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。     

融合无人机LiDAR和高分辨率光学影像的点云分类方法

点云分类是激光点云数据处理的重要环节,探索自动、高效、高精度的点云分类方法具有重要意义.通过分析同机获取的LiDAR点云与高分辨率光学影像的特点,提出了融合无人机LiDAR与高分辨率光学影像的点云分类方法.首先将LiDAR点云投影到二维平面并构建不规则三角网模型,然后寻找同名点对完成与光学影像的配准与融合,进而将光学影像的光谱信息赋予无人机LiDAR点云,接着从光学影像上提取光谱特征、从LiDAR点云上提取多尺度几何特征构建分类特征集,进一步通过CFS特征选择算法实现特征集的降维,最后运用随机森林分类算法实现点云分类.实验结果表明,本文分类方法的总体精度可达89.5%,Kappa系数为0.844,与未经特征选择的分类结果相比精度提高了1.1个百分点,与单纯依靠LiDAR或者光学影像的分类相比,精度分别提高了5.4和14.9个百分点.本文方法不仅有效避免了基于点云属性内插构建新的图像融合方式带来的计算误差,同时解决了单尺度下构建几何特征时难以确定最优空间分析尺度的问题,并且对特征集进行优化选择从而有效提高了数据处理的效率.     

不同分类方法对城区高分遥感影像分类结果的差异性分析

当前遥感影像空间分辨率越来越高,对分类方法的要求也越来越高.针对城市地区高空间分辨率遥感影像,选取了两种不同数据源的高分城区遥感数据,先进行多尺度分割、特征提取,然后使用BF+CFS方法进行特征选择,再通过K最近邻、贝叶斯、支持向量机、决策树、随机森林等五种分类方法对遥感影像进行分类,并对比分析不同分类方法的分类结果及精度.研究结果表明,贝叶斯、决策树和随机森林分类对城区高分影像的分类精度较高.其中随机森林分类方法的分类结果最准确,但分类时涉及参数设置较多,对于实际生产应用的适用性不高;而贝叶斯分类操作简单,分类精度较高,更适用于城区高分遥感数据的生产应用.     

Landsat-8遥感影像不同水体提取方法适用性分析

为探究周围气温与地物环境对水体提取的影响,利用Landsat-8 OIL遥感影像,选取巢湖作为研究区,分别采用水体提取指数模型(NDWI)、监督分类最大似然法及面向对象分类法对不同季节下的研究区做水体提取。通过分析比较各方法在不同季节对水体提取的精度影响,发现面向对象法提取效果最佳,NDWI效果次之,监督分类精度最低。监督分类和归一化水体指数对四季水体提取精度较平均,冬季用面向对象法提取水体影响大。     

干旱区土壤盐渍化遥感估测模型研究——以宁夏平罗县为例

以宁夏平罗县为研究靶区,以野外实测的高光谱数据和土壤含盐量为基础数据源,进行光谱反射率及其变换形式与土壤含盐量的相关分析,筛选敏感波段,建立高光谱土壤盐分指数模型;通过尺度转化,用原位采集的高光谱盐分指数修正传统遥感影像盐分指数,构建传统影像高精度土壤盐渍化遥感监测模型,并利用实测土壤含盐量对反演结果进行分析与验证。结果表明,高光谱盐分指数和实测土壤含盐量的相关性明显高于传统遥感影像光谱数据;将高光谱数据和传统Landsat-8 OLI影像数据结合,提取的区域土壤盐渍化信息精度明显提高,解决了实测数据和影像之间的时间滞后性问题。     

土地利用/覆被遥感分类评价与季节变化分析——以连云港为例

基于遥感影像地物的季节变化特征对土地利用/覆被(LUC)信息提取的重要性,使用中巴卫星冬末、春末及秋季的影像,采用最大似然法对连云港沿海区域进行了土地利用/覆被分类,评估了其精度与误差,并对3个时期的土地利用/覆被空间分布特征及季节变化进行了研究.结果表明:分类精度最高的季节为秋季,其总体精度(85.2%)和总体Kappa系数(0.81)可以满足土地利用环境影响分析的要求;不同季节土地利用/覆被类型转移主要涉及高密度建设用地与水体之间、低密度建设用地与耕地及高密度植被之间、高密度植被与高低密度建设用地之间等;沿海地区土地利用/覆被季节变化特征可用于辅助公路等线状地物的提取、耕地利用季节变化的检测、沿海滩涂空间布局的调查分析等.     

