土地覆盖分类影像融合与精度评价研究

影像融合技术可以使遥感影像具有高光谱和高空间分辨率的效果,实现不同空间、光谱、时间等多种分辨率的信息资源互补,从而提高图像的空间分辨率,提高图像的几何精度.文章利用ERDAS软件,对遥感影像数据进行融合,采用乘积变换、PCA变换、Brocey变换、小波变换等遥感影像融合方法对多光谱与全色影像进行融合和土地覆盖分类研究.通过结合图像的光谱统计参数和融合图像的分类精度,对这些方法的分类精度进行评价.这4种方法对于原始影像分类精度,均有不同程度的提高.而小波变换所得融合影像与原多光谱影像的相关系数最大,均方差、平均梯度和信息熵最大,偏差指数最小,影像所含信息量最多;在光谱特性、图像清晰度、对于空间细节信息的表现能力上其它三种方法都好,所得融合影像的分类精度也是最高的.小波变换更适合融合影像的土地覆盖分类研究.     

基于Sentinel-2A的太行山区土地覆被分类方法研究

以太行山区为研究对象,基于Sentinel-2A遥感影像数据,采用基于像元和面向对象分类两种策略,定量分析不同特征组合模式下,最大似然法(ML)、贝叶斯(Bayes)、支持向量机(SVM)、决策树(Decision Tree)以及随机森林(RF) 5种分类方法在该区域地表土地覆被信息分类中的表现差异。结果表明:(1)基于像元的RF分类器取得了最高精度,仅使用光谱特征参与分类和使用光谱、红边、指数特征参与分类的总体精度分别为96. 85%和96. 64%。(2)红边和指数特征的加入能够对各分类器分类精度产生不同程度的影响,即使基于像元的RF和面向对象的CART决策树总体精度有所下降,但降幅均在0. 5%左右,其他分类器精度均有所提升。     

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.     

基于GF-1和MODIS时序NDVI的种植结构提取

为提高作物识别精度、扩展数据适用范围,以两幅16 m空间分辨率的高分一号(GF-1)数据和23幅250 m分辨率的MODIS数据为数据源,首先进行GF-1的监督分类和MODIS NDVI时间序列的构建,然后利用监督分类结果和时间序列数据共同构造决策树模型,对石津灌区的主要作物进行遥感解译。由地面样本点和随机点进行精度检验,总体提取精度达到93. 13%,较单纯的监督分类,解译精度提高10%以上。结果表明该方法不仅能较好识别作物时空分布信息,而且能更好地发挥数据各自的优势。     

基于自编码网络特征优化的城市高分遥感影像分类

高分遥感影像不仅地物比较清晰,而且可分辨能力强,能提供丰富的地物细节信息.为了更好地将各地物从遥感影像中提取出来,需要一些比较好的特征提取与特征优化方法.以北京市大兴区的WorldView-2高分遥感影像作为研究对象,基于eCognition软件和Matlab的DeepLearn Toolbox,利用自编码网络方法,进行遥感影像的特征提取与特征优化.实验中首先利用eCognition进行多尺度分割并提取42个特征,再利用自编码网络算法进行特征优化得到12个特征,最后将原42个特征影像分类结果与优化后特征子集影像分类结果进行对比.实验结果表明,经过自编码网络的特征空间优化后,减少了特征冗余,降低了干扰信息对分类精度的影响,分类精度、分类效果及分类效率都有所提高,优化后的特征空间是适用于高分遥感的地物分类的.     

基于知识分类法的TM遥感影像景观分类制图——以武汉市为例

遥感影像景观分类制图的关键是选择合适的遥感影像分类方法,以降低分类误差、提高分类精度。以武汉市Landsat TM遥感影像为例,利用基于知识的决策树分类法对遥感影像的景观分类制图方法进行了研究。结果表明:知识分类法在一定程度上避免"同物异谱"所造成的分类误差,实现较高的分类精度,是高效、可行的遥感影像景观分类方法之一。在实际操作中分类变量及阈值的确定是遥感影像知识分类的关键步骤。     

基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

基于ENVI的CART自动决策树多源遥感影像分类——以北京市为例

以北京市为研究对象,基于CART自动决策树的遥感影像分类方法,使用遥感处理软件ENVI实现该算法,并将分类结果与神经网络、支持向量机等作比较。结果表明,CART自动决策树分类效果良好,精度较高。     

基于SVM不同核函数的多源遥感影像分类研究

选取同地区同时相的多光谱和高光谱影像,在实验样本和验证样本相同的情况下,采用SVM分类算法中4种不同的核函数,对2种影像进行分类实验.结果表明,对于多光谱影像,RBF核函数分类精度最高,Sigmoid最低;对于高光谱影像,Linear核函数分类精度最高,Sigmoid最低;对于同地区相同分辨率的遥感图像,在分类条件相同的情况下,多光谱影像的分类精度和高光谱的分类精度相近.     

