遥感图像监督分类与面向对象分类法对比研究

最近几年,随着空间遥感技术的发展,高分辨率遥感影像在土地资源调查、环境监测等领域中的应用日益广泛。利用传统的遥感影像分类方法,如监督分类,容易导致分类精度降低,空间数据大量冗余和资源的浪费。面向对象的分类方法正是为了解决这些问题而出现,面向对象的方法利用遥感影像结构、光谱信息,并在建立这些特征之间的层次关系的基础上,对遥感影像进行分类。利用杭州市西湖区域2014年10月份的数据,基于ENVI5.0对高分辨率影像进行地物特征的信息提取,利用监督分类和面向对象技术首先对该区域信息进行分类,然后再对分类结果进行对比分析研究。结果表明,面向对象分类方法在此数据城市绿地信息提取中精度优于监督分类。     

面向对象的荒漠绿洲区高分一号遥感影像信息提取技术研究

为了更加快速、准确的提取出荒漠绿洲区土地利用类型,采用面向对象的分类方法,利用e Cognition软件对荒漠绿洲区磴口县高分一号遥感影像进行多尺度分割,并对分割尺度、颜色、形状、紧密度和光滑度等参数设置进行多次的试验,最终确定了荒漠绿洲区高分一号遥感影像信息提取的最佳分割尺度与分类规则。对研究区高分一号影像也采用最大似然法分类法进行分类,分类精度为78.65%,kappa系数为0.6984,面向对象分类方法的分类精度为92.51%、kappa系数为0.8767,荒漠绿洲区面向对象的分类方法提取精度明显优于最大似然法。     

面向对象影像分类与提取法在农作物遥感解译中的应用

根据Landsat8遥感数据,利用eCognition软件,以黄淮海平原饶阳县某地区为试验区,通过对分割参数的定量试验,确定了地物对象的最佳分割尺度;在此基础上分析植被、非植被的典型特征,采用面向对象方法研究植被的信息提取,并对提取结果进行了精度评价。试验结果表明:面向对象影像分类方法能极大地提高分类精度,并实现了植被信息的准确提取,为我国主要粮食基地农作物遥感调查与监测提供了技术支撑。     

基于纹理特征的SPOT-5影像马尾松毛虫害信息提取

以福建沙县为研究区,以SPOT-5影像为数据源,采用灰度共生矩阵方法提取健康林分与受害林分的纹理特征,构建最佳纹理量,分别采用像元统计和面向对象的方法进行虫害信息提取,结果精度分别为72.00%、74.75%。研究结果证明了利用遥感影像纹理特征进行马尾松毛虫害监测的可行性,为利用融合影像光谱信息与纹理信息进行虫害信息提取研究提供了实例支撑和技术参考,同时面向对象的方法优于传统的基于像元统计的分类方法,精度稍高,"椒盐现象"也有所改善。     

面向对象土地利用信息提取技术研究

采用面向对象影像分析方法,以成都郫县古城镇土地利用信息提取为研究内容,对预处理后的QuickBird影像进行多层次分割,建立分类体系,定义相应知识库,综合运用模糊分类器和最邻近分类器进行土地利用信息提取研究.试验区影像提取OA为87.04 %,Kappa系数为0.8434,结果表明,面向对象影像分析能准确、快速的获取土地利用信息.     

基于SPOT-5卫星影像的水稻信息提取方法研究——以德阳市旌阳区为例

【目的】水稻遥感信息提取是遥感技术在农业领域应用方面的重要内容,也是快速、准确满足水稻种植遥感监测的需要。【方法】本研究以四川省德阳市旌阳区为研究区,利用SPOT-5卫星影像,对研究区的影像进行监督、面向对象以及决策树等多种方法分类,对分类结果进行对比,研究最适合提取水稻信息的方法。【结果】结果表明:(1)监督分类(6种分类器)人为控制训练区提高精度的同时也加大了人为误差;面向对象分类提高了效率,易出现分类混淆;决策树分类法直观、效率高,但在本研究区中,由于耕林混交的面积较大,水体和居民地亮度值接近,造成分类误差加大。(2)神经网络和支持向量机的分类精度最高,分类效果清晰,说明在实际水稻信息提取中以监督分类为最佳。【结论】基于遥感技术和高分辨率数据提取水稻信息、实现水稻监测是可行的。     

基于Landsat-8 OLI的农作物信息提取研究——以安徽省蚌埠市为例

针对安徽省蚌埠市农作物水旱交错的特点,提出利用多时相中分辨率遥感影像,基于农作物的物候期特征选择合适的影像数据,采用面向对象的分析方法,构建水旱交错区农作物信息提取模式,进行农作物信息提取。蚌埠市农作物信息提取实验表明,该方法简单易行,有效避免了"椒盐现像",总体分类精度达91.7%,对于准确了解水旱交错地区农作物的面积及其分布情况,具有重要的应用价值。     

