基于滤波后处理的主动学习高光谱遥感图像分类

有限的样本数据和高维的特征向量使得高光谱图像分类面临巨大挑战.提出一种结合主动学习和滤波器的高光谱遥感图像分类方法.该方法首先选取部分训练样本得到分类模型,然后采用主动学习通过迭代从非训练样本中选择信息量大的样本不断扩大有效样本数,减少了初始训练样本数降低"维数灾难"出现的可能,同时提高了分类器的泛化性能及准确率.通过主动学习和多项逻辑回归分类器对高光谱遥感图像进行初始分类,然后运用滤波器对初始分类结果保边去噪.实验结果表明,本文方法的分类精度高,分类稳定性好.     

基于小波变换的高光谱遥感影像光谱匹配技术研究

以中国的高光谱影像OMIS为例,研究了基于小波变换的高光谱遥感影像光谱匹配算法,然后将该方法用于遥感影像智能化解译。实验结果表明,该算法先对光谱曲线进行小波去噪,再对不同频率信号进行小波多分辨率分析,能够在匹配过程中拉大异类间的特征值距离,提高分类精度。     

ENVI遥感图像处理中几种监督分类方法的比较

遥感图像通过像元值的差异反映地物的光谱信息及空间变化原理来表示地物差异[1],为提取各类信息,图像分类尤为重要[2]。在遥感图像数据分类处理过程中,监督分类是普遍适用的一种分类方法[3]。为了评价几种监督分类的优势与缺点,主要选用SPOT5图像数据进行试验,介绍了监督分类中平行六面体、最小距离以及最大似然3种分类方法[4]。通过定义训练样本、训练样本评价、执行监督分类、分类结果评价等步骤[5],得出最大似然分类法的总体分类精度最高,制图精度和用户精度都很高,漏分误差和错分误差较低,而且计算时间较短,相对于另外两种分类方法更有应用优势。     

基于BP神经网络的多因子洪水分类研究

采用BP神经网络模型实现洪水的在线分类,通过对模型进行训练和检验,可获得网络拓扑结构为6—3—1的多因子洪水分类模型,利用该模型将洪水划分成3类。以大伙房水库作为实例验证区域,研究表明:BP神经网络训练样本与检验样本的分类结果和实际结果完全吻合,说明此网络模型针对洪水分类的映射能力较高。     

高分辨率遥感影像在水系分类中的应用

高分辨率遥感影像中水系的有效提取,对于实现快速、高效、范围广的整体水系监测是必不可少的。针对山西浑源县的遥感影像,选择最合适的分割尺度和最佳的光谱因子与形状因子(紧致度和光滑性)利用易康软件进行了多尺度分割和面向对象的分类,选取对象的光谱属性信息中的Brightness和对象的几何特征中的length/width两个特征,分别采用最邻近分类法和隶属度函数法进行分类,将遥感影像分为水系和其他地类两种情形。结果表明,面向对象的分类结果要比单纯依靠光谱信息的基于像素的分类方法的结果好,形成的分类结果图更符合人的思维方式。与第二次全国土地调查成果图对比结果和本次分类结果得出的最佳分类结果概率,均表明了最邻近分类法在水系分类中更能准确的进行分类。     

基于决策树方法的杨凌示范区水体提取分析

以陕西省杨凌示范区为研究区,利用LANDSAT影像以及DEM影像数据,分析研究区影像光谱特征,选择合适的分类方法以及建立合适的模型,对研究区遥感影像进行决策树分类,在地图上选取500个抽样点,通过实地考察,记录选样点的数据,统计抽样点的水体类型。实验表明决策树分类法大幅度提高了分类的精度,可以满足生产需要。     

多光谱遥感数据最佳波段选择研究

分析多光谱遥感数据最佳波段选择的最佳指数方法,并指出该方法的不足之处.在实践过程中,根据多光谱遥感数据各波段用途、研究区地物的光谱特征及最佳指数来考虑最佳波段的选择,取得了比较好的效果.     

