基于随机森林算法的冬小麦提取研究

全球气候变化对粮食安全和农业可持续发展造成威胁,冬小麦作为全球重要粮食作物之一,其快速和准确的信息提取对保障区域粮食稳定具有重要意义。采用在农作物识别和提取领域具有明显优势的随机森林算法,结合典型冬小麦种植区光谱特征、纹理特征和主成分特征实现了30m空间分辨率遥感影像下的冬小麦地块的特征选择和快速提取,并分析了不同特征空间组合方式下的提取效果。研究表明:在"光谱特征"、"光谱特征+纹理特征"、"光谱特征+纹理特征+主成分特征"3种特征空间组合下,第3种组合方式下的冬小麦提取效果最佳,总体精度可达到84.85%,分别高于前两种方式8.08%和6.88%。因此,利用随机森林算法结合多源特征信息,可以有效实现特定农作物如冬小麦的快速提取,并为区域作物进一步应用研究提供有效数据支撑。     

基于多纹理特征融合的震后SAR图像倒塌建筑物信息提取

合成孔径雷达（SAR）凭借其全天候观测能力以及SAR图像中丰富的纹理信息,在震后建筑物倒塌评估中发挥了重要作用。针对SAR图像中倒塌建筑物纹理特征多样但利用率较低,且特征信息冗余的问题,提出一种基于主成分分析的SAR图像多纹理特征分类方法。该方法基于灰度直方图、灰度共生矩阵、局部二值模式、Gabor滤波器提取了26种纹理特征信息,构建主成分变量进行多维特征优选与降维融合,通过随机森林分类算法提取建筑物的倒塌信息。以2016年日本熊本地震为例验证了该方法的有效性,结果显示其提取精度高达79.85%,倒塌建筑物的识别效率有所提高,分类结果优于单种纹理特征提取方法及多种纹理特征组合提取法,可用于震后建筑物震害信息的快速提取。     

利用高分二号数据提取香蕉林信息及精度分析

针对海南农田地块细碎以及多云多雨气候条件下获取多时相的高质量卫星影像往往存在困难等问题,提出了一种利用单时相高分二号高分辨率卫星影像和随机森林算法的香蕉林信息提取方法。主要通过从高分辨率遥感影像中提取香蕉林的光谱和纹理等特征变量,然后利用综合不同光谱与纹理特征变量的随机森林分类算法进行香蕉林信息提取,并与以往的支持向量机分类算法进行了精度对比。结果表明,综合光谱和纹理信息的随机森林分类算法提取香蕉林空间分布结果最优,提取的香蕉林制图精度(PA)达到93.56%,用户精度(UA)达到87.43%;相比于支持向量机分类算法,PA和UA分别提高了11.99%和7.55%;相比只考虑光谱信息的随机森林分类算法,考虑纹理信息的随机森林分类算法提取的香蕉林PA提高了7.41%,UA提高了16.80%。研究结果可为人工园林的遥感信息提取提供技术参考。     

基于分割区域及特征相似度的玉米田遥感图像分类方法

针对遥感图像中玉米田目标光谱复杂,同物异谱现象严重导致分类结果差的问题, 提出一种基于分割区域及特征相似度的玉米田遥感图像分类方法。首先利用主成分分析法(PCA) 对多光谱和高分辨全色融合图像进行第一主成分提取,以获得包含丰富图像信息的单色图像I; 对I 进行分水岭分割,得到一幅过分割目标区域图;构建由纹理、亮度及轮廓特征相似度组成 的特征组;最后基于随机森林原理,利用构建的特征组对玉米目标进行提取。用高分一号卫星 数据进行实验,并与支持向量机方法(SVM)、神经网络算法和最大似然算法进行了比较分析, 实验表明,该方法的分类精度优于其他算法。     

二级分区下颜色融合纹理的刑侦图像检索

多数刑侦图像检索算法缺乏图像局部特征的提取,从而导致检索精确度较低。对此,提出一种新的二级分区下颜色融合纹理的刑侦图像检索算法。该算法采用二级分区将图像划分成多个局部区域;提取局部区域的颜色自相关图特征和双树复小波结合多方向多参数的灰度共生矩阵的纹理特征;以串行的方式融合局部区域特征。使用核主成分分析法(Kernel Principle Component Analysis,KPCA)进行特征选择,以欧式距离作为相似性度量实现检索。通过在两个刑侦图库的实验结果表明,该算法的平均精确度均高于传统的刑侦图像检索算法,具有良好的检索效果。     