面向对象的遥感影像植被信息提取技术研究

在阐述面向对象的遥感分类方法的基本原理和方法的基础上,对2006年武汉市洪山区的遥感影像数据中的植被进行了分类训练和精度评价。为了解决植被中存在的异物同谱的现象采用了阴影消除的方法,同时采用定量测定的方法提取影像中的植被。结果表明,采用面向对象的多尺度分割的植被信息提取精度明显高于非监督分类的分类精度,是一种行之有效的分类提取技术。     

基于面向对象的滑坡快速识别技术研究

对滑坡快速识别技术研究,可为滑坡灾害调查、灾后快速反应以及道路选线等提供重要依据。利用遥感影像,采用面向对象的影像分析技术与多尺度影像分割技术,运用eCognition软件对日本广岛地区进行滑坡快速识别。针对研究区复杂的地物类型,构建优化分类模型,选择适宜的影像分割尺度和分类特征,按照合理顺序逐步识别滑坡体。试验表明,该方法识别速度快、精度高,为遥感影像滑坡快速识别提供了新思路。     

舟曲特大山洪泥石流灾害遥感应急监测评估方法研究

为了对舟曲特大山洪泥石流灾害进行监测评估,以遥感技术为主要手段获取多时相、多分辨率、多传感器的遥感影像。在综合分析获取的灾区遥感影像数据的基础上,结合舟曲特大山洪泥石流发生后的实际情况及灾后应急救灾、灾害评估及恢复重建的实际需要,在＂救灾响应＂前提下,按＂轻重缓急＂原则处理灾后多源遥感影像。在多源遥感影像处理过程中,采用遥感图像处理、摄影测量和地理信息系统技术处理遥感图像,提出了影像拼接、面向对象的灾情信息提取等遥感影像处理的关键技术和方法。根据研究区的实际情况,利用目视解译、遥感图像分类、面向对象的变化监测等信息提取技术,对灾区地质灾害等灾害信息进行了有效地提取,准确确定滑坡、泥石流、倒损房屋、受损道路与桥梁、土地资源、水利设施、市政基础设施等各种灾情信息。同时归纳了灾害信息提取的一般方法,具有良好的科学性和可操作性,适合于巨大灾害灾情遥感应急监测评估工作。该研究成果为全面准确地掌握灾情,科学地评估灾情,进而采取有效救灾防灾抢险等措施和灾后恢复重建提供科学依据,对有效指导防灾减灾具有重大理论和实践意义。     

面向对象的作物种植信息提取研究——以新疆奇台县为例

为快速获取农情信息与农作物种植结构,通过面向对象的识别方法,对新疆主要粮食产区之一奇台县进行作物信息提取的研究。以Landsat 8遥感影像为数据源,通过更新2016年土地利用现状图得到耕地分布信息。使用e Cognition 9. 0软件进行多尺度分割,通过ESP2插件确定研究区最佳分割尺度后进行尺度分割,结合实地调查资料,利用面向对象的Cart决策树分类器和随机森林分类器将作物分为小麦、玉米、打瓜和葵花四类主要作物,提取新疆奇台县作物种植信息。结果表明:研究区最佳分割尺度为90;对于本研究,随机森林分类器Cart树数量为80～90时分类精度较高; Cart决策树总体精度达到0. 925,Kappa系数0. 893;随机森林分类器总体精度达到0. 945,Kappa系数0. 921。表明,在县域级农作物识别时使用面向对象的识别方法对中等空间分辨率遥感影像分类是可行的。     

基于面向对象的多端元光谱混合分析方法

为了充分利用中等分辨率遥感影像的空间、纹理和光谱信息,解决影像中存在的大量混合像元问题,提高多端元光谱混合分析方法的效率,本文提出了基于面向对象的多端元光谱混合分析方法。首先利用面向对象的分析方法对研究区遥感影像进行分类,得到分类结果图;然后对分类结果图中包含多种土地覆盖类型的对象进行多端元光谱混合分析,获得各土地覆盖类别的丰度图及分解残差图;最后对基于面向对象的多端元光谱混合分析结果与多端元光谱混合分析结果进行对比分析。结果表明,基于面向对象的多端元光谱混合分析方法能够得到比较连续且和实际地物分布较为吻合的分析结果,其分解精度和效率优于多端元光谱混合分析方法。该方法可更有效地提取地表覆盖信息,为研究区域性生态环境变化、模拟分析提供了有效的信息提取方法。     

一年一季农作物遥感分类的时效性分析

【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。     

基于高分辨率影像的流域土地利用类型的提取——以乡宁县红土沟流域为例

从高分辨率影像提取流域土地利用类型分类方法入手,介绍了面向对象的遥感分类方法及其在高分辨率遥感影像分类中的应用优势,并以ENVI软件的面向对象分类模块为基础平台,实现了利用SPOT5高分辨率遥感影像对乡宁县红土沟流域土地利用类型的提取。结果表明,面向对象的遥感分类方法在高分辨率遥感影像分类中具有很高的精度,是一种行之有效的高分辨率遥感分类方法。     

