面向对象的土地覆盖信息提取方法研究

利用遥感方法提取土地覆盖信息时,常用的自动分类方法只能利用遥感数据的光谱信息,而面向对象的分类方法在综合利用遥感数据光谱信息、纹理特征、拓扑关系和加入专题信息进行多尺度分割获取对象后的基础上,通过对对象的目视识别建立模糊判别函数来进行分类。利用面向对象的方法成功提取了三峡库区奉节县中部的土地覆盖信息,得到了较为满意的结果,利用野外采样数据进行验证其精度达89.2%。     

基于对象级的高分辨率遥感影像分类研究

依据高分辨率遥感影像的特点,结合深圳市QUICKBIRD数据提出一种基于多尺度分割的对象级遥感分类方法。文中首先利用分形网络演化法(FNEA)进行多尺度图像分割,获取对地表实体更具代表性的图像对象,然后利用对象所包含的光谱、空间特征来确定地物识别中可能要用到的各种特征参数,最后通过构建语义结构实现了研究区地物的逐级分层分类。研究结果表明,本文所采取的方法比传统方法在分类精度上有了明显的提高,为高分辨率遥感影像的信息提取提供了新的技术途径。     

基于决策树规则的面向对象遥感影像分类

高分辨率影像包含了丰富的空间信息,这使得基于像素的传统分类方法的分类精度受到局限.基于此,本文对面向对象的分类方法进行了探讨.首先,利用图像的光谱和形状因子对图像进行合理的分割.然后,建立决策树分类判别知识库,将对象归属到某一类上并进行分类.结果显示,面向对象方法的分类精度较传统分类方法有了很大程度的提高,这为通过建立决策树知识库对地物光谱混杂的城区分类提供了一种有益的尝试.     

基于轻量语义分割网络的遥感土地覆盖分类

高分辨率遥感图像有丰富的空间特征, 针对遥感土地覆盖方法中模型复杂, 边界模糊和多尺度分割等问题, 提出了一种基于边界与多尺度信息的轻量化语义分割网络. 首先, 使用轻量化的MobileNetV3分类器, 采用深度可分离卷积来减少计算量. 其次, 使用自顶向下和自底向上的特征金字塔结构来进行多尺度分割. 接着, 设计了一个边界增强模块, 为分割任务提供丰富的边界细节信息. 然后, 设计了一个特征融合模块, 融合边界与多尺度语义特征. 最后, 使用交叉熵损失函数和Dice损失函数来处理样本不平衡的问题. 在 WHDLD数据集的平均交并比达到了59.64%, 总体精度达到了87.68%. 在DeepGlobe数据集的平均交并比达到了70.42%, 总体精度达到了88.81%. 实验结果表明, 该模型能快速有效地实现遥感图像土地覆盖分类.     

基于高分辨率遥感影像的城市土地利用变化研究

城市土地利用主要是满足城市社会经济活动的空间占用需求,同一城市用地类型在某一空间的土地覆盖可能随着投入的变化而改变,因此完整的城市土地利用变化应包括：城市土地利用类型的变化、城市土地利用强度的变化和城市土地利用空间变化。本文运用遥感和地理信息系统技术,以高分辨率遥感影像为基础信息源,对1994年和2002年石家庄市两期城市土地利用变化进行研究。结果显示：（1）石家庄市城市各种用地比例合理,用地功能分区明显;（2）8年间城市土地利用面积变化速度很快,综合动态度达O．67％,其中以耕地减少最快,年减少率达到6．88％;（3）8年间综合城市土地利用强度动态度为1．23％,建筑面积变化速度比较快,其中商服用地和居住用地利用强度增加最大,分别达到1O．04％和3．31％。     

基于IKONOS影像的海岸带土地覆盖分类

海岸带是一个特殊的地带,有着特殊的地理位置和丰富的自然资源,在人类社会发展中有着极其重要的作用。本文讨论了在海岸带土地覆盖/利用分类中存在的几个问题:①由于缺少控制点,引起的海岸带遥感影像的纠正问题;②海岸带遥感影像的融合问题;③传统海岸带遥感影像的分类问题。通过IKONOS影像和面向对象的分类方法的使用,解决了这几个问题,并进行了实验。     

基于高分遥感影像的露天矿区土地利用动态监测——以平朔矿区为例

煤炭能源是我国能源体系的重要组成部分,煤炭的露天开采相较于井工开采对周边环境影响更加深远。平朔矿区是我国早期开发的露天矿区,主要采用边修复边开采的露天开采模式,导致矿区内部土地利用变化较快,亟需高效、准确提取各类地物类型及监测其生态恢复情况。以多期高分辨率影像为数据基础,通过多尺度分割和机器学习的面向对象分类方法,提取了研究区2013～2020年的土地利用信息,并进一步分析了平朔露天矿区的土地利用动态变化情况。结果表明：2013～2020年,矿区逐年向东迁移,矿区面积减少7.84 km²,农田面积减少36.08 km²,林地和草地面积增加64.77 km²,水体、排土场、矿区面积减少低于10 km²。研究区内土地利用面积变化分析结果表明,绿色矿山建设效果显著。结合平朔煤矿绿色发展政策,本研究将为绿色矿山建设评价提供方法和数据支撑。     

