基于高分一号卫星遥感影像的城市绿地提取对比研究

针对目前面向对象方法在高分辨率遥感影像中提取绿地专题信息的特点,文中提出一种利用高分辨率遥感影像提取城市区域范围绿地信息的方法,结合K-T变换和ICA变换,根据地物的遥感影像特征、光谱特征信息和基于阀值的分类技术进行有效波段最优组合及地物分类,从而大幅提高了绿地专题信息提取的精度。研究中提出本方法和基于NDVI的典型绿地提取方法的提取结果进行精度评价,实验结果证明,在城市区域范围尺度上,该方法计算简便且实现了94.97%的高精度和总Kappa系数为0.919 5的评价结果。     

高分影像城市绿地信息提取及分类方法的研究

遥感手段进行城市绿地信息提取已经成为目前城市规划的主流手段。但由于所提取的绿地信息种类繁多,如何对绿地信息进一步的分类成为了一个新难题。为此,采用面向对象的分类方法,通过对遥感影像进行特征分析,建立了一定的规则,成功的对唐山市绿地信息进行了提取、分类,对进行城市绿地规划具有一定的借鉴价值。     

基于高分一号特征优选的CART决策树面向对象分类研究

以陕西省神木县部分区域为研究区,采用国产高分一号影像数据,结合目视解译成果,研究基于多种特征的CART决策树面向对象分类,对研究区的地物类型进行自动提取。在训练样本一致的前提下,利用面向对象最邻近分类优化特征空间工具间接优化决策树特征空间,并与其分类结果相对比,证明CART决策树面向对象分类是一种高效、高精度的分类方法,尤其适用于大数据量的高分辨率遥感影像地物类型自动提取。     

基于面向对象的遥感影像二次分割方法在桥梁提取中的应用

传统的基于像元的桥梁提取方法分类精度低、遥感影像信息得不到充分利用、提取速度慢.据此,提出了基于面向对象的桥梁提取方法,并将利用该方法提取到的影像进行二次分割.以Econgition为平台进行提取实验,结果表明:基于面向对象的桥梁提取方法提取速度快、精度高.     

面向对象分类法提取城市绿地及景观格局分析

基于2014年江阴市卫星影像资料,运用面向对象分类法对中小型城市江苏省江阴市城市绿地信息进行提取,在Arc GIS软件中的Patch Analyst控件的支持下,运用景观生态学的原理与方法,对江阴市市辖街道景观格局进行分析。得出以下结论:(1)绿地景观斑块等级结构分析中,小型绿地景观斑块数量多,分布广,绿地斑块分布不均,结构不尽合理;(2)绿地景观多样性指数不高,破碎度较大,人为干扰较为严重;(3)绿地景观平均分维度处于中等水平,斑块形状较为复杂。     

引入SPP的高分辨率遥感影像深度学习分类方法

当前,深度学习技术与传统的面向对象技术相结合的分类方法已经较好地应用于高分辨率遥感影像的分类任务当中,但是仍存在如下问题:高分辨遥感影像地物目标复杂,依靠单一数据源进行分割效果不佳;标准的卷积神经网络只能接受固定尺寸大小的输入,分割对象在拉伸变形至固定尺寸的过程中会造成信息的损失.该文首先结合DSM数据进行协同分割,获得更佳的分割结果;然后将空间金字塔池化层(Spatial Pyramid Pooling,SPP)引入卷积神经网络中,构建了一种能接受任意尺寸输入的深度学习面向对象分类模型,从而令分割对象的特征表达更完整,以提高影像分类精度.实验结果表明:引入空间金字塔池化层的高分辨率遥感影像深度学习分类方法,可有效提高影像分类精度,进而得到更加真实可靠的分类结果.     