基于高分一号影像的天津市宝坻区地表覆盖分类研究

由于国产高分一号卫星WFV相机的16 m数据获取具有免费、时效性好等特点而被广泛应用于遥感信息提取。面向对象的分类方法能够解决基于传统像素的分类方法所具有的破碎性强、易产生同谱异物现象的问题。本研究采用基于面向对象的分类思路,以天津市宝坻区为研究区域,通过获取高分一号卫星影像并进行预处理,利用遥感信息处理软件eCognition对该数据进行影像分割,并对影像分割斑块进行基于规则的分类,提取出宝坻区范围内植被、水体、建设用地、裸地四类地物,并利用高分辨率影像对比进行精度验证,分类总精度达到93%。结果表明:利用高分一号国产卫星16 m影像,采用面向对象的分类思路进行地表覆盖类别的信息提取,可以快速便捷地实现目标区域空间地理信息的获取,对于监测地表覆盖面积和分布状况起到指导作用。     

基于高分辨率影像的苹果园信息提取

本论文目的主要是利用苹果园地的光谱特征,结合地面实测资料,根据苹果树的物候期确定苹果园地遥感识别的最佳时相,同时利用遥感信息和DEM数据进行果树种植面积的提取,建立快速、准确的遥感图像苹果园地识别模型。本文对比了面向对象分类法、监督分类法、分层分类法3种方法,结果认为面向对象分类的具有较高的苹果地信息提取精度,基于分层分类法的精度高于传统的监督分类方法。     

基于面向对象的橡胶分布面积估算研究

海南是最大的天然橡胶种植区域,常规的调查方法费时费力。随着高分辨率遥感影像的应用,为橡胶信息提取提供了可能。以高分辨率QuickBird卫星影像为基础,采用面向对象的信息提取方法,用光谱、形状、纹理等构建特征空间,进行橡胶的分类试验,获取橡胶的种植面积信息,结果显示,基于面向对象方法的提取精度高,用面向对象的分类方法进行橡胶信息的提取是可行的。     

基于无人机遥感影像分类方法研究

以无人机遥感影像作为分类数据,分别采取ENVI软件中的支持向量机分类方法和eCognition软件中的面向对象的分类方法,对所选研究区的农作物以及研究区所存在的其他地物类型进行分类。试验结果表明:eCognition软件中面向对象的分类方法的分类效果较好,总体分类精度达到了90.99%,Kappa系数为0.873 7,相对ENVI软件中的支持向量机分类方法,eCognition软件中面向对象的分类方法更加适合用在无人机遥感分类上。     

基于GF-2遥感影像的葡萄大棚信息提取

随着设施农业的不断发展,快速准确获取农业大棚的空间分布和种植面积有助于农业经济增长模式调整,实现农业资源的高效利用。以2017年5月的GF-2遥感影像 为数据源,在构建最优特征空间的基础上,采用面向对象随机森林分类方法开展南方丘陵地区葡萄大棚信息提取。结果表明：①利用尺度评价工具ESP和邻域差分绝对值与标准差比RMAS结合的方法可以实现特定地物目标的最优分割尺度选择,分割效果良好;②通过Gini指数进行特征选择能减少数据冗余,提高分类精度,在优选的15个特征变量中,光谱特征占有绝对优势,其次是纹理特征和几何特征;③基于最优特征子空间的随机森林模型能有效提取葡萄大棚的分布信息,总体精度高达92.5%,F值为0.91,其面向对象的精度评价指数GTC为0.12。 结果表明,该方法对基于GF-2影像的南方丘陵区域葡萄大棚信息提取具有较大的应用潜力,并可为其他地区的农业大棚信息提取提供较好的解决思路。     

基于GF-2遥感影像的葡萄大棚信息提取

随着设施农业的不断发展,快速准确获取农业大棚的空间分布和种植面积有助于农业经济增长模式调整,实现农业资源的高效利用。以2017年5月的GF-2遥感影像 为数据源,在构建最优特征空间的基础上,采用面向对象随机森林分类方法开展南方丘陵地区葡萄大棚信息提取。结果表明：①利用尺度评价工具ESP和邻域差分绝对值与标准差比RMAS结合的方法可以实现特定地物目标的最优分割尺度选择,分割效果良好;②通过Gini指数进行特征选择能减少数据冗余,提高分类精度,在优选的15个特征变量中,光谱特征占有绝对优势,其次是纹理特征和几何特征;③基于最优特征子空间的随机森林模型能有效提取葡萄大棚的分布信息,总体精度高达92.5%,F值为0.91,其面向对象的精度评价指数GTC为0.12。 结果表明,该方法对基于GF-2影像的南方丘陵区域葡萄大棚信息提取具有较大的应用潜力,并可为其他地区的农业大棚信息提取提供较好的解决思路。