基于多尺度分割的遥感影像滨海湿地分类

基于多尺度的高分辨率遥感影像分类方法研究,可以为滨海湿地动态监测、规划保护提供更详尽的湿地分类信息和更快速的数据获取方法,对湿地保护具有重要意义。选取连云港青口河入海口处湿地为研究区,以高分辨率遥感影像WV\|Ⅱ和航空遥感影像为数据源,利用多尺度分割方法将影像分割成不同层次的实体对象;在不同层次,以实体对象为单元,结合光谱、形状、纹理等不同影像特征,进行滨海湿地分类研究,结果表明:利用该方法分类后,研究区各种湿地类型都达到较高精度。基于多尺度分割的影像分类方法能充分利用各种影像特征完成湿地分类,有效地减少了遥感影像中的“椒盐”现象,提高了分类精度;选择适宜的分割尺度和分割参数是基于多尺度分割的遥感影像分类方法提高精度的前提。     

联合快舟一号影像纹理信息的城市土地覆盖分类

仅依靠光谱信息无法满足高分辨率遥感分类的应用需求,辅之以纹理特征信息进行分类,可提高影像分类精度。利用KZ\|1卫星影像和Landsat\|8卫星影像数据,基于面向对象的影像分割法和灰度共生矩阵纹理分析法对新疆石河子市局部城区进行了地表覆盖分类实验,将不同空间分辨率的全色影像纹理信息、光谱信息构成多种影像特征组合进行分类比较研究,以选择最佳的分类特征集。结果表明:KZ-1影像能为城市区域的土地覆盖分类提供丰富的纹理信息,面向对象的影像分割可较好地利用高分辨率数据的几何结构信息实现优化的影像分割,从而提高多光谱影像的分类精度,总体分类精度为90.06%,Kappa系数为87.93%,比单纯利用光谱信息分类的总体精度提高了8.02%,Kappa系数提高了9.65%,表明KZ\|1数据可为光谱分类提供丰富的纹理信息,从而提高城市区域的土地覆盖分类精度。     

结合纹理特征的SVM样本分层土地覆盖分类

支持向量机(SVM)分类在精度、泛化性、高维数据处理等方面都具有较强的优势,在遥感影像分类中也得到了广泛应用。由于遥感影像“同物异谱”和“异物同谱”现象的影响,结合纹理特征提高SVM分类精度已成为遥感应用研究的热点。但不同尺度的纹理特征突出的信息不一,在同一尺度上难以区分的地物在多尺度空间则更容易区分,因此,采用多尺度纹理特征进行SVM分类,并从分类样本和纹理特征的选取两个方面探讨SVM土地覆盖分类的方法。首先,以ALOS影像为例,通过灰度共生矩阵提取不同尺度、不同方向的几种纹理特征;然后在光谱分类结果基础上,借助地类特征曲线,选取有效的多尺度纹理特征,最后进行样本分层分类。样本分层分类是选取首层样本进行分类,再从“漏分和错分”地块中选取新样本加入到首层样本中,得到第二层样本并对整个影像进行分类;用同样的方法选出第三层样本或更高层样本进行分类,直到结果满意为止。结果表明:该方法比仅用光谱特征的SVM分类总精度提高了8.11%,Kappa系数增加了0.11。其中,纹理特征的引入使分类总精度提高了4.13%,且对纹理特征较明显的地类更有效;采用样本分层后的分类总精度进一步提高了3.98%,且各单一地类的精度也都有不同程度的提高。借助地类特征曲线选择合适的纹理特征具有一定的可行性,并且采用样本分层的方法能够提高SVM分类的精度。     

Object-oriented Detection of Landslides based on the Spectral，Spatial and Morphometric Properties of Landslides