基于Landsat的广州市热岛效应时空变化分析

利用1995年～2019年间的15景的Landsat-8OLI/TIRS及Landsat-5TM影像的热红外波段,采用大气校正法和单窗算法反演广州市的地表温度.通过对研究结果进行时空分析可知,自1995年～2019年,广州市的热岛面积先处于稳定阶段,然后在2001年～2014年间整体呈快速增长趋势,于2014年后以缓慢...     

字符串特征集生成方法

为提高未知恶意代码的识别精度,分析了特征集的选取方法对未知恶意代码分类精度的影响,提出了一种采用字符串描述构造特征集的方法,从恶意代码或正常文件中提取出字符串原始特征,引入频繁项目集方法进行特征选择,压缩特征集维数.经比较实验结果证明,该方法可提高分类器学习效率,同时能保证分类器具有较高的分类精度.     

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.     

基于Sentinel-1A数据的随机森林武穴市水体信息提取

水是人类赖以生存的重要基本条件,自动提取水体可以快速得到水体的分布情况,对水资源调查和洪涝灾害评估具有重要意义。在恶劣条件下,雷达影像较光学影像有很大优势,但是斑点噪声和阴影道路的存在会造成误分现象。只考虑雷达强度影像进行水体提取无法解决以上的误分现象。为此,引入对比度、差异性、熵、角二阶矩和同质性5种图像纹理特征,并联合雷达强度影像和数字高程模型构建了随机森林模型。实验表明：该模型可以有效地解决斑点噪声、阴影道路对最终提取结果的影响,一定程度上也减少了山体阴影造成的误分,其分类的总体精度和Kappa系数分别达到99.73%和0.996 6,水体的用户者精度和生产者精度相同,都为99.51%。     

癌症识别中一种基于相关性的分层特征选择方法

根据基因表达谱数据高维度、小样本、高噪声的特点,提出一种基于相关特征选择（Correlation- based Feature Selection ,CFS）的分层抽样的基因特征选择方法（简称CFS- SS）。首先,利用CFS算法提取与分类相关性大的特征基因集,然后通过分层方法构造多层特征子集空间,在部分层空间中寻找最优特征子集。在Leukemia, Colon, Prostate数据集上进行了交叉测试实验。实验结果表明, CFS- SS有效地从不同层次的特征子集样本中可以提取出有价值的基因特征集,在不同的分类器上取得较好的分类性能。     

基于蚁群算法的多光谱遥感图像分类

该文应用蚊群算法和支持向量机实现多光谱遥感图像分类.首先提取出多光谱遥感图像的光谱特征、纹理特征和形状特征,然后利用蚁群优化算法从提取出的多维特征空间中选择最优的特征子集向量,最后将特征子集作为支持向量机分类器的输入量实现分类.实验结果显示,较传统的K均值方法文章给出的方法能够提高遥感图像的分类精度.     

一种基于最优集成随机森林的小样本数据特征提取方法

高维小样本数据作为数据挖掘的难点,用传统的随机森林算法进行特征选择时极易出现分类结果过拟合而导致的特征重要度排序稳定性差、精度低等问题。针对随机森林在小样本数据降维过程中出现的难点,提出了一种基于小样本数据特征提取算法OTE-GWRFFS。基于生成对抗网络GAN进行样本扩充,避免传统随机森林在小样本分类过程中的过拟合现象;在数据扩充的基础上采用基于权重的最优树集合算法,减小生成数据分布误差对特征提取精度的影响,提升决策树集合的整体稳定性;采用单棵决策树的权重与特征重要性度量值加权平均得到特征重要性排序,从而解决了小样本数据特征选择过程中精度低稳定性差的问题。通过UCI数据集将所提算法与传统随机森林以及基于权重的随机森林算法进行实验对比,OTE-GWRFFS算法在处理高维小样本数据时具有更高的稳定性和精度。     

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.     