面向对象的高分辨率遥感影像道路自动提取实验

传统的遥感影像道路提取,主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低,效率差,而且依赖参与解译的人,在很大程度上不具备重复性。本文采用面向对象的分类技术,充分利用高分辨率遥感影像中丰富的空间结构信息和地理特征信息,针对实验区中的不同道路类型,在不同尺度下自动提取出道路信息。同时,本实验还提供了一种提取道路的普遍性规则集,提高了道路提取的自动化水平。通过实验表明:该方法提取速度快、精度高。     

基于高分辨率遥感影像的不透水面信息提取方法研究

不透水面是城市地区的典型特征,它与城市总用地面积的比值--不透水率作为一个重要的城市生态指数常出现于城市水文、水质、面源污染以及城市植被制图等研究中。利用高分辨率遥感影像提取不透水面不仅可获得较高精度的不透水面信息,而且可为中低分辨率遥感影像的不透水面提取提供样本训练区并检验其提取精度。本文利用南京IKONOS影像,采用面向对象分类方法提取不透水面信息,初步解决了阴影归类和遮盖不透水面的植被剔除等问题,提高了不透水面信息提取精度。     

基于面向对象信息提取技术的城市用地分类

针对高分辨率遥感影像的城市用地分类,引入了面向对象的信息提取技术,并将其与传统基于像素光谱信息的分类方法进行了比较。在此基础上详述了面向对象信息提取的关键技术---多尺度影像分割和基于分割的分类技术。以城市作为研究区,实现城市用地的自动分类。图像处理过程包括几何校正、HIS融合、图像分割和图像分类。最终分类结果表明:视觉上,面向对象信息提取技术克服了传统方法无法克服的“椒盐”噪声的影响;精度上,面向对象信息提取技术的总体精度高达84.82%,比最大似然法的总体精度提高了10.95%,并且各类地物信息的提取精度均有所提高,其中草地、道路、建筑物阴影的精度较高。     

Error Analysis of Change Detection based on Land Cover in High Resolution Remote Sensing Images in Urban Areas

Land use/land cover change detection using high spatial resolution remote sensing image is an important content in land monitoring.However,the problems of shadow,image registration,threshold selection,detection method selection and image post-processing are more prominent in high-resolution images compared with that in medium and low resolution images,which result in more difficulties and uncertainties.Change detection of land cover was carried out base on aerial color images between 2009 and 2012 in Xianlin District of Nanjing,and the errors were analyzed in terms of intra-class and inter-class.The results show that the inter-class error accounted for 97.6% in the omission error,and the intra-class error accounted for 87.1% in the commission error.According to the error sources,72.6% of the false negative pixels are derived from the detection method,43.6% of the false positive pixels are come from detection method while 39.7% from radiation inconsistent.The analysis results in the paper provided reference for the development of new change detection algorithm.     

基于高分辨率遥感影像的面向对象城市土地覆被分类比较研究

针对高分辨率遥感影像的城市土地覆被信息提取,根据分类目的与精度要求的不同,分别引入了优化与广义两种面向对象分类方案,并对分类的结果进行分析比较。结果表明:①优化方案的分类结果总体上要比广义方案好,前者的总体精度为86.50%,相比后者的80.50%提高了6.0%,而总体Kappa系数提高了0.0851,但是该方案效率低,可移植性差;②广义方案的分类结果虽然精度略低,但是该方案具有很强的适用性与可移植性,能够在精度可控范围内,很大程度提高分类效率,实现系统而有效的自动分类;③广义方案得到的分类结果具有一致的精度,在利用其建立城市生态模型中能够保证数据之间的系统性与鲁棒性。因此,利用优化方案能够提高分类结果的绝对精度,而广义方案对于实时精确获取城市土地覆被信息、小尺度上定量监测与评价城市化的生态后果以及有效开展城市土地规划与管理具有更重要的意义。     

土地利用/土地覆盖遥感变化检测方法新进展

土地利用/土地覆盖变化检测是资源环境研究中的一个重要方面,准确、及时的变化信息为人类资源环境的生产和管理提供了决策支持。遥感技术具有实时、快速、覆盖范围广、多光谱、周期性等特点,给土地利用/土地覆盖变化检测提供了理想的数据基础。人类社会的发展对土地利用/土地覆盖变化检测的精度与效率不断提出新的要求,这也使得一些新技术、新方法引入到变化检测中。这些新技术新方法提高了土地利用/土地覆盖变化检测的精度,但在效率方面有待进一步研究。     

