一种基于像元和面向对象的库塘信息提取方法

多尺度分割方法占用系统资源多、耗时长,并且传统面向对象的分类方法是基于全景影像和已分割好的对象进行分类的,其分类结果需要人工加以完善.针对上述问题,提出一种基于像元和面向对象相结合的高分辨率影像信息提取方法.该方法利用原始QuickBird卫星影像创建一个低分辨率影像的子工程进行对象的粗糙分类,并逐个深入分析对象区域.在此基础上,将提取出来的对象轮廓进行规范化处理.最后用大面积区域的影像进行了库塘提取实验,结果表明,该方法不仅提高了信息提取的效率,而且提取的总体效果较好.     

基于资源一号02C卫星影像的稀土矿区地物提取研究

为解决稀土矿开采区野外调查用时长、成本高等问题,文中利用遥感影像来提取地物信息.全文基于资源一号02C卫星影像,以赣州市寻乌县文峰乡一稀土矿区为研究区,对影像数据进行了预处理,采用最佳的Pan Sharpening融合结果进行多尺度分割,结合目标地物的光谱特征、空间特征、纹理特征等,设置分类规则进行面向对象的信息提取研究,分类结果总体精度为78.71%,达到较好的分类质量.研究结果证明:利用遥感影像提取地物信息具有用时短、成本低、信息量大的优势.     

基于E-cognition的面向对象的高分辨率遥感图像分类研究

高分辨率遥感影像具有丰富的空间以及纹理信息,而光谱信息较弱,若采用传统的基于像元的分类方法,仅从光谱特征出发,在进行图像处理时能够获取的信息有限,导致分类精度较低。为了能够更精确地对图像进行分类,文中利用专业的软件E-cognition采用面向对象的方法对高分辨率影像先进行多尺度分割和光谱辅助分割,之后选取合适的特征空间对河海大学遥感影像进行分类,并利用总体分类精度和Kappa系数等标准对分类精度进行客观评价。实验表明,面向对象的分类方法精度较高。     

基于多级空间上下文LR—CRFs模型的高分辨率影像分类

充分表达和利用目标空间上下文及语义信息是提高高空间分辨率影像分类精度的关键技术,而条件随机场（CRFs）在目标空间上下文建模以及分类预测方面有其独特优势。但是,基于单一尺度分析的CRFs模型存在不能反映目标多层次空间结构及语义关系的问题,因此针对城区高分辨率影像土地利用/覆盖分类问题,在面向对象分类框架下,提出了一种多级空间上下文LR-CRFs模型。该模型定义如下：首先,将影像进行对象层？目标层及场景层的分层表达及分层特征提取,并进行“对象目标场景”的逐层关联;其次,采用逻辑回归（LR）分类器定义CRFs模型的关联势函数,利用分层特征加权的Potts函数定义交互势函数;采用最大积消息传递算法对该模型进行近似推理。利用IKONOS多光谱影像及大比例尺真彩色航空影像进行试验的结果表明：多级空间上下文LR-CRFs模型分类精度高于单一尺度的基于像素层或对象层分割的LR-CRFs模型,其精度平均分别提高了4.63%和2.22%;该方法在一定意义上也缓解了面向对象分类方法中分类结果对分割尺度的依赖程度。     

基于多级空间上下文LR-CRFs模型的高分辨率影像分类

充分表达和利用目标空间上下文及语义信息是提高高空间分辨率影像分类精度的关键技术,而条件随机场(CRFs)在目标空间上下文建模以及分类预测方面有其独特优势。但是,基于单一尺度分析的CRFs模型存在不能反映目标多层次空间结构及语义关系的问题,因此针对城区高分辨率影像土地利用/覆盖分类问题,在面向对象分类框架下,提出了一种多级空间上下文LR-CRFs模型。该模型定义如下:首先,将影像进行对象层?目标层及场景层的分层表达及分层特征提取,并进行“对象目标场景”的逐层关联;其次,采用逻辑回归(LR)分类器定义CRFs模型的关联势函数,利用分层特征加权的Potts函数定义交互势函数;采用最大积消息传递算法对该模型进行近似推理。利用IKONOS多光谱影像及大比例尺真彩色航空影像进行试验的结果表明:多级空间上下文LR-CRFs模型分类精度高于单一尺度的基于像素层或对象层分割的LR-CRFs模型,其精度平均分别提高了4.63%和2.22%;该方法在一定意义上也缓解了面向对象分类方法中分类结果对分割尺度的依赖程度。     