Earthquakes in mountain area often induce hundreds of thousands of landslides resulting in destructive casualties and economic damage.It is urgent needed to rapidly detect the extent areas of the landslides.With the advent of very high resolution satellite remote sensing,the application of the object\|oriented classification method in this area have significant advantage comparing to those of visual interpretation and pixel\|based methods.However,the study of object\|oriented landslide detection is relatively few,and the study usually has a small study area.The method of object\|oriented rapid identification of landslides based on the spectral,spatial and morphometric properties of landslides and a 2.5m SPOT5 multi\|spectral image is proposed in this paper and is applied in a relatively large study area.The normalized difference vegetation index (NDVI) threshold was set to remove vegetation objects and obtain landslide candidates.Then,the spectral characteristics,texture,terrain features and context of the image were used to build indicators to gradually separate the landslide from false positives.The small scale chessboard segmentation was conducted to further eliminate vegetation objects and get the landslide objects.The object\|oriented detection results show that the adopted method can recognize about 95% of the landslides in the study area.When considering the landslide excessive detection and omissions,the landslide detection quality percentage of the proposed method is 74.04%.Hence,the method proposed in the article can help to rapid assess landslide disasters caused by earthquakes or heavy rainfalls,providing a reference for post\|disaster emergency relief and reconstruction work.     

基于多时相环境星NDVI时间序列的农作物分类研究

时相和归一化植被指数(NDVI)时间序列特征在农作物分类提取方面具有重要的应用价值。以黑龙江红星农场为研究区,利用多时相环境星HJ-1A/B CCD数据及其多期平滑重构后的NDVI时间序列曲线特征,在对象尺度上采用决策树算法开展了农作物分类研究,通过与单独利用多时相遥感数据分类结果的对比分析,研究了增加NDVI时序曲线特征对分类精度的影响。结果表明:面向对象分类方法得到的地块较为规则,平滑了地块内部同种作物间的噪声,避免了"椒盐现象",适合于我国东北地区农作物分类识别;利用NDVI时序曲线特征参与分类,增强了不同作物之间的光谱差异,提高了作物分类精度,比仅使用3个多时相HJ-1A/B CCD数据分类精度提高了5.45%,Kappa系数提高了0.09。通过该研究探讨了NDVI时序曲线特征在作物分类中的应用,拓展了遥感数据在农业领域的应用范围,具有推广价值。     

全极化SAR数据信息提取研究

全极化SAR(Synthetic Aperture Radar)测量的是每一像元的全散射矩阵,可合成包括线性极化、圆极化及椭圆极化在内的多种极化图像。因此与常规的单极化和多极化SAR相比,在雷达目标探测、识别、纹理特征的提取等方面全极化SAR具有很多优点。基于新疆和田地区的SIR-C L波段全极化雷达数据,介绍了极化合成的基本原理和数据处理流程,分析了几种典型地物全极化信号的特点,并在此基础上用监督分类法进行了全极化SAR数据的信息提取。结果表明:全极化SAR数据比单极化和多极化SAR数据具有更高的分类精度,并有效地的提取出地表信息,为利用SAR数据反演地表参数打下了基础。     

基于面向对象的高分影像分类研究

遥感技术已经成为实现地表信息提取的主要手段。以高分辨率影像为主要数据源,采用面向对象的多尺度分割算法,根据对象的光谱、形状等特征,实现了面向高分遥感数据的土地利用分类算法。该算法结合了面向地物对象和综合对象特征的分类方法,充分发挥了高分辨率影像进行精细地物分类的优势,得到了高精度的分类结果。通过西双版纳纳板河流域国家级自然保护区实例验证表明:该算法总体精度达到88.58%,Kappa系数达到0.77,精度符合应用要求,能够实现土地利用高精度、快速的分类。     

基于多地表特征参数的遥感影像分类研究

地表特征是反映地表信息的重要参数,是了解地表时空多变信息的定量要素。提出基于多地表特征参数的遥感影像分类方法,并利用武汉市的Landsat ETM+影像为例进行试验。试验选择通用植被指数(VIUPD)、地表温度和纹理特征等多地表特征参数,在考虑光谱特征和空间信息的前提下,结合分层思想的决策树方法,对遥感影像进行分类。结果证明利用多地表特征参数的决策树分类方法与传统的基于光谱反射率特征的决策树分类方法和SVM分类方法相比较,分类精度有了明显的提高。     