多元遥感影像数据融合研究

由于遥感数据越来越丰富,不同传感器获取的影像数据在几何、光谱和空间分辨率等方面存在着一定的局限性和差异性。全色波段和多光谱影像融合得到的影像,兼有全色波段的高空间分辨率和多光谱影像的高光谱分辨率特性,可以满足影像解译的需求,而且融合后更能突出影像的某些特征：如土地利用变化和森林覆盖的变化等等。本文主要是介绍遥感影像融合的基本原理、融合后影像的评定和分析,并且将以主成份影像融合、IHS变换与直方图匹配法的遥感影像融合,进行以南昌市部分地区Quickbird全色影像和多光谱影像的融合实验分析。     

MKFCM算法在遥感影像分类中的应用研究

模糊C均值聚类(FCM)算法对遥感影像进行分类时,没有考虑像元间相关性的问题,为增加像元间相关性信息,提出了多核模糊C均值聚类(MKFCM)算法,即将多个核函数引入到FCM算法中,依据像元在特征空间中的分布特点,自动筛选出核函数间的最佳权重组合,并以中高分辨率Landsat8影像和高分辨率Pleiades影像为研究数据。通过对FCM、KFCM和MKFCM算法分类结果的精度分析可知,对于不同分辨率的遥感影像,MKFCM都能更好地区分具有相似光谱信息的像元,而且无论是单个类别的精度还是整体的分类精度都高于FCM和KFCM算法,这为精确提取区域土地覆盖信息提供了有效途径。     

基于视觉显著性的高分遥感影像变化检测

随着遥感科学技术的快速发展,对地观测数据的时间、空间分辨率以及光谱分辨率都得到了显著的提高.然而面对目前丰富的影像信息,传统的遥感影像处理算法难以进行快速、准确、全面的解译,因此高分影像就不能彰显出它的优势.由于视觉注意机制的显著性具有速度快、定位准的优势,利用人类视觉注意机制的显著性来研究多时相高空间分辨率遥感影像的变化检测技术,并通过新的显著性计算模型,模拟人类视觉对显著变化目标信息的捕捉机制,来实现高分影像真实变化目标的快速高精度提取.在显著变化目标提取过程中尽可能的使显著图分辨率与原影像一致,防止失真,并且解决了虚警率、漏警率和总错误率相互冲突无法同时降低的问题.     

遥感成像系统MTF参数测定的刃边法改进

针对现有研究中刃边地物选取的主观性比较强的问题,提出用Canny边缘探测器得到二值边缘图,再应用Hough变换得到候选刃边,最后通过候选刃边倾斜角度判断的方法,来自动提取高分遥感影像上满足刃边法测定要求的刃边地物。结果表明,应用该方法能够得到精度较高的高空间分辨率遥感成像系统的调制传递函数参数值。     

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。     

Landsat TM在山区生态环境动态监测中的应用——以广西兴安县为例

以广西兴安县为研究区,采用多时相陆地卫星遥感数据,通过不同波段组合,以及归一化差异植被指数(NDVI)、数字高程模型等,详细分析了各地表地物光谱特征和空间特征,以分区分类为主导思想,采用决策树方法进行分类,得到了具有较高精度的分类结果图.并基于不同时相分类结果的变化检测,定量分析了研究区生态环境的动态变化.结果表明,自1991年至1999年近10年间,研究区植被退化,耕地大量减少,水体、荒草地、城区用地增加,兴安县的生态环境处于逐步退化状态.     

ALOS影像提升小波融合的土地覆被分类研究

根据提升小波变换原理,结合小波变换和色调、强度、饱和度变换(IHS变换)融合方法的优点,提出了提升小波变换影像融合模型,用于提高遥感影像土地利用/土地覆被基础信息解译精度.采用对比分析方法,以长江口北岸的日本先进陆地观测卫星(ALOS)影像融合为例,综合影像主客观综合评价和影像分类Kappa系数值,将提升小波融合方法与传统融合方法进行对比分析研究.结果表明:提升小波融合模型优于传统融合方法,该模型在提高影像空间分辨率的同时,能更好地保持影像光谱信息,从而有效地提高了遥感影像解译土地利用/土地覆被基础信息的精度.     