采煤沉陷湿地高分辨率遥感精准监测方法与应用

为实现对采煤沉陷区管理和治理成效的科学评定,开展采煤沉陷湿地地表覆盖和生态系统变化监测工作具有重要意义.文中以唐山市南湖采煤沉陷区为研究区域,提出了一套利用高分辨率遥感影像WorldView数据进行精细化地表生态系统分类的技术流程和方法.该方法主要基于采煤沉陷湿地生态系统分类体系划分、遥感影像多尺度分割、面向对象的特征提取三个主要步骤,通过分类对象的解译标志库建立和样本集的训练,建立与当地分类系统相适应的决策树指标和结构;然后,通过决策树的子分级,进行各生态系统类型的不断掩膜和提纯,最终实现单个分类类别的最终分类.经精度评定,该方法的总体分类精度达到了94％,最小识别积水区达到20 m2,可以有效获取采煤沉陷区域地表生态系统精细分类信息.通过对2020年南湖区域生态系统分类结果的分析,得出了2020年南湖地区景观类型多样,物种丰富,生态稳定性较强,虽然自然生态系统和人居生态系统相互作用,但景观格局协调、稳定的结论.获取了2015～2020年间各生态系统类别面积变化情况,得出了唐山市南湖地区2015～2020年总体呈现自然类型生态系统退化、人工表面扩张、自然生态系统向复合型生态系统转化的趋势的结论.     

基于遥感的城市绿地提取研究

针对遥感技术提取城市绿地所存在的争论,分两步对城市绿地信息提取展开了研究:(1)分别以三种不同的处理方法(植被指数法、KT变换法、像元线性分解),提取了研究区域ETM 影像的绿地信息.(2)针对同一方法(植被指数),提取了三种不同分辨率遥感数据(ETM 、SPOT、Quick Bird)的绿地信息.实验结果表明:三种方法中植被指数是提取城市绿地的最佳方法,SPOT影像则是所有实验数据中绿地信息提取效果最好的.     

尾矿及固体废弃物遥感信息提取与解译

采用2014年1月Quickbird拍摄的高分辨率遥感影像数据,对尾矿及固体废弃物的光谱、纹理以及空间几何特征进行分析,确定了尾矿及固体废弃物的最佳分割阈值为30和最佳合并阈值为90。通过对分类结果计算混淆矩阵,得出本次实验规则分类的总体精度为94.15%,提取精度相对较高。     

遥感自动解译技术在饮用水源保护区环境监测中的应用

近年来，随着人类活动范围扩大以及人类活动日益频繁，饮用水源地的生态环境受到人类活动影响，对饮用水源地生态环境保护任务越来越艰巨。文章以遥感自动解译技术为基础，研究适合某饮用水源保护区的自动解译模型，提取饮用水源保护区的土地覆被信息，可用于分析土地覆被变化情况和动态变化趋势，为饮用水源保护区环境保护、管理和生态恢复提供科学的决策依据。利用监督分类和面向对象分类两种方法分别对饮用水源保护区遥感影像进行自动解译，并对比分析两种方法得到的土地覆被分类结果，最终得出的结论是面向对象分类的精度更高，且面向对象分类结果更利于进行变化监测，也与GIS分析有更好的兼容性。     

露天石灰岩矿开采范围信息自动提取研究

以唐山市的露天石灰岩矿为研究对象,Landsat遥感影像作为基础数据,使用面向对象的方法,选择多个分割尺度生成不同的影像对象层,确定适用于露天石灰岩矿分类的光谱特征、空间特征、层次关系特征,并构造特征空间,运用最近邻模糊分类算法进行石灰岩矿山开采范围信息提取。结果表明该方法能够充分利用地物样本特征并避免固定阈值的缺陷,提高露天石灰岩矿开采范围信息提取的精度以及自动化程度。     

基于高分辨率遥感影像的城市道路提取方法研究

高分辨率遥感影像为用户提供了丰富的地表细节信息,如何利用图像分析技术从高分辨率遥感影像中进行目标提取,更新地理信息数据库,成为遥感信息处理研究的热点.采用面向对象分类法进行城市道路提取方法研究.首先,对影像进行分割获取影像对象,再通过对影像中道路特征的分析,利用影像对象的光谱特征、几何特征和空间关系建立知识库,最后,利用知识库中的规则来提取影像中的道路.以厦门某城区高分辨率影像进行了道路信息的自动提取实验,其面积一致性总体精度为88% ,形状一致性总体精度为90.13%.结果表明,面向对象法对于城市道路的提取和更新应用,具有一定的实际意义和推广性.     

