基于边界域修正粗糙熵模型的遥感影像分类不确定性评价

【目的】遥感影像分类是获取地表覆盖信息的有效技术手段,客观合理地评价遥感影像分类的不确定性对农业资源调查、作物估产等方面的遥感应用具有重要的意义。论文针对修正粗糙熵模型在评价遥感影像分类不确定性时存在的问题,构建基于边界域修正粗糙熵模型的遥感影像分类不确定性评价指标,以期更好地度量地物类别尺度上的遥感影像分类的不确定性。【方法】考虑边界域对遥感影像分类结果不确定性的影响,对修正粗糙熵模型进行改进,以类别的边界域被分类知识划分的结果取代所有像元被分类知识划分的结果作为衡量分类知识不确定性的依据,建立基于边界域的修正粗糙熵模型。首先依据粗集理论对所建模型的合理性进行数学推导,然后以北京市的Landsat TM影像和新疆石河子地区的IKONOS影像为例,分别应用修正粗糙熵模型和基于边界域的修正粗糙熵模型对分类结果在地物类别尺度上的不确定性进行评价,用不同空间分辨率和不同研究区域的试验数据的不确定性评价结果印证理论推导结论。【结果】与修正粗糙熵模型相比,基于边界域的修正粗糙熵模型在评价遥感影像分类的不确定性时能够更好地刻画分类知识所引起的不确定性,使遥感影像分类结果的评价更加客观和合理。通过对两种模型下试验数据的分析表明,当所研究的地表覆盖类型在研究区域内的分布比较零碎,成片区域不多,类别与类别之间的边界部分所占比重较大,混合像元现象比较严重的时候,采用修正粗糙熵模型计算遥感影像分类结果的不合理性还不是非常明显,还能够比较客观地反映遥感影像分类的不确定性问题。但是如果评价分布比较集中,面积比较大的地物类型的分类精度时,修正粗糙熵模型则难以客观地反映遥感影像分类的不确定性问题,其评价结果的不合理性也更为明显。【结论】采用修正粗糙熵模型进行遥感影像分类的不确定性评价时,放大了由于边界域存在所产生的不确定性,而基于边界域的修正粗糙熵模型则可以较好地避免这一情况的发生,更合理地度量地物类别尺度上的遥感影像分类的不确定性。     

基于Sentinel-2A影像的矿区土地利用信息提取方法

为研究中高分辨率遥感影像大范围精确提取矿区土地利用信息的技术方法,选取山东省兖州市兴隆庄煤矿作为研究区,针对遥感影像的光谱特征,采用监督分类和归一化指数计算相结合的方式进行矿区土地利用信息提取试验。结果表明,选择融合后Sentinel-2A卫星影像的四个高分辨率波段可应用于土地利用的精确识别;根据地物光谱特征,最大似然监督分类法提取建设用地、裸地效果较好,可作为精确提取两种地类的方法;结合归一化植被指数运算和归一化水体指数运算提取植被、水体信息可明显提高总体分类精度,提取精度可达93.54%,进而可利用该分类结果精确高效地识别和测算矿区土地利用类型及其分布特征,为矿区土地整治、村庄搬迁等提供依据。     

决策树方法从SPOT-5卫星影像中自动提取水体信息研究

分析了SPOT-5影像中水体及其它主要地物的光谱特性及波段间的关系,由此探讨它们在光谱特征上的可分性.研究发现,不同波段之间只有水体具有B3(green)＞B4(SW)且B2(red)＞B1(IR)的特殊关系,同时在短波红外波段(SW)上,水体与其它地物亮度值差异明显,可以通过设置阀值加以区分.根据以上分析,建立了决策树模型,在各节点设计不同的分类器,进行水体信息的提取并对提取结果进行了精度评价.结果表明,该方法的总体提取效果较好,其提取精度与通常的监督分类方法相比有了较大的提高,只是在水体和其它地物交界处有误判现象.     