基于高光谱数据的鄱阳湖湿地典型植被识别分析

利用高光谱数据对湿地植被进行分类历来是植被遥感研究的重点和难点之一。以鄱阳湖为研究区,测取了5种典型湿地植被的高光谱数据,利用光谱微分法对原始光谱数据进行处理,分析不同植被原始光谱、一阶微分和二阶微分光谱曲线图;使用欧式距离法选择差异较大的波段以鉴别不同植被;最后利用马氏距离法检验所选择波段识别不同植被的效果。结果表明:3种光谱曲线所提取的差异性较大,波段虽有所差异,但多位于近红外波段,马氏距离在这些波段上能有效对不同典型湿地植被进行识别。研究结果可为湿地植被分类识别奠定基础,同时可为湖泊湿地植被以及湖泊生态环境的保护决策提供科学依据。     

基于遥感图像的河流提取方法及应用研究

通过融合监督分类和非监督分类方法,提出了基于彩色遥感图像的河流提取算法。在监督分类方法中,采用局部傅里叶变换来捕捉图像的不同颜色和纹理特征,用从样本中提取出来的LFT特征集对大间隔最近邻分类器进行训练,把图像分为河流和背景两部分;在非监督分类方法中,采用基于颜色的k-均值分类分割方法,从背景中分离出河流。对两种方法的输出结果进行融合,即可得到最终的河流提取结果。实例表明:该方法能够准确地从彩色遥感图像中进行河流提取。     

基于光学和雷达图像的土地覆被分类

为寻求一种有效的提高多源遥感数据土地覆被分类制图精度的方法,探讨了融合HJ1B和ALOS/PALSAR图像进行遥感图像分类制图的方法。在对光学图像HJ1B和雷达遥感数据ALOS/PALSAR进行离散小波融合的基础上,应用分类决策树CART(Classification and Regression Tree)算法对融合的图像进行了土地覆被分类制图,并将其分类结果与支持向量机SVM（Support Vector Machine）分类结果进行对比。研究结果表明：将光学和雷达图像数据进行离散小波融合,采用分类决策树CART和支持向量机SVM进行图像分类,CART的分类精度要优于SVM的结果。可见,在光学图像HJ1B和雷达数据ALOS/PALSAR融合的基础上,应用CART能有效进行地物识别,提高图像的分类精度。     

砂土液化等级预测的主成分-Logistic回归模型

砂土液化等级的多指标综合预测模型可以分为2种类型:第1类以砂土液化等级分类标准为基础,第2类以实例数据为基础。分别选择砂土液化分类标准生成的数据以及实例数据作为样本,采用主成分分析法对样本数据进行降维处理,以Logistic回归模型来描述砂土液化影响因素与砂土液化等级之间的对应关系,建立了2种类型的主成分-Logistic回归模型。实例应用结果显示,2种类型的主成分-Logistic回归模型都具有一定的可行性,第2种类型的主成分-Logistic回归模型预测结果更符合实际情况,在具有较多实例数据时,更具有应用价值。     

基于 C4．5决策树算法的土质边坡稳定性评价研究

采用神经网络进行土质边坡稳定性评价时，差异性较大的训练样本往往会使评价结果不太理想。针对这一问题引入 C4．5决策树算法，采用多个土质边坡工程的实测数据，运用信息增益率进行分类属性的选择，并对建立好的树体结构进行剪枝操作，建立基于决策树的土质边坡稳定性评价模型。将该模型与 BP 神经网络和 LVQ （Learning Vector Quantization，学习向量量化）神经网络进行对比分析，结果显示决策树模型分类正确率最高，达到90％，模型所用时间为2．24 s，表明把决策树用于土质边坡稳定性评价是合理的。     

融合光谱和几何特征的高分辨率遥感变化检测研究

针对高分辨率遥感影像城市区域地类复杂的特点,提出了一种融合光谱和几何特征的多时相高分辨率遥感变化检测方法。在获取光谱和几何差异影像的基础上,采用模糊分类的方法,进行变化类和非变化类区分,建立各类的隶属度图像。采取基于模糊集理论的融合算法,对各种检测方法获取的隶属度图像进行有效融合,以减小部分区域的模糊度,提高变化类和非变化类的检测精度。采用城区多时相高分辨率影像为实验数据,进行各种变化检测方法的对比与分析,实验结果表明,融合光谱和几何特征的方法所获取的检测结果与光谱、几何差异影像法相比,具有检测精度高、漏检率低的特点。     

