基于GF-1号卫星影像的监督分类方法比较

高分1号(GF-1)卫星遥感影像已经成为土地利用和覆盖的重要数据源。文中通过对所选样区分别采用最大似然、最小距离、支持向量机等监督分类方法进行分类,并比较它们所得出的分类结果,从而来探讨监督分类方法在原理、技术、步骤及精度等问题方面的差别。     

辅以纹理特征的遥感影像神经网络分类

由变差函数提取出的纹理信息与光谱信息相结合,运用神经网络方法进行分类和地物识别,并与最大似然法的分类结果进行对比分析,结果表明该方法明显提高了遥感影像的分类精度。     

基于SVM的高分辨率SAR图像建筑物自动提取

通过遥感影像直接提取出建筑物是进行城市土地利用调查和土地执法检察的有效手段。文章利用高分辨率的SAR数据,提出了基于SVM和高分辨率SAR图像的建筑物自动提取方法。该方法利用SAR图像对建筑物信息反映强烈的特点,选择一系列建筑物和非建筑物像元作为训练样本,利用SVM方法构建每个像元的属于建筑物可信度,设定95%的可信度界定为建筑物像元,据此识别出建筑物的位置。以温江地区的COSMO-SkyMed数据进行试验表明,该方法建筑物识别的抽样精度达到93%以上,显示出高分辨率SAR图像在城市土地利用研究中的巨大潜力。     

昆明市生态用地信息提取技术比较研究

以Landsat8影像为数据源,采用最大似然法、CART决策树分类法对昆明市生态用地信息进行提取。比较两种分类方法对不同生态用地信息提取的分类精度,结果表明:(1) CART决策树方法更适宜于耕地、未利用地、建设用地信息提取,且总体分类精度高于最大似然法;(2)从地类的空间分布情况上看,CART决策树分类图像的结果多为面状,最大似然法分类结果地物分布细碎。总体来说不同信息提取方法具有各自的优势,在具体应用中,可根据目标地类的波谱特性,选择适宜的信息提取方法。     

基于高分一号数据的矿山遥感监测——以会理多金属矿区为例

利用遥感技术,以会理多金属矿区为研究区,以国产卫星高分一号卫星影像为数据源,探讨了高分一号卫星影像在15万矿山开发遥感监测中的可行性。通过对高分一号遥感图像的几何纠正精度、图像融合质量、遥感解译标志、制图精度进行分析,高分一号影像完全满足15万矿山开发遥感监测的需要。通过利用总结的矿山开采遥感信息提取技术方法和建立的遥感解译标志,快速提取了研究区内矿山分布和开采信息,较全面准确地掌握了区内矿产资源开发现状与矿山环境状态。在监测中使用高分一号卫星影像,既提高15万矿山开发遥感调查的监测频率,也降低了监测成本。     

基于Quickbird数据的土地覆盖类型分形特征研究

分形维数可以有效地描述复杂纹理特征,传统的遥感自动分类主要利用数据的波谱特征信息,很难充分有效的利用遥感影像的纹理信息。近年来,随着高分辨率遥感数据的广泛使用,如何量化纹理特征,根据不同地物的纹理信息进行地物的分类等问题引起很多学者的关注。在对比不同边缘提取算子提取效果的基础上,对4种典型土地覆盖类型的Quickbird数据进行边缘提取,并在MATLAB平台下计算影像样本盒维数,通过对比发现这些土地覆盖类型盒维数差异显著,在此基础上提出利用分形维数对遥感影像的纹理信息进行量化,从而利用影像纹理信息对不同土地覆盖类型进行有效区分。     

基于深度学习和高分辨率遥感影像的露天矿地物分类方法

随着深度学习技术的发展,对高分辨率影像的分类已成为当前研究的热点,矿区地物分类更是矿区生态发展研究的重要问题。由于深度学习可以通过提取大量的历史影像数据规律及特征,对影像数据进行自动识别与分类,本研究将采用U-Net网络模型开展高分辨率露天矿区地物类型分类研究。采用高分二号遥感影像数据,勾画样本数据集提取样本数据特征,进行分类模型的训练,对矿区测试集进行测试,探讨深度学习在高分遥感影像上的自动识别能力。结果表明,U-Net模型对露天矿区地物识别的精确率（Precision）、召回率（Recall）、F1分数（F1-score）值分别达到0.86、0.82、0.84,均高于最大似然法、随机森林算法和支持向量机。基于深度学习中的U-Net网络模型可以对露天矿区地物类型进行有效的自动识别,可以为高分露天矿区遥感影像数据的地物分类提供技术支撑,有效实现了露天矿各地物自动识别与分类的能力。本文研究成果可以用于AI在露天矿区遥感分类方面的应用以及对矿区生态环境的监测与修复。     

基于分区决策树的乌达煤田土地覆被分类研究

精确的土地覆被分类结果是研究煤田火区生态环境变化的基础。本文基于Landsat8卫星遥感数据,依据地形特征、主体地物类型以及辐射特征,将乌达煤田分为五个子区。利用多光谱特征、高程、坡度和热辐射特性构建决策树模型,并分区实现土地覆被分类。分类结果表明,与传统决策树分类法相比,基于决策树法的分区分类方法总体分类精度提高了14.75%,Kappa系数增加了0.17,其准确性有了较大的提高。     

基于遥感技术的矿区土地复垦的生态评估

文章以遥感技术为基础,对某矿区1998年、2008年和2018年的遥感影像数据进行处理,将经过大气校正、几何校正、辐射校正、裁剪等预处理后的遥感影像导入ENVI软件中,采用最大似然法对其进行监督分类,并采用混淆矩阵对分类结果进行精度评定,得出的总体分类精度和Kappa系数表明本次分类结果精度较高,可用于该矿区土地复垦生...     