面向林地分类的GF-2影像融合算法评价

针对林业部门目前常用的遥感影像融合算法,探究适合于林地信息提取的GF-2影像融合算法。以GF-2卫星1 m全色/4 m多光谱分辨率平面影像为数据源,采用HSV变换(hue-saturation-value,颜色空间变换),Brovey变换(彩色标准化变换),PC变换(principle components,主成分变换),HPF变换(high-pass fusion,高通滤波变换),GS变换(gram-schmidt,正交化变换),Pansharp变换(超分辨率贝叶斯变换)等6种常用融合算法,通过目视和定量特征分析对融合效果进行评价,并结合面向对象分类方法对融合后影像进行地类信息提取和分析,探讨6种融合算法对GF-2影像在林区地类提取的适宜性。研究结果表明:基于Brovey和HSV算法的融合结果目视效果良好,清晰度与纹理增强明显;这2种融合算法影像在不同地类信息的提取上各有优势,HSV算法融合结果在不同地类的提取上效果最好,分类总精度可达85.14%,Brovey算法融合结果则在森林类型的提取上具有最高的分类总精度,为75.72%;其余4种融合算法在图像质量及其他地类提取中各有优势,具体融合算法的选取需根据应用目的和影区应用区域的实际情况而定。该研究可为林业部门提高GF-2卫星的适用性及大规模应用提供参考。     

多种光谱指标构建决策树的水稻种植面积提取

合理选取不同光谱指标制定决策树规则,能有效提高决策树分类法提取水稻面积的精度。本研究以江苏省淮安市为例,选取30 m空间分辨率HJ1A和16 m空间分辨率GF1多光谱影像,在对不同地物样点像元光谱特征分析的基础上,选择地物光谱特征明显的GF影像计算NDVI、EVI、DVI和RVI,并提取影像近红外波段反射率,利用上述5种光谱指标确定不同地物分类阈值来对两景影像进行决策树分类,进而获取淮安市水稻面积和分布情况。结果表明,GF影像地物光谱特征较明显,有利于识别不同地物,可用来确定基于多种光谱指标分类的阈值范围。其中,水稻判别条件为NDVI0.70,0.25DVI≤0.45,0.53EVI≤0.80,RVI5.5且0.30ρNIR≤0.46。HJ影像和GF影像提取水稻面积的样本精度分别为87.29%和93.70%,GF影像比HJ影像的水稻面积提取精度提高了6.41个百分点,说明利用多种光谱指标构建决策树分类模型是一种有效提取水稻种植面积的方法。     

GF-1卫星数据在土地利用变更调查遥感监测中的应用

以湖南省衡阳县为研究区域,根据土地利用变更调查遥感监测的相关技术标准和规范,针对新型遥感卫星GF-1的全色、多光谱数据,围绕原始数据的质量和新增建设用地提取等遥感监测的关键技术环节进行评价试验,在运用定性和定量分析方法的基础上,与同级别的国外卫星数据作对比分析,测试GF-1卫星数据在遥感监测业务应用中的适用性.结果表明,GF-1卫星数据光谱信息丰富、地物解译标志清晰,能较好地反映地物信息,地物判读性较好,能够满足土地变更调查与监测的应用需求.     

基于模糊聚类分析的田间精确管理分区研究

【目的】以海涂围垦区盐碱土为研究对象，将从SPOT遥感影像提取出的NDVI数据和盐碱地土壤生产力的主要限制因子盐分数据及部分养分数据作为变量进行精确农业管理分区研究。【方法】模糊c均值聚类方法被用来进行分类分区，并引入了模糊聚类指数和归一化分类熵两种分区效果评价指标，对分区结果进行比较和评价。【结果】本研究区，最佳的分区数目为3个。对处于每一子区内土样的化学特性和实测棉花产量数据进行方差分析，发现其均值在所定义的每个管理分区内都存在着统计意义上的显著差异性，其中子区3具有最高的肥力水平和作物产量，而子区1最低。【结论】利用所选取的变量，模糊c均值聚类算法可以较好地进行管理分区划分。分区结果不但可以指导采样，而且可用于实施变量投入和精确施肥推荐，为样区土壤管理提供科学的决策依据。     

