共查询到20条相似文献,搜索用时 387 毫秒
1.
2.
为探索高分辨率遥感图像在二类调查工作中的辅助作用,在辽东山区选择具有典型地域特点的新宾县进行试验地块全域区划。采用人工分层分类分析影像标识,利用遥感技术进行预区划,并通过外业踏查验证,评价小班预区划的精度。结果表明,该方法的地类正判率达到90%以上,小班区划面积精度达到95%以上,为下一步森林资源二调工作中遥感技术的应用和编制相关技术方案提供科学参考。 相似文献
3.
面向对象分类方法在森林采伐遥感监测中的应用 总被引:1,自引:0,他引:1
《中南林业科技大学学报(自然科学版)》2010,(11)
利用多尺度分割技术和面向对象分类方法对SPOT5遥感数据进行土地的分类及森林采伐信息提取。在面向对象的图像分析中,采用图像分割——基于规则的分类——基于分类的分割的多尺度分割方法,在综合最优分割尺度下,用最邻近分类器对SPOT5影像进行分类;采用两期图像特征比较,提取森林采伐区信息,并结合二类调查成果和伐区设计资料,使用交互式补充判读和修正。结果显示:研究区各地类的分类精度都在85%以上,对森林采伐图斑判读的加权综合正判率达到90.8%,其中皆伐图斑个数正判率92.8%,非皆伐图斑个数正判率83.3%。利用多期高分辨率遥感图像可以进行森林采伐监测,研究结果为提高森林采伐限额监测效率、采伐区识别准确度和面积估算精度提供了有效途径。 相似文献
4.
基于多种分类器组合的森林类型信息提取技术研究 总被引:1,自引:0,他引:1
遥感图像分类是遥感应用系统中的关键技术,提高遥感图像的分类精度是发展遥感技术重点,采用多分类器组合的算法对黑龙江塔河县森林类型进行分类。根据黑龙江省森林资源调查技术规定及研究区二类调查数据制定分类系统,最终的分类级别为针叶林、阔叶林和针阔混交林。通过分析TM数据的原始波段和NDVI、BI等植被指数提取各分类类型的光谱特征。选择最小距离法、最大似然法、马氏距离法对研究区进行分类,计算出各分类器的精度。在分类器组合的过程中采用信息熵方法确定组合分类器中各分类器的权重系数,利用组合后新的分类器对研究区进行分类。结果表明:多分类器组合的分类精度达75.59%,比单分类器精度提高了3.85%,对阔叶林、针阔混交林、针叶林3种分类类型的分类精度分别达82.32%、66.45%、75.49%,比单分类器进度分别提高了2.87%、4.82%。4.10%。 相似文献
5.
6.
基于卷积注意力模块的端到端遥感图像分类 总被引:1,自引:0,他引:1
随着图像信息处理技术的发展,大量由各式飞行器对地观测所采集的遥感图像数据被应用于各领域实际生产生活中。传统遥感图像分类方法包含一系列复杂的处理流程,在处理效率和效果上已经难以满足当下的需求。随着人工智能相关技术的发展,基于卷积神经网络的遥感图像分类方法开始占据主导地位。为减少算法流程中的复杂处理与提高分类的精度,笔者提出一种基于卷积注意力模块的端到端遥感图像分类框架,该框架采用卷积神经网络框架ResNet101作为整个框架的主干网络。在ResNet101网络4个阶段的卷积模块之间嵌入卷积注意力模块,使得模型关注于最具有类别区分度的区域,从而得到更好的分类结果。在模型训练阶段,采用开源的深度学习开源框架Pytorch对训练数据进行在线增广处理,对训练数据进行随机角度旋转,防止训练过程中发生过拟合现象。本研究基于PatternNet与NWPU-RESISC45两个公开数据集,并仅划分少量数据用于模型训练。结果表明:相比已有的方法,本研究提出的框架能够在GPU加速的环境中,以更高的精度分类遥感图像,满足了实时处理的需求,且支持端到端对遥感图像进行分类,不需要复杂的处理流程。 相似文献
7.
基于深度学习特征和支持向量机的遥感图像分类 总被引:1,自引:0,他引:1
随着遥感图像采集技术的迅速发展,传统的遥感图像处理方法已经不能满足当前实际的生产需要。近年来,深度学习模型的流行为遥感图像分类问题的解决提供了新的途径。因此,为了进一步提升遥感图像的分类精度,笔者提出了一种基于深度学习特征和支持向量机(support vector machine,SVM)的遥感图像分类模型。首先,针对深度学习模型需要海量训练数据的特点,运用旋转、剪裁等方法对原始的遥感图像进行数据扩增;然后,将扩增数据按照种类随机地分为训练集和验证集两部分测试集,并使用训练集和验证集训练改进的针对遥感图像分类问题的卷积神经网络(convolutional neural network,CNN)中的参数,进而在训练好的CNN模型上提取第一部分测试集的深度学习特征;最后,使用第一部分测试集的深度特征训练多分类SVM,并对第二部分测试集图像进行分类验证。实验采用NWPU-RESISC45公共数据集对本研究模型精度进行验证,与现有的遥感图像分类方法相比较,实验结果表明,提出模型的总体分类精度有明显提升,从而验证了方法的有效性和实用性。 相似文献
8.
小班划分是二类调查的核心工作,而地类划分是小班划分的基础。文章在1∶4万和1∶5万TM影像图上,通过判对率检测、地类解译精度分析、调绘面积与实测比较,阐述了两种比例尺TM影像图在二类调查小班地类划分的适用性和可靠性。 相似文献
9.
10.
11.
12.