基于蓝噪声理论的多尺度遥感森林植被分割

针对森林植被分割方法中纹理尺度以及植被纹理描述问题,基于蓝噪声理论,提出一种多尺度的结合灰度、形状以及其他纹理特征构建森林纹理结构基元的分割方法。该方法通过对森林植被典型区域进行快速傅里叶变换,探测区域的蓝噪声特征,并计算森林植被纹理单元的尺度和灰度分布。然后结合区域的灰度、形状和其他纹理特征构建不同尺度下森林纹理结构基元,利用森林纹理结构基元对图像进行提取,获取最终分割结果。实验结果表明,本文提出的算法能够提高植被区域分割的准确性,取得了较好的分割效果。     

基于CNN和农作物光谱纹理特征进行作物分布制图

以卷积神经网络（Convolutional Neural Network, CNN）为代表的深度学习技术,在农作物遥感分类制图领域具有广阔的应用前景。以多时相Landsat 8 多光谱遥感影像为数据源,搭建CNN模型对农作物进行光谱特征提取与分类,并与支撑向量机（SVM）常规分类方法进行对比。进一步引入影像纹理信息,利用CNN对农作物光谱和纹理特征进行提取,优化作物分布提取结果。实验表明：① 基于光谱特征的农作物分布提取,验证结果对比显示,CNN对应各类别精度、总体精度均优于SVM,其中二者总体精度分别为95.14%和91.77%;② 引入影像纹理信息后,基于光谱和纹理特征的CNN农作物分类总体精度提高至96.43%,Kappa系数0.952,且分类结果的空间分布更为合理,可有效区分花生、道路等精细地物,说明纹理特征可用于识别不同作物。基于光谱和纹理信息的CNN特征提取,可面向种植结构复杂区域实现农作物精准分类与分布制图。     

基于随机森林的高光谱遥感图像分类

为了充分利用高光谱图像的光谱信息和空间结构信息,提出了一种新的基于随机森林的高光谱遥感图像分类方法,首先,利用主成分分析降低数据的维数,并对主成分进行独立成分分析提取其光谱特征,同时消除像元的空间相关性,再采用形态学分析提取像元的空间结构特征,然后,根据像元的谱域和空域特征分别构造随机森林,并引入空间连续性对像元点的预测结果进行约束修正,最后由投票机制决定最后的分类结果。在AVIRIS和ROSIS高光谱图像上的实验结果表明,所提方法的分类性能要优于传统的高光谱图像分类方法,且分类精度高于基于单一特征的方法。     

细粒度背景下强对比度纹理无监督提取

针对相似细粒度背景下容易出现强对比度纹理误提取的问题,提出一种两通道纹理图像无监督提取算法.通过对图像水平、垂直方向梯度场的非线性扩散,在不改变空间目标边界位置的前提下获取主纹理的边缘结构与区域灰度特征;同时建立包含调整项与模糊因子的两通道纹理提取主动轮廓模型,以具有较大差异的特征为主导项驱动曲线演化,并采用水平集方法实现对强对比度纹理的无监督提取.实验结果表明,该算法对多种自然纹理的提取具有较高的准确性和计算效率.     

基于CNN和农作物光谱纹理特征进行作物分布制图

以卷积神经网络（Convolutional Neural Network, CNN）为代表的深度学习技术，在农作物遥感分类制图领域具有广阔的应用前景。以多时相Landsat 8 多光谱遥感影像为数据源，搭建CNN模型对农作物进行光谱特征提取与分类，并与支撑向量机（SVM）常规分类方法进行对比。进一步引入影像纹理信息，利用CNN对农作物光谱和纹理特征进行提取，优化作物分布提取结果。实验表明：① 基于光谱特征的农作物分布提取，验证结果对比显示，CNN对应各类别精度、总体精度均优于SVM，其中二者总体精度分别为95.14%和91.77%；② 引入影像纹理信息后，基于光谱和纹理特征的CNN农作物分类总体精度提高至96.43%，Kappa系数0.952，且分类结果的空间分布更为合理，可有效区分花生、道路等精细地物，说明纹理特征可用于识别不同作物。基于光谱和纹理信息的CNN特征提取，可面向种植结构复杂区域实现农作物精准分类与分布制图。     