高分二号全色-多光谱影像融合方法对比研究

基于高分二号卫星影像,选取GS变换、自适应GS变换、主成分分析、NND融合算法、UNB融合算法、SRM算法6种主流的融合方法进行融合试验,采用目视判读和定量评价的方法对融合结果进行直接评价,通过分类精度对融合结果进行间接评价,探究适用于高分二号卫星影像的融合方法。结果表明:研究区覆盖的地物类型不同,各融合方法的效果也不同。对于水体和绿色植被区域,GSA、GS和PCA方法的光谱保真性和细节增强能力较好,这3种方法适用于目视解译;从地物分类的角度来说,SRM方法的分类精度最高,适合用于地物分类方面的应用;UNB融合方法效果适中,可用作高分二号卫星影像融合的替补方法;而NND方法会出现轻微光谱失真现象,且其分类精度偏低,在实际应用中则不建议采用。     

SPOT-5卫星影像中水体信息自动提取的一种有效方法

从卫星遥感影像中快速、准确地提取水体信息已成为水资源调查，水资源宏观监测及湿地保护的重要手段，但目前，进行水体提取所使用的卫星遥感数据的分辨率较低，使其应用的深度和广度受到严重约束。本文利用波段运算得到特征波段(PRWI)，经过图像增强处理后提取水体和居民地混合信息，在此基础上通过分析水体的光谱特征，发现水体和居民地在近红外和短波红外上有显著差异，采用决策树模型将水体专题信息提取出来。运用目视判读和定量统计方法来评价提取结果。结果表明，该方法的总体提取效果较好，其提取精度与常规的监督分类方法相比有了较大的提高。经检验发现其误判的像元主要是位于水体和其他地物的交界处。     

基于不一致性法的最优分割参数评价

影像分割是基于对象分析方法的前提,分割结果的质量决定了后续分类的精度,分割参数的选择影响到分割结果的好坏.基于不一致性度量方法,考虑几何不一致性和算术不一致性,构建了新的最优分割参数评价指标FIX,实现最优分割参数的选择.选取高空间分辨率IKONOS影像上2种不同地物(池塘、农田)进行实验研究,表明不同地物具有不同的最优分割参数,为最优分割参数评价方法提供一种思路.     

结合多尺度纹理特征的高光谱影像面向对象树种分类

目的基于机载高光谱影像的分类研究中，利用不同尺度纹理特征与面向对象分类相结合的方法在树种分类的研究中应用较少，并且相关研究主要针对单一树种识别而不考虑多种树种，因此对于复杂林分中的树种识别能力有待进一步研究。本研究拟探究不同尺度纹理特征结合面向对象的分类技术在树种精细分类中的应用效果。方法利用机载高光谱数据进行面向对象的树种精细分类。根据研究区内地表类型情况，采用分层分类的方法区分非林地、其他林地与有林地，对有林地进行树种的精细分类。从机载高光谱图像中提取特征变量，包括独立主成分分析ICA变换光谱特征以及空间纹理特征，分析各树种的光谱反射率及所适合的纹理尺度，依据不同尺度纹理特征进行分层分类，比较不同特征利用支持向量机SVM分类的树种分类结果。结果结合单一尺度纹理特征的分类结果总体精度为87.11%，Kappa系数为0.846；结合不同尺度纹理特征的分类总体精度为89.13%，Kappa系数为0.87，相比于仅利用光谱特征的分类精度分别提升了4.03%和6.05%。说明在面向对象的分类中，纹理特征的加入对于提升树种分类的精度具有显著效果。结合不同尺度纹理特征的树种分类精度要高于单一尺度纹理特征的分类精度，尤其在其他阔叶树种和马尾松树种的分类中，制图精度较单一纹理尺度分别提高了5.48%和6.12%。结论利用不同尺度的纹理特征分类比单一尺度纹理特征分类更具优势，提高了纹理特征在树种分类中的贡献率；综合利用机载高光谱影像的光谱特征和不同尺度纹理特征的面向对象分类方法，使得树种识别更为精细和准确。该方法对于复杂林分树种的分类是有效的，能够满足机载高光谱影像树种精细识别的应用需求。      