付纪建 《内蒙古林业调查设计》2011,34(3):62-65
文章根据森林立地分类原则及多伦县地形地势、土壤和植被差异,采用立地类型小区立地类型组———立地类型三级分类,共划出4个立地类型小区、8个立地类型组和26个立地类型,旨在满足多伦县森林资源规划设计调查和经营方案编制的需要。 相似文献
13.
以山西省古交市嘉乐泉乡为试验区,采用SPOT-5的10m、5m和2.5m 3种影像数据对退耕还林地面积进行分类监测。所设计的2种方案分别是:1)将地物类型分为7类,退耕还林地作为一种单独地类,对3种影像数据进行计算机自动分类和2.5m影像的人工解译分类;2)借助退耕还林作业设计图,将退耕还林地块影像分割出来,对退耕还林地和未退耕还林地进行有监分类。精度验证表明,第一种方案中2.5m融合图像的人工解译分类,退耕还林地的分类精度在50%以下;第二种方案中3种影像数据的总体分类精度均大于90%。建议在退耕还林地的作业设计图电子化的基础上,应用SPOT-5数据监测退耕还林地的任务完成和植被覆盖情况。 相似文献
14.
面向对象的退耕还林造林效果遥感特征提取技术研究 总被引:3,自引:0,他引:3
以河北省张家口市2002年的退耕还林地为研究对象,以高空间分辨率(以下简称高分辨率)遥感(Quick-bird-快鸟,分辨率0.6m)为信息载体。运用严格的传感器物理模型对快鸟预正射影像进行正射处理,采用Median滤波、Gaussian滤波和均值滤波三种滤波技术对图像进行增强处理。采用面向对象的图像信息提取技术,提取退耕还林地树冠特征值,进而计算退耕还林造林保存率。研究结果表明:由遥感数据自动提取的树冠尺寸(直径)在1.2m以上,平均保存率为85.11%,精度达到了89.837%。 相似文献
15.
We developed a forest type classification technology for the Daxing'an Mountains of northeast China using multisource remote sensing data.A SPOT-5 image and two temporal images of RADARSAT-2 full-polarization SAR were used to identify forest types in the Pangu Forest Farm of the Daxing'an Mountains.Forest types were identified using random forest(RF) classification with the following data combination types: SPOT-5 alone,SPOT-5 and SAR images in August or November,and SPOT-5 and two temporal SAR images.We identified many forest types using a combination of multitemporal SAR and SPOT-5 images,including Betula platyphylla,Larix gmelinii,Pinus sylvestris and Picea koraiensis forests.The accuracy of classification exceeded 88% and improved by 12% when compared to the classification results obtained using SPOT data alone.RF classification using a combination of multisource remote sensing data improved classification accuracy compared to that achieved using single-source remote sensing data. 相似文献
16.
17.
借助ERDAS软件,运用遥感数据融合技术对四川省蓬安县进行基于ETM+融合影像的土地覆盖分类初步研究。研究中采用相同的训练样本区及最大似然法分类方法,对融合前后影像分别进行土地覆盖分类,通过对分类影像的Producers Accuracy,Users Accuracy,Kappa Accuracy三者的精度数据对比分析,上述的影像融合方法对提高土地覆盖分类的精度较为明显;就3种融合方法及重采样方式而言,乘积法融合法和立方卷积重采样法相对更为可取。 相似文献
18.
Statistical mapping of tree species over Europe 总被引:1,自引:1,他引:0
D. J. Brus G. M. Hengeveld D. J. J. Walvoort P. W. Goedhart A. H. Heidema G. J. Nabuurs K. Gunia 《European Journal of Forest Research》2012,131(1):145-157
In order to map the spatial distribution of twenty tree species groups over Europe at 1 km × 1 km resolution, the ICP-Forest
Level-I plot data were extended with the National Forest Inventory (NFI) plot data of eighteen countries. The NFI grids have
a much smaller spacing than the ICP grid. In areas with NFI plot data, the proportions of the land area covered by the tree
species were mapped by compositional kriging. Outside these areas, these proportions were mapped with a multinomial multiple
logistic regression model. A soil map, a biogeographical map and bioindicators derived from temperature and precipitation
data were used as predictors. Both methods ensure that the predicted proportions are in the interval [0,1] and sum to 1. The
regression predictions were iteratively scaled to the National Forest Inventory statistics and the Forest map of Europe. The
predicted proportions for the twenty tree species were validated by the Bhattacharryya distance between predicted and observed
proportions at 230 plot data separated from the calibration data. Besides, the map with the predicted dominant species was
validated by computing the error matrix. The median Bhattacharryya distance in the subarea with NFI plot data was 1.712, whereas
in the subarea with ICP-Level-I data, this was 2.131. The scaling did not significantly decrease the Bhattacharryya distance.
The estimated overall accuracy of this map was 43%. In areas with NFI plot data, overall accuracy was 57%, outside these areas
33%. This gain was mainly attributable to the much denser plot data, less to the prediction method. 相似文献
19.
高光谱数据森林类型统计模式识别方法比较评价 总被引:4,自引:0,他引:4
在我国东北地区获取EO-1 Hyperion高光谱数据,以高空间分辨率的全色SPOT-5数据及其影像分割结果为辅助,通过外业测量获取真实可靠的森林类型空间分布数据.以这些数据为地面实状数据,对现代先进的统计模式识别方法用于森林类型识别的效果进行比较评价,总结可以有效解决有限样本条件下高光谱分类问题的基于统计模式识别的森林类型分类技术方案.评价结果表明:对高光谱数据进行降维处理,并采用更加有效的二阶统计量估计方法,进而应用将空间上下文信息和光谱信息相结合的分类算法,如ECHO,可以有效提高高光谱数据森林类型的识别精度. 相似文献