基于资源三号卫星影像的岩性监督分类研究

监督分类法在遥感影像分类中应用广泛,结合已有地质资料和实测地质剖面信息,将研究区岩性分为苏维依组泥岩和粗砂岩,库姆格列木群泥岩、砾岩和含砾粗砂岩,巴什基奇克组粗砂岩和砾岩,巴西改组细砂岩等8个类型,运用ENVI提供的常用监督分类方法——最大似然法,对研究区的遥感影像进行岩性分类研究。并利用混淆矩阵分别对不同影像的分类结果进行精度评价,结果表明ZY-3影像的分类总体精度达到了78.65%,Kappa系数为0.760 6,能够较好地进行岩性信息提取,具有较高的可靠性,可在地质调查工作中推广,能够有效地减少面积性地质测量工作,特别适用于岩石裸露程度较高的艰苦工作区。     

基于无人机遥感的煤矸石山植被分类

植被种类的准确分类是实现煤矸石山植被修复效果评价的基础。利用无人机遥感技术获取不同季节的煤矸石山可见光影像，通过色彩空间转换和纹理滤波充分挖掘可见光影像中丰富的色彩、结构及纹理等特征；然后对传统人工特征选取方法做出改进，该方法可快速、简单、高效地筛选特征信息以获取最优分类特征，并将优选结果与RGB影像融合以获得多特征融合影像；最后，利用3种监督分类模型分别对两期RGB影像及多特征融合影像进行分类处理并对结果进行精度评价及植被动态变化分析。结果表明：基于改进的人工特征选取方法可筛选出不同季节煤矸石山影像的最优分类特征，所选特征不仅能有效反映各类地物的差异性，同时可降低特征信息冗余以提高影像分类精度及效率。支持向量机（Support Vector Machine Classification, SVM）分类方法结合多特征融合影像的分类精度最高，总体分类精度最高可达90.60%，相应Kappa系数为0.878 0，较同期RGB影像分别提高了9.74%和0.126 5；而最大似然（Maximum Likelihood Classification, MLC）和神经网络（Neural Netwo...     

高分辨率遥感卫星助力地灾信息识别

正目前,我国主要采用野外人工调查和遥感目视解译获取地震灾区滑坡信息,此方法存在主观性强、耗时费力等缺点。对此,地震滑坡国产高分辨率卫星遥感快速识别方法提出以资源三号、高分一号国产高分辨率遥感影像为主要数据源,构建融合光谱、纹理、几何等影像特征和地形特征的多维滑坡识别规则集合,建立面向高分辨率影像认知模式与场景理解过程的滑坡分层识别模     

基于高分二号影像的高潜水位矿区水体提取方法

淮南矿区位处高潜水位平原区,区域内水系发达,且长期地下煤炭开采使地表形成大面积水区。文中基于国产高分二号(GF-2)影像数据,以淮南潘谢矿区三座矿山为例,利用2016年GF-2多光谱与全色融合数据,选择单波段阈值法、多波段谱间关系法、归一化水体指数法(NDWI)三种水体信息自动提取方法和监督分类法,对研究区内水体进行提取。结合实地采样得到的混淆矩阵对水体区域的整体提取结果进行精度验证对比分析。实验结果表明:利用监督分类法提取水体信息效果最好,总体精度达到98.18%,Kappa系数为0.94;自动提取方法中单波段阈值法效果最好,总体精为93.26%,Kappa系数为0.81。本研究对比分析得基于GF-2遥感数据的最优矿区水体信息提取方法为监督分类法,为后期矿区水体的动态变化预测和治理提供了科学依据。     

基于SVM的矸石山分布信息提取方法

以钱营孜矿区工业广场附近矸石山为例,采用EROS-B高分辨率遥感影像与日本ALOS多光谱影像融合后的影像作为数据源,利用MNF变换和小波变换对图像进行去噪,然后运用SVM方法对实验区内的矸石山信息进行提取.实验结果表明,采用径向基函数的SVM模型能快速准确地提取矿区矸石山分布信息,提取精度达到了80.59％,提取的信息...     

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.     

基于U-Net的湖北省露天矿山土地损毁信息提取应用

将高分辨率遥感数据与深度学习方法相结合,可实现露天矿山土地损毁信息有效提取,提升对矿山地质环境现状及其变化情况的掌握程度。以高分二号卫星影像为数据源,利用U-Net模型对湖北省3个典型矿集区进行露天矿山土地损毁信息的提取研究。根据模型精度评价结果,数据训练集所包含的数据越多,其信息提取效果越好;骨干模型层数过深时会发生过拟合现象,降低信息提取结果的精度。经过综合考虑,选择将数据训练集旋转角度设置为30°,将骨干模型设置为ResNet34,最终取得较好的信息提取效果,验证了应用U-Net模型进行露天矿山土地损毁信息提取的可行性。     

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。     

基于TM影像的商丘市区土地利用变化动态监测

土地利用/土地覆被变化是全球环境变化的重要组成部分和主要原因之一。利用遥感和地理信息系统软件,以1990年和2004年商丘市区Landsat TM影像为数据源,经主成分增强处理和NDVI分析,采用最大似然比法,结合人工目视解译对影像进行识别分类,获得了商丘市区两个时相的土地利用分类数据。结果表明:商丘市主要土地利用类型为耕地,1990年和2004年耕地面积分别为1 535.47 km2和1 327.33 km2,各占总面积的87.4%和75.55%;自1990年至2004年,共有212.75 km2耕地转为建设用地,耕地共减少了208.14 km2,约占1990年耕地的13.56%;至2004年,林地共增加了34 km2;建设用地增加约141.91 km2,增长率为74%,主要由耕地转化而来。使用综合手段进行遥感分类可以有效提高分类精度。     

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。     

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.