高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。     

Hyperspectral data spectrum and texture band selection based on the subspace-rough set method

In order to improve the utilization rate of spectroscopic data and texture information, this study proposes a method for optimal selection of spectrum and texture features based on automatic subspace division and rough set theory. This method takes advantage of rough set reduct ideology in order to realize the reduction of different types of ground object spectral features on the basis of the conventional subspace division method. In using this method, the primary spectral band based on spectral information can be determined. Then, the grey-level co-occurrence matrix method can be used to calculate the texture information of the primary spectral band and determine the reduction and optimization in order to obtain the final band based on the spectrum and texture information. Verification of this method is made by using CASI data of Heihe Region, China, and AVIRIS data of the Indiana Region, USA, and also using Support Vector Machine (SVM) classification of the original spectral, primary spectral, and final bands. The results indicate the following. (1) The method for optimal selection of the critical spectral band and texture band, based on the rough set theory, can efficiently improve the classification accuracy of high-spatial resolution remote-sensing images. However, the effects for the low-spatial resolution images are minimal. (2) For high-spatial-resolution remote-sensing images, such as roads, trenches, buildings, and other types of object with obvious textural features, the addition of image texture information can increase the degree of distinction of these different types and thereby improve the classification accuracy. However, the addition of the textural information for some objects with similar texture features will cause misclassification and reduce the classification accuracy for these types of images. (3) This method can realize the optimal selection of spectrum and texture bands of a hyperspectral image and has a certain universality. Also, the texture information will be richer and this method will be more practical through increasing the spatial resolution of images.     

山东省寿光市滨海地区盐田信息提取方法研究

山东省寿光市滨海地区盐田水体因含盐度高,其光谱特征与海域水体及其他地物差异大,光谱特征显著;盐田系人为建造,排列整齐\,几何特征明显,遥感影像上表现为纹理特征显著(棋盘状纹理、条纹状纹理),纹理指标可计算性强。首先采用缨帽变换方法增强光谱信息,采用定向滤波及灰度共生矩阵方法增强纹理信息;其次基于增强的光谱与纹理信息,采用以面向应用为目的的感兴趣地物提取方法对研究区TM图像进行分类,将分类结果与仅依据纯光谱及仅依据纯纹理分类结果相对比,分类总体精度分别为90.8985%、84.9102%和60.4017%。结果表明:以面向应用为目的的感兴趣地物提取方法分类精度最高。     

荒漠化地区高光谱遥感图像地物光谱重建的研究

应用高光谱遥感技术对荒漠化进行监测的过程中,重建地物光谱是一项关键性的技术。在图像预处理及光谱重采样的基础上,通过严格模拟大气辐射过程,推导并选用一元线性模型来重建荒漠化地区地物光谱,获得了满意的结果,为目标地物直接识别及其信息的定量反演奠定了基础。     

基于PCA和多尺度纹理特征提取的高分辨率遥感影像分类

城市地物类型多样,空间分布复杂,而且地物具有多尺度性,不同的地物类型具有不同的纹理表达尺度。利用主成分分析法(PCA)对高分辨率遥感影像进行处理,以减少数据量、抑制噪声、突出主要信息。在此基础上,利用灰度共生矩阵法对PCA的第一主成分进行纹理特征提取,选择最佳的多尺度纹理组合进行决策树分类。实验结果表明：基于PCA和多尺度纹理特征的决策树分类方法能够有效地提取地物信息,分类精度达到82.4%,Kappa系数为0.78。     

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...     

