三维及相关辅助信息在提高图像分类精度中的研究

该文对应用高程、坡向及土壤等辅助信息提高分类精度进行了研究.在GIS支持下，运用GIS的空间分析技术综合研究高程、坡向等辅助信息与植被类型的内在关系,运用模糊数学的基本原理将这种内在关系量化,形成可以反映植被与辅助信息间规律的模糊矩阵，综合应用所得到的模糊矩阵通过后分类法来修正无监、有监分类得到的初分类图像.该研究以贺兰山中段汝箕沟一带为研究对象，成功地应用该方法得到了研究区的植被分类图像.研究表明，三维及相关辅助信息可以有效地提高遥感图像的分类精度.     

山区林地多季相TM影像综合分类研究

为了提高陆地卫星TM数据在山区林地的分类精度,利用4个季节的帽儿山TM数据进行植被分类,并辅助以物候特征和地面GIS专题信息 采用由简单到复杂的信息提取过程,先利用基于光谱知识的林地提取模型提取林地边界,再用有监分类方法分别进行林地和非林地内部类型信息的提取,生成多季相综合分类图 分类精度比单时相提高了19 6%     

基于ETM~+的遥感影像信息提取研究

以沈阳市苏家屯区为试验区,对ETM+图像的光谱信息和纹理信息进行综合分析,以达到提高影像分类精度的目的.利用光谱信息提取水体、植被;采用基于灰度共生矩阵的纹理量的分类法,通过TM5波段提取灰度共生矩阵和灰度联合矩阵,计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离,得到最终的分类结果.结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类,光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度.     

应用辅助信息提高森林分类和森林区划能力的研究

由于同物异谱、异物同谱现象的大量存在 ,以及地形地势、土壤水分等影响 ,使应用遥感数据的森林分类能力受限 .为此许多学者研究应用专家系统、神经网络、反演模型来提高分类精度 ,但在复杂地形、森林植被较破碎时其分类效果仍不理想 .因此不少学者将目光转向辅助信息 .所谓辅助信息就是借助直接和间接能影响森林植被分类能力的一些因子 ,如海拔、坡向、土壤厚度、坡度等 ,此外一些专题图件如林相图也是很好的辅助信息 .电子林相图除有图形信息外 ,同时也具有属性信息 ,属性信息中又包含了大量地形地势、土壤、树种及树种组成等信息 ,这些对森林植被分类具有很大的参考价值 .而地形图和在此基础上形成的DEM图除对森林植被分类具有参考价值外 ,同时对区划小班、林班也具有重要的应用价值     

利用纹理特征提取城市用地信息方法探索

就利用灰度共生矩阵纹理特征提取城市用地信息做了初步探索.计算灰度共生矩阵四个纹理特征量,选择建筑用地与其它地类的纹理特征统计量差别较大的特征,用于提取建筑用地信息.通过计算选择了对比度纹理特征,对该特征图像进行分类、密度分割及后处理,得到城市用地信息.通过精度评定证明了纹理特征用于分类可以提高分类的精度,并能提高土地利用动态监测的自动化程度.     

基于NDVI分割与面向对象的东洞庭湖湿地植被信息提取技术

针对东洞庭湖湿地植被的分布现状,为提高湿地植被信息提取的精度和效率,应用高分辨率的SPOT-5影像数据,在完成图像预处理的基础上,将NDVI应用到多尺度分割中,结合基于隶属度函数和阈值的面向对象的分类方法对东洞庭湖湿地植被信息进行提取;与此同时,以相同分类方法对未辅以NDVI分割的图像进行植被提取,并与最大似然监督分类法提取的结果进行对比.结果显示,辅以NDVI分割的面向对象信息提取的总分类精度达到了87.69％,Kappa系数达到0.86;未辅以NDVI的总分类精度为82.69％,Kappa系数为0.80;最大似然监督分类总分类精度71.92％,Kappa系数0.67;其总分类精度分别提高了5.00％、15.77％,Kappa系数分别提高了0.06、0.19.可见,该方法可以有效提高湿地植被的提取精度,为湿地植被资源进一步的监测和保护奠定了基础.     

基于Freeman分解和雷达植被指数的极化SAR图像分类

研究首先基于影像的相干矩阵提取特征参数,即雷达植被指数(RVI),再对影像的协方差矩阵进行Freeman分解,得到三种散射机制参数,分别为体散射、面散射和二面角散射。然后组合这些特征参数应用于支持向量机(SVM)中,对极化SAR图像进行分类,并与Wishart监督分类比较。结果表明,雷达植被指数有助于提高植被的分类精度,且该方法的分类精度明显高于Wishart监督分类。     

人工神经网络在遥感图像森林植被分类中的应用

应用人工神经网络模型对陆地卫星TM多光谱图像进行了森林植被分类的研究 ,共选取了 8种主要植被类型 ,重点是研究在不同背景条件下存在同谱异物现象的云杉、油松和落叶松等针叶林树种的分类方法 .所采用的网络模型为 3层误差后向传播神经网络模型 ,鉴于贺兰山自然植被垂直带谱明显 ,利用误差后向传播网络模型的并行分布式结构 ,研究中引入高程数据作为一个独立波段与 3个多光谱波段一起直接进行分类 ,取得了很好效果 .该方法与常规的最大似然法相比 ,存在同谱异物现象的云杉、油松和落叶松的分类精度平均提高了 2 7 5个百分点 .对存在同物异谱现象的阔叶林的分类精度也有一定程度的提高 .     