基于SVM的高分时序冬小麦种植区提取研究

冬小麦作为我国重要的粮食作物,准确获取其空间分布情况,对农业生产管理及农情监测有重要意义。以河南省商丘市为例,利用覆盖冬小麦完整生育期的GF-1数据,计算归一化植被指数（Normalized Difference Vegetation Index,NDVI）、增强植被指数（Enhanced Vegetation Index,EVI）时间序列,结合关键生育期影像,构建不同特征量组合数据集,利用支持向量机方法进行冬小麦提取。同时采用主成分分析法对数据进行降维处理,尝试通过压缩特征集数据量来提高冬小麦提取效率。研究结果表明：EVI时序数据较NDVI能更好地描述作物的物候,提取精度皆高于NDVI,其中EVI时序数据与关键生育期影像组合提取精度最高,达到97.67%。结果表明,降维后数据并未对提取精度造成显著影响,达到压缩数据量保持提取精度的目的,为大区域作物提取提供参考价值。     

高光谱遥感影像纹理特征提取的对比分析

地物的"同物异谱"或"异物同谱"问题,使得仅仅依据高光谱影像的光谱信息较难得到理想的分类精度.纹理特征是地物空间分布的重要结构信息,能够一定程度上弥补光谱特征在高光谱遥感影像分类中的不足.纹理特征提取在高光谱遥感影像分类中得到了诸多发展,然而当前的纹理特征方法缺乏较为全面的对比分析.因此,选取旋转不变局部二值模式、简单...     

基于毯子维和缺项的虹膜特征提取算法

虹膜特征提取是虹膜识别的一个关键环节。文中提出一种毯子维和缺项相结合的虹膜特征提取算法。利用虹膜纹理的自相似和丰富的变化细节所具有的分形几何特性,采用纵向扩展毯子维表达不同分辨能力下虹膜纹理的变化及其辐射排列特点。通过引入缺项进一步提取不同纹理和分形表现却具有相同分形维数的虹膜特征。两者的结合能够更加全面地反映虹膜纹理的细腻变化。将归一化虹膜图像灰度值的毯子维及缺项用于虹膜分类,提高对虹膜的分类能力。针对CASIA-IrisV3-Interval数据库的仿真结果表明,纵向扩展毯子维结合缺项能够有效、快速提取虹膜的纹理信息,所获得的特征具有高的虹膜识别性能。     

滨海湿地信息提取方法比较研究

以江苏省典型滨海湿地为研究对象,利用2005年5月26日的Landsat7 ETM+图像数据,在湿地特征及其遥感图像表征分析的基础上,逐步提高湿地信息的提取精度,通过对多光谱遥感图像特征向量的分析,总结出一些湿地信息提取的规则和方法。在滨海湿地光谱特征分析的基础上,对研究区的图像进行了非监督分类,利用湿地的光谱相应特征、纹理特征、主成分变换、归一化差异水体指数等特征和相应的知识规则,得到用于优化分类的知识规则,采用分层分类的方法对非监督分类的结果进行了优化,从而使提取结果的精度较原来有了很大程度的提高。还利用给予数据挖掘的分层分类法进行分类比较,通过建立误差矩阵和对比各种分类方法的分类精度,总结出一套分类精度较高的针对该研究区的湿地信息提取方法。     

Field size,length, and width distributions based on LACIE ground truth data

A representative subset of a stratified random sample of LACIE (Large Area Crop Inventory Experiment) segments which are 5 nmi x6 nmi in size were ground truthed and were used to derive field size, length, and width distributions for winter wheat, spring wheat, corn, soybeans, water, and “all crops” for areas in nine states in the U. S. Great Plains and one state in the Corn Belt. Field sizes for spring wheat and soybeans appeared log-normally distributed whereas the other crops and “all crops” did not fit the log-normal distribution well. The modal field size was near 10 acres for most crops studied. Winter wheat, spring wheat, and corn were found to have field width modes near 90 m and soybeans had a mode at 200 m. About 25% of all fields were found to be more narrow than 100 m. Field length modes were found at 400, 800, and 1600 m (I mi) due to the section line road system in the agricultural midwest and the homesteading of 160-acre farms (800 m x 800 m). Based on these field size distributions and a simple theoretical model it was estimated that fields of corn, soybeans, winter wheat, and spring wheat have Landsat MSS pixels which are on the average 40% pure (i.e., 40% of all pixels contain a single generic class), and that this will increase to 75% at the thematic mapper resolution.     

