面向对象高分辨遥感影像分类研究

高空间分辨率遥感影像采用传统基于像元分类方法精度较低,本文通过分析高分辨遥感影像特征,采用面向对象的最近邻监督分类方法对QuickBird影像进行分类研究,首先对影像进行对象分割,然后将分割对象信息、形状特征与及上下文联系等特征构成特征空间进行最近邻监督分类,并与传统的基于像元最近邻分类方法分类进行比较分析,结果表明,本方法能够较好的识别高分辨率地物类型,总精度为92.19%,Kappa系数为0.8835,较好地改善分类效果,适合高分辨遥感影像分类。     

基于Sentinel-2的闪电河流域农作物分类研究

以内蒙古闪电河流域为研究区,基于Sentinel2光学遥感影像结合随机森林和支持向量机算法,采用3种方案:基于像元的分类方法、面向对象的分类方法及改进的基于像元分类与面向对象分割相结合的集成方法,对研究区内的农作物进行精细提取.结果表明:①基于随机森林采用基于像元的方法进行分类,所有地类的总体精度为97.8％,Kapp...     

北部湾红树林的HJ星多光谱遥感提取模式

大区域红树林多光谱遥感提取易受多种地物及自身覆盖度等因素影响,针对这一难题,文中以广西北部湾为研究区,基于HJ星CCD影像,并结合红树林空间分布特征和图谱特征,建立一种适合大区域海岸带的红树林识别提取模式.首先分析影像地物图谱特征,提出用于瞬时海水边线提取的海水比值指数,以及指示红树林的特征指数:红波段角度植被指数和像元波段反射率标准差指数.再从红树林空间生境判定和不同覆盖度反射率变化两方面入手,划分生长适宜区,通过特征指数辅助判定建立最终提取模式.应用结果表明该模式能完整准确地提取不同覆盖度红树林,最大程度消除其他干扰因素影响,总体制图精度达83.70%,用户精度为79.37%,同时也证实HJ卫星CCD多光谱遥感数据应用于海岸带红树林研究的有效性.     

针对资源三号卫星影像水体提取的谱间关系法

针对现阶段水体提取的数据源多是国外测绘卫星数据且需要多波段、丰富光谱信息的问题,通过研究资源三号卫星影像中水体的光谱特征以及阴影的光谱特征,提出一种在资源三号卫星影像中水体提取的方法。运用单波段阈值法、归一化差分水体指数法、支持向量机法、基于阈值的谱间关系法4种方法对提取水体的效果进行比较分析。实验结果表明,本文提出的基于阈值的谱间关系法提取水体的效果比另外3种方法有明显提升,能有效剔除阴影的影响,并且能较好地提取影像中的细小水体。     

基于面向对象的多源卫星遥感影像玉米倒伏面积提取

风灾引起的玉米倒伏可能导致玉米大量减产,利用遥感技术准确监测玉米倒伏面积与空间分布信息对灾情的评估非常重要。利用Planet和Sentinel-2影像分别结合面向对象与基于像元方法提取研究区玉米倒伏,同时评估了不同影像特征（光谱特征、植被指数和纹理特征）与不同分类方法（支持向量机法SVM、随机森林法RF和最大似然法MLC）对玉米倒伏提取精度的影响。结果表明：(1)使用高空间分辨率的Planet影像进行玉米倒伏提取的精度普遍高于Sentinel-2影像;(2)从分类精度和面积精度来看,Planet影像的光谱特征+植被指数+均值特征结合面向对象RF分类,总体精度和Kappa系数分别为93.77%和0.87,面积的平均误差最低为4.76%;(3)采用Planet和Sentinel-2影像结合面向对象分类提取玉米倒伏精度高于基于像元分类。研究不仅分析了面向对象方法的优势,还评估了使用不用影像数据结合面向对象方法的适用性,可以为遥感提取作物倒伏相关研究提供一定的借鉴。     

应用光谱混合分析法从SPOT影像提取槟榔树专题信息

台湾地区槟榔树分布面积较大,但是种植密度不高,用通常的遥感影像分类和专题信息提取方法不能有效地提取槟榔树的分布范围。光谱混合分析是将一个像元看成多种地物的组合,分别求出各种地物所占的比例。运用线性光谱混合分析的方法,对台湾的SPOT卫星影像进行像元分解,提出了如何利用低光谱分辨率影像分解像元的方法。通过与最大似然分类和阈值法提取结果的比较,表明光谱混合分析法不仅有效地提取了槟榔树分布的范围,还计算出槟榔树分布的密度,是一种较好的方法。     

面向对象的矿区信息提取方法的应用与研究

通过使用分辨率为30m的TM影像作为基础数据和面向对象的遥感软件eCognition作为提取工具,采用面向对象的遥感信息提取方法提取矿区的信息,结合ArcGIS的空间分析功能对其产生的分类结果进行进一步的改进及优化,可得到较准确的分类结果矢量图.实验结果表明:利用基于多尺度分割的面向对象的分类方法可以有效地避免传统的基于像元分类时出现的“椒盐”现象,可得到精度更高,范围更准确的分类结果.实验结论为矿区信息提取及矿区影响研究提供了一种新的思路.     