一种改进的多尺度分形网络演化分割方法

面向对象技术是提高高分辨率图像分类精度的关键技术之一。针对eCognition的分形网络演化分割算法仅仅采用光谱特征和形状特征进行图像多尺度分割的不足,提出了将边缘特征引入其分割过程中,以提高多尺度分割的效果,来获得边缘平滑且分割对象与实际地物更加一致的分割结果,从而改善eCognition的分形网络演化分割方法中存在的过分割、欠分割和边缘粗糙等情况。通过实验,证明了引入边缘特征的分形网络演化分割方法提高了图像分割结果,减小了过分割和欠分割的产生,使得分割结果与实际地物更加一致。     

基于LiDAR和CCD数据的地形与建筑提取方法优化及精度评价

借助机载小光斑激光雷达点云数据,采用Kraus滤波法结合增强Canny算子优化提取数字高程模型,然后结合LiDAR数据中提取的nDSM和粗糙度特征,以及CCD数据中获得的光谱属性和几何属性,应用多源特征融合面向对象影像分类方法,以提高城市环境下遥感分类的可靠性和建筑实体信息提取精度。结果表明:DEM估测值变异解释能力达到96%,其均方根误差1.15 m,拟合的直线紧贴1∶1线;同时,结合粗糙度、光谱信息和形态指数等信息分类的方法不仅缓解了分类“噪声”,降低了错分现象,且精度较高;研究区内建筑的面积决定系数大多高于0.7,高度信息的估测值变异解释能力也均达到92%以上,表明基于多源特征融合的面向对象分类方法结果可靠且对建筑的三维结构参数提取精度高。     

融合多特征与互信息选择集成多核极限学习机的影像分类方法

针对影像分类结果的类间差异性与准确性难以平衡的问题,提出一种融合多特征与互信息选择集成多核极限学习机的影像分类方法.该方法首先利用最小噪声分离提取影像的光谱特征,考虑到高分辨率影像局部细节信息清晰,利用LBP算子提取影像的局部纹理信息,采用泛化性能好的核极限学习机训练多个弱分类器;然后,通过引入相关性准则描述准确性,冗...     

基于高分辨遥感数据的胡杨与柽柳树冠提取

胡杨、柽柳是干旱荒漠区生境的指示种,其树冠提取是荒漠生境遥感定量监测的基础。以塔里木河下游胡杨、柽柳为研究对象,基于QuickBird数据,使用光谱单数据源SVM、光谱结合纹理SVM、面向对象分类和最大似然分类法提取树冠。结果表明:1光谱结合纹理SVM比光谱单源SVM分类精度高9.65%,冠幅估测精度高7.18%,表明高分辨影像上纹理是提高分类精度的重要因素;2面向对象分类法精度最高,分类总体精度86.47%,较光谱单源SVM提高15.67%,较光谱结合纹理SVM提高6.02%,较最大似然法提高22.58%,其冠幅估测精度达87.45%。它兼顾面向对象影像分割与支持向量机方法优点,有效利用分割对象光谱、纹理和空间等信息,较好地解决了其他方法"同物异谱、异物同谱"造成提取树冠破碎的问题,使树冠提取具有较好的稳定性和较高精度。     

A modified object-oriented classification algorithm and its application in high-resolution remote-sensing imagery

High-resolution satellite images offer abundant information on the Earth's surface for remote-sensing applications. The traditional pixel-based image classification method only used by spectral information has been proved to have several drawbacks. To satisfactorily interpret high-resolution imagery, other important information such as geometry, texture and semantics must be used, which are represented not only in single pixels but in meaningful image objects. So, a modified high-resolution image classification algorithm with multi-characteristics based on objects is presented in this article. First, image objects are extracted by multi-scale multi-characteristic segmentation. Second, characteristics such as spectral information, geometry, texture and semantics are extracted by the corresponding extraction algorithm. Finally, the image objects are classified by means of fuzzy-logic classification with a weighted average calculation method. Preliminary results show promise in terms of classification quality and accuracy.