基于树种分类的高分辨率遥感数据纹理特征分析

遥感图像尤其是高分辨率（1~4 m）遥感图像在树种分类方面有着广阔的应用前景。利用主成分分析法对遥感数据去相关分析,然后通过对纹理提取过程的分析,探讨不同移动窗口大小对纹理特征的影响,以期为中山陵园风景区的森林调查提供依据,分类方法为经典的最大似然分类器。根据不同移动窗口大小的纹理因子相关性和对保持纹理信息丰富度的影响,来选择合适的窗口大小及纹理因子组合,以对树种分类精度的提高程度为评价标准。研究结果表明,利用窗口大小为19 19下的纹理信息可有效提高分类精度,总精度达到66%,Kappa系数达到0.59,比单纯的光谱信息最大似然法图像分类精度高,其中均值与均匀性、对比度、偏斜度纹理因子组合为最佳纹理组合,能有效减少数据冗余。高分辨率遥感数据纹理信息的运用为树种分类识别时的特征选择提供了有利技术参考。图4表3参19     

结合纹理信息Hyperion高光谱影像分类

高光谱遥感光谱特征明显,单纯利用其光谱优势难以达到影像分类精度要求,特别是区分植被精细类别。为了进一步提高Hyperion高光谱影像分类精度,研究加入包含区域亮度变化及结构特征的纹理信息,试图提高分类精度。以杭州市余杭区百丈镇为试验区,首先提取研究区道路、建筑物、农田、毛竹Phyllostachysedulis林、马尾松Pinusmassoniana林和栎类Quercus等7种类型的端元光谱,然后对端元进行线性光谱分离,利用二阶概率矩阵对线性光谱分离出的8个波段提取纹理特征,最终结合线性分离后的端元光谱实现分类。结果表明：纹理信息融入后分类结果较单源信息光谱角制图和单源信息支持向量机方法有明显的改善,建筑物精度分别提高了34．13％和17．16％,农田提高了19．71％和9．24％,马尾松则改善了27．09％和5．42％,栎类精度提高了近3．00％和10．00％,且一定程度上避免了椒盐效应。采用光谱与纹理信息结合的方法对Hyperion高光谱影像分类是可行的。分类过程中端元的提取、纹理分析时特征向量的组合及纹理移动窗口大小的选择对分类结果起重要的作用。图6表1参19     

基于高光谱成像技术的茄子叶片灰霉病早期检测

为建立基于高光谱成像技术的茄子叶片灰霉病早期检测方法,利用高光谱成像系统获取120个茄子叶片在380~1031nm范围的高光谱图像数据,通过主成分分析(PCA)对高光谱数据进行降维,并从中优选出3个特征波段下的特征图像,截取200×150的感兴趣区域图像(ROI),并从每幅特征图像中分别提取均值、方差、同质性、对比度、差异性、熵、二阶矩和相关性等8个基于灰度共生矩阵的纹理特征变量,通过连续投影算法(SPA)提取13个特征变量, 利用最小二乘支持向量机(LS‐SVM)构建茄子叶片灰霉病早期鉴别模型,模型判别准确率为97.5%.说明高光谱成像技术可以用于茄子叶片灰霉病的早期检测.     

基于遥感图像光谱特征融合的高原土地覆盖类型分类模型

在使用土地覆盖类型分类模型分类高原土地覆盖类型的过程中,由于不同类别地物间光谱信息更相近,在没有多特征降噪的情况下,容易产生噪声偏差,导致土地覆盖类型错分,设计一种基于遥感图像光谱特征融合的高原土地覆盖类型分类模型。设计特征提取方法,提取遥感图像中几何特征的空间特征与属性特征,以展示遥感图像光谱更多的空间细节信息;将遥感图像按照一定模式规则进行处理和运算,构建三种多特征融合模式,使用SVM作为分类工具,计算其中参数,实现元素的线性可分。模型性能测试结果表明：设计的分类模型所得到的分类结果在生产精度、总体精度、Kappa系数这三个指标中的评分均达到了0.7以上,验证了设计模型在高原土地覆盖类型分类中的准确性。     

ETM+遥感影像融合方法的土地覆盖分类精度的研究

采用小波变换、小波和PCA相结合、小波和HIS相结合等遥感影像融合方法对Landsat7 ETM+多光谱与全色影像进行融合和土地覆盖分类研究,并结合影像的光谱统计参数和融合影像分类精度对这些方法进行评价,结果发现这3种融合方法均能不同程度地提高影像的分类精度。其中,第3种方法所得融合影像与原多光谱影像的相关系数最大,均方差、相关系数和信息熵最大,影像所含信息量最多,光谱特性保持较好;清晰度较高,在空间细节信息的表现能力上较优,所以融合影像的分类精度最高。因此,小波和HIS相结合的融合方法更适合ETM+融合影像的土地覆盖分类研究。     