基于形态学阴影指数的高分二号影像建筑物高度估计

高分二号卫星是我国自主研发的高分辨率对地观测卫星,分辨率达到亚米级。利用高分二号卫星遥感影像,结合数学形态学和面向对象分类的思想进行城市建筑物高度估计。首先,利用多尺度分割将影像分割成对象;进而结合光谱、形状、形态学阴影指数(MSI)等特征面向对象进行分类,相对准确提取出建筑物的阴影并计算阴影的长度;最后,结合影像成像时的卫星、太阳和建筑物的几何关系模型进行建筑物高度估计,并利用实地测量数据进行精度评价和误差分析。结果显示,90%的估计结果绝对误差小于1m,说明该方法可以有效地从高分二号影像中提取建筑物高度,展现了国产高分辨率遥感影像提取城市建筑物信息的巨大潜能。     

地物大小、对象尺度、影像分辨率的关系分析

遥感数据的分辨率越来越高, 给地物信息提取提出了新的挑战。利用基于像元的分类技术和基于多尺度分割的面向对象分类技术对高分辨率影像进行分类实验, 分析地物大小、对象尺度与影像分辨率的关系。实验结果表明不同地物由于其空间尺度不同, 与之相适宜的空间分辨率和对象尺度也不同, 在适宜分辨率的影像提取有较高的精度, 在适宜的对象尺度上提取对象信息有更高的精度。分析也表明面向对象的多尺度影像分类技术适应了不同地物有其相适宜的空间分辨率, 在适宜尺度影像层中提取地物, 其分类精度大大高于基于像元的分类方法。     

红树林景观格局遥感提取的尺度效应

针对多观测尺度下提取的红树林难以直接比较、转换和整合的问题,利用多源遥感数据研究红树林遥感提取的尺度效应。基于资源三号影像,采用重采样方法模拟多尺度遥感数据,结合景观格局指数和统计方法探究红树林景观格局遥感提取的尺度效应。研究表明:随着遥感影像空间分辨率的降低,红树林斑块会出现位移和变形;在不同尺度下提取的红树林景观指数呈现一定的变化规律,采用线性、多项式或对数模型能够很好地拟合景观指数随尺度的变化(R~2≥0.94);模型能够很好地预测高分一号影像和Landsat-8影像提取的红树林景观指数。     

基于改进的面向对象遥感影像分类方法研究——以西藏米林县典型林区为例

针对目前面向对象多尺度分类方法中,最优分割尺度的确定方法不具有普适性或者易受主观性影响的问题,以西藏米林县的Landsat 8OLI影像为数据源,对研究区影像多尺度分类进行研究。首先确定多尺度分类的最优分割尺度,提出基于多尺度分类精度Kappa系数的最优分割尺度函数模型法,在此基础上,利用多尺度分类分别与最近邻分类和阈值分类法相结合的方法,对研究区影像进行分类。结果表明:分割尺度分别为190、150、100、60,多尺度分类法比单一尺度分类精度高;最近邻多尺度分类法比阈值多尺度分类精度高,其总精度分别为86%和72%,Kappa系数分别为0.72和0.69。最优分割尺度函数模型在具有普适性的基础上更具有科学理论性,多尺度分类与最邻近分类结合的方法比与阈值分类结合的方法分类效果好,为后续植被动态变化监测提供了依据。     

城市绿地多尺度分割提取及景观分析

探讨了利用多分辨率分割生成两种尺度的城市绿地景观。以50像元和300像元的目标分割值生成小尺度和大尺度的景观影像目标层,利用最近邻法分类两个目标层。从两个景观尺度的分类目标层中矢量化提取出绿地信息,计算分析城市绿地斑块形状与景观参数。表明基于分割产生多尺度景观的方法满足城市绿地景观研究的需求。     

基于形态学开运算的面向对象滑坡提取方法研究

山体滑坡是最常见的地质灾害之一,快速准确地获取滑坡的危害程度和分布情况对灾后救援具有重要意义。通过引入形态学开运算和区域水平集算法来构建面向对象的滑坡提取方法,以高分二号卫星的多光谱影像为数据源,在位于尼泊尔巴格马蒂专区的研究区中,分别运用构建的方法和基于像元的滑坡提取方法进行滑坡提取实验,并对两种方法的滑坡提取结果进行精度分析。实验结果表明:面向对象的滑坡提取方法总体上比基于像元的滑坡提取方法的提取结果精度更高,对云层和积雪的抗干扰能力更强。     