基于RS与GIS技术的川西高原土地利用/覆盖现状调查研究

选择川西高原的部分地区为研究区,以地形图、TM及ETM+影像为数据源,通过野外调查和目视解译作为信息提取手段,运用遥感技术与地理信息系统的空间数据库进行管理和空间分析,建立了研究区12个子河段的土地覆盖/利用的地形图数据库、TM/ETM+影像数据库。解译结果图形数据库和属性数据库,并通过分析确定了各个子区的土地覆盖/利用情况,研究结果表明高覆盖高寒草甸、高寒灌丛草甸、乔木林地和灌木林地是该区的主要土地覆盖类别,它们的面积占到整个研究区面积的84.14%,这也说明该地区植被覆盖较高,同时基于GIS的空间分析发现研究区植被覆盖具有较强的高度带分布特征。     

成像光谱技术在土地利用动态遥感监测中的应用研究

随着数字化调查技术的发展，国土资源管理对土地利用动态遥感监测提出了更高的要求，目前主要采用的多光谱数据由于受光谱分辨率限制以及“同谱异物，同物异谱”现象的影响，难以满足管理需要。成像光谱数据具有较高光谱分辨率。在类别细分方面具有一定的优势，在当前土地利用动态遥感监测中具有一定的应用潜质。该文针对成像光谱数据特点，探索了与成像光谱数据相适应的土地利用动态遥感监测方法，提出了异常光谱检测法，该方法在试验区应用中取得了良好效果。     

基于高分辨率遥感影像的城市用地分类研究

针对城市用地的遥感分类应用问题,本文首先分析了传统遥感技术在遵循城市用地分类标准开展土地分类工作的难点,进而引入语义特征并提出了城市遥感影像分类体系以指导高分辨率影像的人工判读,最后讨论了该体系与基于高分辨率遥感影像的"像元-基元-目标"计算模式进行统一的可行性。     

基于遥感和GIS的东亚土地覆盖年际变化研究

土地覆盖的年际变化是以土地覆盖的宏观分布模式为基准，在外界驱动因子的作用下发生的年与年之间的变化，因此，为揭示东亚地区土地覆盖的年际变化特征，首先选取东亚地区时相一致的不同空间分辨率（1km和8km)的NDVI影像进行了非监督分类，并总结了东亚土地覆盖的宏观分布模式，然后以时间序列的8kmAVHRRNDVI数字影像为基础，应用跨平百分率分析方法生成每年5-9月距平百分率分级影像，并以该影像为基础分析总结了东亚土地覆盖的年际变化特征，结果显示，该方法及其揭示的现象比较客观地反映了东亚土地覆盖年际变化特征。     

吴哥遗产地土地利用/土地覆盖变化遥感分析

吴哥窟是柬埔寨的象征,近年来深受严重的环境问题的困扰。利用长时间序列卫星影像,采用最大似然分类方法,提取吴哥遗产本体及周边区域近30年土地利用/土地覆盖及变化信息,并基于转换矩阵方法分析各土地类型变化规律,最后利用野外地面实测数据对分类精度进行了验证。研究表明:基于光学影像的吴哥遗产地土地利用/土地覆盖分类精度可达81.4%;遗产地周边建设用地增加迅猛;林地面积大量减少,主要转化为农业用地及草地;农业用地显著增加,来源于裸地及林地;水体和湿地变化较少;导致吴哥土地类型变化的主要驱动因素是旅游业带来的资源过度开发、森林大量砍伐,吴哥遗产的原真性、完整性和蕴含的历史与文化价值也正遭受极大威胁。     

遥感影像土地利用/覆盖分类方法研究综述

从六个方面总结了国内外出现的遥感影像土地利用／覆盖分类中针对传统计算机分类方法的改进：(1)从基于统计的分类向基于非线性并行处理的人工神经网络分类、基于模糊理论为分类、基于知识的分类以硬支撑向量机等分类技术发展；(2)分类从单一利用光谱信息到利用光谱、纹理、时相、角度等多砷信息；(3)从基于像元的逐点分类到基于图斑的分类；(4)从硬分类到亚像元分类；(5)从单源遥感影像分类到利用多源遥感影像融合的分类；(6)从单分类器向复合分类器发展。     

基于分层分析的ASTER 影像土地利用/ 覆盖遥感监测研究

以龙海市为实验区, 利用ASTER 遥感数据, 在研究区典型地物光谱特征系统分析的基础上,进行基于分层分类思想的地物分类提取方法研究。首先将影像划分为独立的子区( 水体、植被覆盖区和非植被覆盖区域) 以避免分类过程中光谱的互相影响; 然后在每个独立的子区基础上根据各类地物的不同光谱特征和空间特征, 对各类地物进行逐层掩模、分层提取。结果表明该方法优于传统的监督和非监督分类效果。