面向对象的塌陷地提取

针对塌陷地的光谱特征和空间结构特征的特点,采用一种面向对象的技术,实现了塌陷地的信息提取。首先,采用形态学方法建立滤波器,对影像进行形态学重建,然后对影像进行分水岭分割,将影像进行多尺度分割后,影像被分割为多个相互独立的闭合区域,并且每个区域作为一个独立的对象,计算每个对象的光谱、形状、纹理等等各种特征,并把它们作为分类的依据;其次,根据提取专题的不同进行特征选择;接着根据所选择的特征选择分类器进行塌陷地提取。     

浅论基于面向对象的遥感图像分类

传统的基于像素的统计特征的分类方法在处理高分辨率影像的分类问题上遇到了很大的困难.介绍了面向对象与基于像素的分类方法,探讨了基于面向对象的遥感影像的模糊分类方法在地物分类中的新思路.并且通过了展示利用ecognition进行的的一个分类实例,阐述了面向对象的模糊分类技术的软件应用.     

多特征融合的遥感影像河流提取方法

针对遥感影像河流识别率较低问题,文中提出一种多特征融合的遥感影像河流提取方法。该方法首先利用多尺度分割算法将影像分割为不同的对象,提取影像对象的水体指数、阴影水体指数、局部纹理与颜色等特征,利用极限学习机进行训练和识别;然后,对极限学习机的粗检测结果利用多判据软投票法优化获得最优的水体检测结果;最后,利用高分二号数据进行实验,检测准确率达94%以上,实验结果表明该方法可以有效地提取复杂背景下的河流。     

基于深度学习的无人机影像建筑物自动提取

在无人机影像建筑物自动提取过程中,传统地物分类算法其精度已无法满足生产过程中的分类要求。为此,文章提出以深度学习技术结合条件随机场应用于无人机影像建筑物的自动提取方法。首先利用基于残差模块的卷积神经网络对图像进行特征提取,然后利用全卷积对图像进行反卷积,恢复图像特征。基于初步分类结果,利用条件随机场模型进行边缘细化。通过对实验结果进行分析,验证了该算法应用于无人机影像建筑物自动提取的可行性。     

标准最邻近分类法在道路提取中的应用

遥感影像分类的过程即是把分割出来的遥感影像对象和语义类层相互联系在一起,从而使影像对象具体安排到对应的类别中。传统的分类方法不能完全利用遥感影像特征,造成了影像特征空间数据的冗余。为此,将标准最邻近分类法应用到遥感影像信息提取中,并以Econgtion为实验平台进行道路提取。结果表明:这种提取方法操作简单,分类提取的精度较高。     

基于See5.0算法的决策树构建与分类研究

文中以地形较为复杂的济南市长清区为研究区域,综合TM影像的光谱特征、纹理特征与区域内的地形特征、植被特征信息作为样本集的属性值,结合研究区内6种主要地物类型训练数据集,基于See5.0的决策树分类法进行分类实验,并在ENVI中提取土地的利用现状信息.实验结果表明:综合利用不同的特征数据会有效的提高分类精度;See5.0和ENVI相结合可以高效、高精度地、客观地实现土地覆盖分类,是基于知识的遥感影像分类的有效的方法.     

SPOT-5影像在安徽省矿山地质环境遥感监测中的应用

通过图像预处理、几何纠正、影像融合、数字镶嵌和图像增强等影像处理方法,制作了安徽省SPOT-5遥感影像图,采用面向对象的分类解译方法,对矿山开采造成的地面塌陷、崩塌、滑坡和水体污染等地质环境问题进行了逐一解译。安徽省地面塌陷区主要集中在淮南、淮北和宿州市,滑坡主要分布在露天开采的铁矿、石灰岩矿和方解石矿区。表明SPOT-5遥感影像数据能够有效地应用于矿山地质环境调查。     

唐山市及周边地区矿业开发占地现状遥感调查

以SPOT-5高分辨率卫星影像为信息源,获取唐山市及周边地区矿产资源开发现状空间数据库,以ETM+中分辨率卫星影像为信息源,对唐山市及周边地区进行土地利用分类,并结合野外实地踏勘对结果进行查证,然后在GIS支持下对土地分类结果和矿产资源开发空间数据库进行拓扑分析,以此对唐山市及周边地区矿产资源开发土地占用情况进行了调查.结果显示:唐山市及周边地区矿产资源开发共占地6 978. 524 hm2,其中农用地5 015. 139 hm2,建筑用地889. 345 hm2,未利用地1 074. 04 hm2,分别占总占地面积的71. 8%、12. 7%和15. 5%.