面向对象的那曲WorldView-2影像的分类

随着WorldView-2卫星的发射,首次出现了8波段多光谱高分辨率商业卫星。高分辨率影像包含丰富的空间结构信息和地理特征信息,采用传统的基于像元的影像分析方法精度明显达不到要求。为了提高精度,本文以西藏那曲为研究区,利用面向对象的方法对那曲的WorldView-2影像进行分类,采用模糊分类法,利用所分地物的特征确定类别,针对西部地区干旱河流的特殊情况,提出了一种基于地物空间轮廓特征的分类方法,分类结果较好。     

基于面向对象方法的遥感土壤盐渍化信息监测——以渭干河-库车河三角洲绿洲为例

遥感技术由于具有观测范围广、实时强等特点适合用来研究土壤盐渍化现象。利用遥感手段提取盐渍土信息已经取得了一定的成效。利用面向对象方法,以TM卫星图像数据和野外实地数据为数据源进行提取盐渍地信息。首先,对遥感影像进行预处理,预处理包括几何校正和辐射校正,然后对图像进行图像分割,图像分割使用了分割方法的多尺度分割法、特征选择、面向对象分类和分类图像进行精度评价。对面向对象方法和传统的基于像元分类（最大似然法和最小距离法）结果进行对比分析。结果表明：利用面向对象方法对TM遥感图像进行分类,能有效抑制“椒盐现象”的发生,分类精度比传统的分类方法更高,为盐渍地信息的自动提取提供了广阔的前景。     

深度学习U-Net方法及其在高分辨卫星影像分类中的应用

高分辨率遥感影像有精确的几何结构和空间布局,但是光谱信息有限,增大了对光谱特征相似地物的分类难度。针对高分辨率遥感影像分类的问题,采用深度学习U-Net模型分类方法。基于黑河下游额济纳绿洲高分二号遥感影像,通过U-Net模型提取胡杨、柽柳、耕地、草地和裸地五种地物覆被类型,分类总体精度和Kappa系数分别为85.024%和0.795 6,并与传统的支持向量机（SVM, Support Vector Machine）和面向对象的分类方法比较,结果表明：相对于SVM和面向对象,基于U-Net模型的高分辨率卫星影像地物覆被分类,能够更好地对地物本质特征进行提取,分类效果较好,满足精度要求。     

基于北京一号小卫星的北京及周边五大流域地表水资源监测与分析

地表水作为水资源的重要组成部分,能从特定角度反映水资源状况。研究了基于北京一号小卫星影像的地表水体分类标准、水信息提取方法,并对2007年北京及周边五大流域地表水资源进行了动态监测,同时结合气象水文数据分析其时空分布规律、年内变化特征和变化原因。研究表明:① 利用北京一号小卫星32 m多光谱影像辅以4 m全色影像,基于面向对象分类等方法可以较准确地提取各类地表水信息;② 2007年北京及周边五大流域地表水资源变化特征与该区域2007年平均降水量、降水量的年内变化以及水库调蓄等有关。     

一种有效的高分辨率遥感影像水体提取方法

针对高分辨率遥感图像，提出一种有效的水体自动提取算法。设计基于局部二值模式和[K]最近邻的算法，对遥感图像进行水陆粗分离，并采用形态学滤波抑制各分类区域内的噪声；设计基于局部二值模式和支持向量机的方法，对水陆边界区域进一步细分离，并对细分离结果采用形态学滤波去除水陆边界附近噪声点；针对细化结果，采用形态学腐蚀运算对水体边缘进行平滑，得到最终的水体提取结果。实验结果表明，提出的算法能快速、有效地检测遥感图像中的水体目标。     

基于面向对象方法的沙化土地遥感信息提取技术研究

针对基于像元光谱特征提取沙化土地信息分类精度偏低的问题,以Landsat\|5 TM为数据源,基于面向对象的方法对沙化土地遥感信息提取技术进行研究。首先采用多尺度分割法对影像进行分割以获得同质区域,然后结合野外调查数据制成不同地物类型的多种特征图,从而确定提取目标地物的特征并建立沙化和非沙化地物提取决策树,最后对影像进行模糊分类,并对分类结果进行精度评价。结果表明,基于面向对象提取沙化土地信息的总精度达84.89%,Kappa系数为0.8077。研究结果为后续深入研究奠定了基础。     

ETM＋影像用于土地利用自动分类的实验研究

基于陆地卫星影像,采用基本相的试验处理流程,分别从影像纠正、波段数量和组合及融合影像对分类结果的影响等方面进行分类处理,通过对相同分类要素在不同分类结果影像上所对应像元数量的变化比较,说明不同的卫星影像信息数据对分类结果的影响,旨在为采用陆地卫星影像进行自动提取土地利用覆盖的分类的生产提供参考。