基于多时相遥感影像的北京平原人工林树种分类

为解决传统遥感分类方法区分平原人工造林地树种难度较大的问题,利用4个不同时相的高空间分辨率卫星影像,基于ESP计算方差变化率并结合目视解译获取影像的最佳分割尺度;通过相关系数法筛选构建的特征,进行面向对象的多时相影像和单时相影像分类,并与基于像元分类方法进行对比分析.结果表明:基于多时相影像各类别分类精度为64%,高于单时相分类精度(51%);面向对象KNN方法的分类精度优于SVM和MLC分类方法,两者精度分别为49%和43%.在树种丰富且分布复杂的平原造林林地景观中,利用多时相遥感数据,采用面向对象分类方法用于树种精细分类更具优势.     

面向对象的高分辨率遥感影像城市地物信息提取研究

以沈阳东陵区IKONOS影像为实验数据,采用面向对象分类,构建包含光谱特征、几何特征、纹理特征、拓扑关系等规则的知识库,对城市地物信息进行提取,并将其与基于像素方法的分类结果进行对比分析。研究结果表明：基于多尺度分割的面向对象的分类方法可以有效地避免传统的基于像素分类时出现的＂椒盐＂现象,分类结果更加符合人类的思维方式,更接近真实值,总体分类精度达到92.5%,比基于像素分类方法更适合作为城市地物专题数据库更新的有效方法。     

基于面向对象随机森林方法的滨海湿地植被分类研究

基于Sentinel-2数据,以盐城国家级珍禽自然保护区核心区为研究区,采用基于面向对象的随机森林模型对研究区内的湿地信息进行分类研究. 首先,对影像进行分割处理,计算光谱特征、纹理特征、水体指数、植被指数与纹理特征,并对特征重要性进行排序筛选. 其次,基于此构建5种特征组合方案,并对研究区进行分类,比较不同组合的分类精度找出研究区最优的特征组合方案. 最后,实验表明:通过特征优选后的随机森林算法进行分类效果最好,总体精度达到87.07%,Kappa系数为0.84. 其中互花米草在3种植被中分类精度最高,为97.73%. 证明此方法能够有效提高滨海湿地的分类精度,可用作该区域湿地变化研究.     

面向对象的道路信息识别提取分析

道路信息在城市规划和经济建设中具有非常重要的作用和意义,因而从高分辨率遥感影像中提取道路信息成为当今学术研究热点之一.针对道路信息提取中存在的问题,本文采用面向对象的方法对道路信息进行提取.论文在对影像进行多尺度分割的基础上,采用最近邻分类法结合影像的光谱信息、几何特征及纹理特征所构建的道路对象的知识库对影像中的道路信息进行提取.试验结果表明采用面向对象的方法对道路信息进行提取效果良好.     

基于模糊分割参数优化下的土地利用分类研究

影像分割是分类的基础,分割结果的好坏直接影响分类结果的精度。针对目前存在的分割结果获取通常消耗大量时间且结果因人而异这一现象,文中基于一种模糊分割的参数优化工具—Fuzzy-based Segmentation Parameter optimizer(FbSP optimizer)来确定分割参数,并借助面向对象分类软件eCognition以济宁某一地区高分辨率遥感影像为基础进行土地利用的分类研究。结果表明,利用该工具不仅可以快速确定土地的最优分割尺度,结合eCognition也可较高精度地对土地利用进行分类。