基于随机森林误分类处理的3D人体姿态估计

为解决基于随机森林的3D人体姿态估计算法容易出现的误分类问题, 提出一种基于自适应融合特征提取和误分类处理机制的改进算法.该算法利用自适应融合特征提取方法自适应提取深度融合特征, 此特征可表达图像距离信息和部位尺寸信息, 增强特征的表征能力; 针对识别部位误分类问题, 分别从识别部位误分点聚集情况和迭代整合思想出发, 提出误分类处理机制, 改善部位识别结果; 最后提出可进一步处理误分点的改进主方向分析(Principal direction analysis, PDA)算法, 自适应计算出部位主方向向量, 实现3D人体姿态估计.结果表明, 该算法能有效去除部位误分点, 并显著改善了3D人体姿态估计.     

基于WorldView-2影像和语义分割模型的小麦分类提取

为使用高分辨率遥感影像和深度学习语义分割模型实现快速准确的小麦种植空间信息提取,以WorldView-2遥感影像为数据源,制作尺度分别为128×128、256×256、512×512的样本数据集,对U-net和DeepLab3+语义分割模型的参数进行训练,建立小麦遥感分类模型;通过与极大似然和随机森林方法比较,检验深度学习分类效果。结果显示：(1)不同尺度样本训练得到的模型总体精度、Kappa系数分别在94%和0.82以上,模型精度稳定,样本尺度大小对小麦分类提取模型影响较小;(2)深度学习方法的小麦分类总精度和Kappa系数分别在94%和0.89以上,极大似然和随机森林则在92%和0.85以下,表明该研究建立的小麦遥感分类模型优于传统分类方法。研究结果可为高分辨率遥感影像作物种植信息的深度学习方法提取提供参考。     

Research on Extraction Method of Coastal Aquaculture Areas on High Resolution Remote Sensing Image based on Multi-features Fusion

Coastal aquaculture areas are the important marine disaster bearing body,it is of great significance to carry out the research about automatically extraction aquaculture areas based on remote sensing for master basic information of coastal areas,mitigation and prevention of marine disasters.Used Gaofen-2 images for experimental data,and chose Dongshan Island sea in Fujian province as the experimental area,on the basis of analyzed the spectral characteristics of the aquaculture areas,construct feature index to extract spectral feature,used gray-level co-occurrence matrix method to extract the texture feature of the aquaculture areas,fused spectral features and texture features after feature selection,then used Otsu method to determine the threshold for raft culture area and fishing cage culture area,to achieve high precision intelligent extraction and classification for coastal aquaculture areas.The extraction accuracy of the raft culture area is more than 80%,and the extraction precision of the fish cage culture area is above 90%,and the overall extraction precision of the culture area is up to 87%.     

An Anti noise Identification Methodfor Winter Wheat based on Satellite Time series Data

China As one of the major crops in the world,the spatial distribution information of winter wheat plays an important role in monitoring winter wheat growth,assisting economic decision making and addressing regional food security under climate change.This paper proposed a new anti noise identification method for winter wheat identification based on the 250 m MODIS NDVI time series dataset during the period from September 30,2014 to June 26,2015.With the method,the spatial distribution of winter wheat in Henan province was extracted based on the analysis of winter wheat phenology.Results indicated that the total identification accuracy of winter wheat was 93.0%,94.0% and 86.0% for the whole study area,fragmentary land area and regular land area,respectively.Compared with the traditional identification method for winter wheat based on satellite time series data,the identification accuracies with the proposed method in different filtering scenarios were not only high but also similar to each other.It strongly proved that the new method had a good performance in noise immunity and stability and can be applied to the rapid extraction of winter wheat in a large scale based on satellite time series dataset.This new method provided a new technical support for the operational extraction of winter wheat.