干旱致灾临界状态辨识方法

由旱至灾的过程存在一个临界态, 为辨识干旱致灾临界态, 提出了一种基于主成分分析和支持向量机的干旱 致灾临界态的辨识方法。通过主成分分析对反映干旱持续时间、严重程度和极值特征的多个指标进行降维处理, 剔除指标间相关性引起的冗余信息, 再进一步结合当地的历史旱灾记录, 基于支持向量机的分类原理寻求最优分类平面, 对潜在的干旱样本是否致灾进行分类, 由此确定的分类平面就是干旱致灾临界面。该临界面可以直观地揭示干旱的发展过程及趋势, 便于在干旱预警中推广应用。以汉江石泉以上流域为例, 按照一定原则共选取 107 个潜在干旱样本, 并结合历史旱灾记录, 采用上述方法对潜在干旱样本中的致灾样本进行了辨识, 率定期和验证期的准确率分别达到 88.6% 和 78.6% , 识别精度较高。     

大坝实时安全监测虚拟仪器系统

监测系统现广泛应用于大坝和混凝土建筑中。大坝与混凝土建筑的变形、温度和应力应变等状态量中蕴含着大量建筑健康信息。为准确获取这些信息,研究采用虚拟仪器技术、以Visual C 为开发内核来实现高速数据采集及实时处理,同时采用多种预处理方法并建立起基于最大熵谱估计和FFT的多频谱分析系统。实验证明:系统可实时处理高达30MS/s采样率、频率范围达0.1～10MHz的采集信号,具有很好的在线监测、精确分析能力,特别适于利用载波辅助测量的调频系统。     

基于模糊物元的湖泊水质评价模型研究

在模糊物元分析原理的基础上，结合水质评价的特点和海明贴近度的概念，提出了基于模糊物元分析方法的水质评价模型。在对水质进行综合评价时。分别把水质的分类等级和水样作为物元的事物，以它们的各项评价指标及其相应的模糊量值构造复合模糊物元，通过计算与理想模糊物元之间的海明贴近度，实现对水样水质的等级评价和水样排序。研究结果说明：该模糊物元模型简便、通用，计算结果较为客观和稳定，为水质综合评价提供了新的有效方法。     

膨胀土分类的PCA-ELM模型及应用

为更合理确定膨胀土类别,将主成分分析(PCA)与极限学习机(ELM)相结合,提出一种膨胀土分类的PCA-ELM模型。选取能充分反映膨胀土类别的液限、塑性指数、<2 μm胶粒含量与自由膨胀率4项指标进行分析,运用主成分分析对各指标进行相关性处理,依据方差累计贡献率得出2个主成分。将70%的样本划分为训练集,30%划分为测试集,将训练集作为极限学习机输入,并采用十折交叉验证以优化模型参数,从而得到最优分类模型。然后将测试集作为最优模型输入,得到分类结果。最后,选用2个工程实例共32个样本对所建立模型进行验证,结果表明:该模型分类结果与实际较吻合;训练集与测试集分类精度分别达94.20%和79.00%,并具有较快的训练速度。PCA-ELM模型适用于大规模数据的分类预测。     

浙江省相似台风分析与多源信息集成系统

基于Web GIS技术架构,以系统、快捷地预测当前台风的未来可能发展情况,为防台决策提供更为科学的依据为研究目的,开发设计了浙江省相似台风分析与多源信息集成系统。系统分别以台风路径、发生季节、缓冲半径、强度及预测路径等信息为基础,提出了特征相似、预测路径、实时缓冲区和综合匹配等4种相似台风匹配算法。通过相似台风匹配算法对实时台风或历史台风进行相似台风的匹配和相似度分析,并将相似台风路径、雨情、水情、灾情等多源信息进行集成化对比显示,从而预测当前台风的未来可能发展情况。本系统相对于同类系统具有更加丰富和完善的功能,具有较强的应用推广价值。     

基于孤立森林算法的取用水量异常数据检测方法

水资源管理系统中储存着海量的取用水量数据,通过筛选数据中的异常值定位异常取水行为,是水资源监管的重要手段。对取用水量数据中的异常值普遍缺乏明确定义,传统的异常值检测算法在实时性和稳定性方面存在不足。在总结归纳现阶段取用水量异常数据种类、特点的基础上,首先运用平均插值法对可直观识别异常值进行预处理,在预处理后的数据中随机取样训练,建立多个孤立二叉树形成孤立森林,以此为工具对数据样本进行异常值检测。对某供水公司连续两年日取水量监测数据的实证分析结果表明,基于孤立森林算法的异常值检测方法将数据样本的特征通过非监督学习方式存储在森林中,具有更高的稳定性;能够准确检测出数据样本中的异常值,相比于传统最小二乘拟合方法具有更高的检出率。