基于色彩和纹理特征的建设用地遥感专题信息自动提取方法

提出了一种基于航空影像的建设用地信息自动提取方法.针对航空影像光谱信息少,色彩信息和纹理信息丰富的特点,该方法首先采用HSV色彩变换和纹理分析手段充分挖掘影像中所包含的色彩信息与纹理信息,在此基础上采用多特征阈值分割技术将色彩信息与纹理信息有机结合进行建设用地信息提取,并使用邻域分析方法对提取结果进行修正.通过对研究区域航空影像的处理,结果表明,该方法提取精度较高,且易于实现.     

C5.0决策树Hyperion影像森林类型精细分类方法

以吉林省白河林业局为中心研究区,利用星载高光谱Hyperion数据并结合其他辅助数据,综合利用影像光谱特征、纹理特征、地形特征、典型地类和主要森林类型外业调查样本数据,探究针对C5.0决策树算法的高光谱影像土地覆盖类型多层次信息提取与森林类型识别的有效方法。在分析典型地物光谱特征的基础上,优选8种纹理特征,引入主成分分量及与主要森林类型空间分布相关的敏感地形因子,采用分层分类的策略,根据光谱特征将地类划分层次,在层次间建立基于C5.0决策树算法的决策树模型,对研究区的地类进行细分。为便于对比,以相同的策略采用支持向量机（SVM）分类器进行分类。最后,结合野外采集样本并参考高分辨率影像,采用分层随机抽样的独立检验样本对森林类型精细识别结果进行精度验证。结果表明:C5.0决策树算法可综合利用高光谱影像的光谱、纹理及其他辅助数据,自动寻找出区分各类别的最佳特征变量及分割阈值,运算速度快,占用内存较小且无需人为参与,其分类精度达到优势树种级别,总体分类精度达81.9%,Kappa系数0.709 8。     

基于数据挖掘技术的高光谱土壤质地分类研究

【目的】 寻找红壤地区不同土壤质地类型的Vis-NIR光谱反射规律,通过光谱对土壤质地类别进行快速、准确的预测。【方法】 以江西省奉新县北部为研究区,245个土壤样本为研究对象,在国际制土壤质地4组和12级两种分类标准下,首先分析不同土壤质地类型的光谱反射率,然后采用9种数学变换方法和5种机器学习算法相互组合的数据挖掘模型,进行土壤质地的分类研究,最后对建模准确度最高的混淆矩阵和预测结果三角坐标分布图进行分析。【结果】 （1）不同土壤质地之间的光谱反射率存在较多的交叉重叠现象,土壤质地与光谱反射率之间的规律较为复杂;（2）分数阶导数变换是整数阶导数的扩展,有助于土壤质地的分类,但原始光谱数据具有更加丰富的特征信息,更适合进行土壤质地分类建模;（3）在对非均衡数据集建模时,集成学习方法和神经网络方法都是不错的选择;（4）较难通过模型去区分土壤质地分界线附近的类别,其中在4组分类标准下最容易被预测错误成黏壤土组,在12级分类标准下最容易被预测错误成黏壤土和壤质黏土这两种土壤质地类型;（5）在4组分类标准中,进行归一化处理和MLP模型组合取得了0.68的最高预测准确度,其中黏壤土组的预测准确度能达到0.84;再细分到12级分类后,分类效果最佳的组合来自于原始数据和MLP模型,其中壤质黏土分类准确度达到了0.89。【结论】 本研究结果可为南方红壤地区通过高光谱数据进行土壤质地分类提供参考依据。     

基于信息熵的酒泉市土地利用结构分析及其灰色预测

基于Shannon信息熵理论,分析研究了2003年～2008年酒泉市土地利用结构信息熵动态变化,对影响信息熵值大小的土地利用类型做了初步探讨,并运用灰色系统理论的GM(1,1)模型对2009年～2015年酒泉市的信息熵进行预测.结果表明:影响酒泉市土地利用结构信息熵动态演变的主要土地利用类型有耕地、居民点及工矿用地、交...