5+阅读 · 2022年4月16日
扩招不停!博士生再迎重大变革
CVer
0+阅读 · 2022年3月27日
中国信通院:数据中心产业图谱研究报告
THU数据派
0+阅读 · 2022年2月16日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员