利用空间特征的平原地区灌溉沟渠优化提取

针对异物同谱和植被覆盖影响沟渠提取效果的问题,提出一种基于无人机影像和空间特征对提取过程进行优化和补偿的灌溉沟渠提取方法。首先,采用尺度参数估计(Estimation of Scale Parameter, ESP)方法确定最优分割参数;其次,通过光谱均值及标准差构建特征空间,使用最近邻方法获得初始分类结果;最后,利用长宽比、相对边界指标、边界规整度、面积等空间几何和关系特征,对初始分类结果进行优化提取。试验发现,对于空间分辨率为0.07 m的平原灌区影像,最优分割参数为61,基于空间特征的优化提取方法将提取精度提高到92.3%,较优化前提高了7.6%。该方法能有效解决杂草及异物同谱所导致的沟渠缺失及部分断连问题,提高平原地区灌溉沟渠提取的精度。     

空间分辨率对水体遥感信息提取的影响

以庐山及其周边作为研究区域,以MODIS、Landsat ETM+、SPOT以及GeoEye为数据源,对比分析了不同空间分辨率影像上水体的表现特征和影像所提取的水体结果的差异. 结果表明:在地形较为平坦、边界较为规整、水体面积较大的区域,空间分辨率对提取效果的影响较小;反之,提取面积误差会随着空间分辨率的降低而增大. 在地形平坦、边界规整、水体面积较大的区域,ETM+影像能很好地满足精度要求;而在地形崎岖、边界粗糙、水体面积较小的区域,综合考虑精度要求、经济成本和时间成本,适合采用分辨率为10 m的SPOT影像提取水体.     

基于RS和GIS的云南石林县石漠化时空变化特征分析

为探究云南石林县岩溶地区石漠化的时空变化特征,运用基于RS和GIS的Landsat TM/OLI遥感影像数据解译3个时像的石漠化信息,选取变化方式、变化方向等从时间和空间上揭示石林县2008—2018年间的石漠化转移变化过程,结果为:(1)空间上,潜在和轻度石漠化分布范围最广,强度、 极强度石漠化主要分布在西街口镇东北...     

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.     

图像分形维数计算及其边缘提取

为提高遥感影像中地物边缘信息的提取精度,以离散分形布朗随机场（DFBR：DiscreteFractalBrownRandomfield）模型为依据,尝试设计并利用Matlab编程实现一种基于遥感影像单个像元的分形维数计算算法。该算法将影像的灰度空间映射成分形维数空间,然后在该空间进行变换和边缘检测。地物空间分布及其影纹结构边缘特征的差异,使计算分形维数所选窗口大小成为关键。选取研究区局部地段高空间分辨率遥感影像作为实验数据,通过计算不同窗口下像元分形维数,得到最佳边缘信息提取的计算窗口。实验结果表明,该算法在同类计算中更符合遥感数据的特点,提高了遥感影像地物边缘信息提取精度。     

岩心三维模型形状分布刻画（研究生论坛）

针对形状分布算法和统计特征函数不能有效刻画岩心三维模型的问题,提出了一种岩心形状分布算法。根据边界点对连线与目标相的穿透关系,将形状分布D2距离直方图分类为内嵌、外接、联合三种状态,分别刻画孔隙骨架结构,并利用分类发生频率刻画孔隙骨架分布情况,提取岩心形态特征描述符。在统计足量随机边界点对之后,生成概率分布函数。最后,给出了量化比较岩心三维模型形态相似性的方法。对多组岩样进行了实验,结果表明该算法能够有效提取岩心形态特征,比较各岩心之间的形态相似性,具有比原有形状分布和统计特征函数更为准确的刻画能力。