基于关联性的动态分类模型—以皮肤与体质为例

关联性识别对于系统演化规律的确定意义重大,从测试数据累积、更新的视角,针对皮肤指标与中医体质之间的关联性进行探索,构建分类模型。提出基于建模数据动态修订决策树和模糊朴素贝叶斯融合算法的权重,建立具有较好分类及解释性的分类模型。其中决策树采用最佳后剪枝方式,避免过拟合弊端;朴素贝叶斯算法则通过定义指标归属区间的模糊隶属度来解决属性分类中存在的随机与模糊性。实证结果表明随着建模数据的变化,分类模型的融合权重动态调整,目前模型的准确率为86.7%,高于独立决策树、朴素贝叶斯的83.3%和80%,亦高于对照组小数据分类模型的76.7%。可见此动态分类模型可有效利用参与建模的数据信息识别出外在皮肤与内在体质之间的关联性,为皮肤-体质间的定量研究奠定了基础。目的：针对人体面部皮肤状态指标与中医体质类型之间的关联性进行科学、定量研究,从测试数据持续累积与知识发现深入推进的过程视角,尝试揭示人体内在中医体质与外观皮肤状态指标间的复杂动态演化规律。方法：本文综合小样本条件下决策树的良好归纳特性及大样本条件下贝叶斯算法分类准确率高的优势。提出基于建模数据量会不断增多的趋势,构建可自适应修订决策树和模糊朴素贝叶斯融合分类算法的权重,以适用于测试数据从小到大积累过程中分类模型均具有较好分类特性及可解释性的应用要求。其中决策树采用最佳后剪枝方式,避免了常规决策树存在的过拟合弊端;朴素贝叶斯算法则通过定义指标归属区间的模糊隶属度来解决皮肤属性测试与分类中存在的随机性与模糊性。结果：实证结果表明本文提出的分类模型的融合权重可动态调整且随着建模数据的增多分类精度会相应提高。目前对应151个建模数据的分类模型的分类准确率为86.7%,高于独立决策树、朴素贝叶斯的83.3%和80%,亦高于对照组80个建模数据对应分类准确率的76.7%。结论：可见此皮肤—体质动态分类模型通过有效利用参与建模的数据信息,能识别出人体面部外观皮肤状态指标与内在中医体质之间的复杂关联性,建立的分类模型具有较好的精度与可解释性,为基于数据驱动的中医理论的科学化、智能化发展进行了有益的探索。     

基于规则的遥感影像分类方法研究——以黄山市为例

介绍了决策树C4.5算法,并利用该算法实现了对遥感数据规则的挖掘,在此基础上设计并实现了针对于C4.5规则的编辑器,通过该编辑器能够实现对规则的编辑与管理。规则编辑器的设计与实现,为在分类过程中人工的干预提供了可能。将人工干预与基于数学理论规则的自动提取相结合,尤其是在地形较复杂的地区,将有利于分类精度的提高。利用黄山市Land Sat TM影像,进行了基于C4.5算法自动提取规则的遥感影像分类实验。实验结果表明,利用C4.5算法提取的分类规则准确率高,利用提取的分类规则进行的遥感影像分类效果较好。     

我国高分遥感近十年林业应用研究进展

2013年以来,随着我国高分遥感不断发展,高分影像在森林参数提取、森林资源调查和森林灾害监测等林业细分领域得到了广泛应用。本文总结了高分遥感在上述领域的研究进展,梳理了高分影像相关的定量分析方法,重点介绍了多元线性回归、随机森林、支持向量机、BP神经网络、像元二分类法、面向对象分类法等较为常用的6种定量分析方法及其应用特点。     

基于深度学习的高分辨率卫星影像地表覆盖分类方法

针对高分辨率卫星影像地表覆盖自动化分类精度与效率问题, 在深度学习的地表覆盖分类方法的基础上设计了一种适用于高分辨率卫星影像的卷积神经网络模型(LCC-CNN)。用高分二号与北京二号影像数据构建训练样本集, 在卷积神经网络中使用不同扩张率的扩张卷积, 设计能够区分模糊地表覆盖分类边界的损失函数, 实现了多尺度地表覆盖特征的融合与精准提取, 利用编码-解码结构输出像素级地表覆盖分类成果。实验结果表明: LCC-CNN 在实验区域地表覆盖分类总体精度达到87. 17%, IOU 及Kappa 系数分别为0. 7732 与0. 8291, 精度优于传统的决策树与SVM 方法8%以上, IOU 及Kappa 系数分别提高了10%和11%, 且在地表覆盖分类过程中不需要人工提取分类特征与设定分类参数, 降低了建模难度与时间成本, 提高了自动化分类的精度与效率。