大理苍山东西坡植被的垂直分布格局

  目的  分析云南省大理苍山东西坡植被的垂直分布格局变化特征,为有效保护苍山生态环境和物种多样性提供参考依据。  方法  以大理苍山为研究区域,基于高分二号(GF-2)高分辨率遥感影像,结合大理苍山完整的山地植被垂直地带性分布规律,辅以纹理特征和数字高程模型(DEM)数据,采用面向对象的多层次图像分割法,通过构建地形约束因子参与分类过程,准确选择样本,高精度提取研究区域的植被信息,并分析苍山东西坡植被的垂直分布格局。  结果  ①引入辅助信息的面向对象分类法提取的苍山各植被类型连续且效果好,分类总体精度为95.3%,Kappa系数为0.946 6。②苍山东西坡现状植被垂直分布格局明显,各自具有6个垂直分布带,并随着海拔高程的增大,植被分布类型趋同性增大,但东西坡垂直带谱内的优势植被类型相比也存在部分差异。  结论  相较于传统主观性强的分类方法,引入垂直带谱信息的地形约束因子进行分类,可以有效地提高山地植被分类的精度。基于面向对象的多层次分割法适用于苍山植被信息的精确提取。图5表3参20     

基于随机森林模型的陆地卫星-8遥感影像森林植被分类

以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性。结果表明:随机森林分类方法的总体分类精度为81.65%、卡帕(Kappa)系数为0.812。与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多。通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响。说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段。     

基于加权Fisher模糊判别准则的真彩色影像分类方法研究

针对Fisher判别分类中,选取样本不平衡导致Fisher线性判别性能下降,提出了加权Fisher判别对类内散布矩阵进行修正的方法.同时,针对Fisher判别准则为阈值分类器,引入了一种新的Fisher模糊判别准则.该方法应用于无人机真彩色影像的道路、植被、裸土地分类,取得了较好的分类结果.并与传统Fisher方法进行了对比研究,实验结果表明,基于加权Fisher模糊判别方法比传统Fisher方法的分类性能明显提高.     

中国槭属(Acer)的数值分类

应用数值分类的多种方法(系统分类法、模糊分类法、图论分类法、主分量分类法)对我国150种槭树进行了数值分类研究。根据各种数值分类方法得到的结果,以协表相相关系数作为最佳分类的依据,确定了相关系数UPGMA法的分类结果为最佳。画出树系图,找出属以下分类阶元的结合线。根据结合线,并考虑该属进化系统学知识,最后将槭属分为14个组。与传统分类系统的分类结果相比较,绝大多数种相符,并且使有的类群得到合理的归并和划分。同时,对近年发表的近几个新种也进行了归类。     

基于多时相影像植被指数变化特征的作物遥感分类

高分一号GF1/WFV遥感影像具有较高的时间和空间分辨率,利用多时相影像开展农作物分类调查具有明显优势。以安徽省颍上县为研究区域,利用2017年5月至9月共6景多时相GF-1/WFV卫星遥感影像数据对主要农作物的分类识别提取。首先,通过分析研究区主要农作物的典型植被指数NDVI、EVI和WDRVI时序变化特征,明析了不同作物在各时相对不同VI的响应特征;其次,基于作物在不同时相的敏感VI变化响应,构建了决策树分层分类模型,成功提取了研究区玉米、水稻、大豆和甘薯四种主要作物种植空间分布情况。结果表明:总体精度达到90.9%,Kappa系数为0.895。同时,采用最大似然法、支持向量机对研究区作物进行分类,通过分类效果对比发现,最大似然法最差,支持向量机次之,决策树分类方法最佳。研究表明:利用多时相时间序列的遥感影像数据,结合作物植被指数特征,采用决策树分类方法可以有效提高作物分类的精度。     

基于模糊决策树的高校就业数据挖掘研究

随着高等学校招生规模的扩大,大学生就业形势日益严峻。数据挖掘技术可以从大量的历史数据中发现内在的规律和联系。对高校学生就业进行数据挖掘,可发现潜在规律,为就业指导提供决策依据。决策树分类方法是一种有效的数据挖掘方法,但该方法不能很好地处理数据模糊性和不确定性问题。本文提出将模糊决策树算法引入高校就业数据挖掘,解决了数据模糊性和不确定性的问题,生成的知识表示方式自然,易于理解,并且具有更强的分类能力及稳健性。     

AHP与模糊法相结合的公路景观评价研究

针对公路景观评价的复杂性,采用Fuzzy/AHP 2阶段模型对所有参评方案进行综合评价.该评估模型在第1阶段使用AHP方法计算公路景观各评价因素的权重,第2阶段是对上一阶段的判断矩阵进行模糊计算并作评价,同时以天津市某公路的景观评价为例,验证了该评价方法的合理性,为公路景观评价提供了一种新方法.     

基于CART决策树的自然保护区植被类型分布研究

目的针对保护区监测需求，充分发挥GF-1 WFV影像的宽幅特点和面向对象、机器学习算法在遥感影像分类中的优势，提高保护区植被类型遥感监测的精度，为保护区管理决策提供依据。方法以甘肃省白水江国家级自然保护区为研究区，主要数据源包括GF-1 WFV多光谱数据、Landsat-8 OLI遥感数据、DEM数据、野外调查数据等。首先，对GF-1 WFV数据进行多尺度分割，将研究区划分为诸多区域性的分割对象；然后，以分割对象为基本单元，研究光谱特征、几何特征、纹理特征不同组合情况下，基于CART决策树分类的结果；最后，利用训练样本建立基于TTA的精度检验，并基于混淆矩阵对分类结果进行分析。结果在多尺度分割过程中，形状因子、紧致度分别设置为0.2和0.5时地物边界显示较好；当形状因子和紧致度固定时，研究区最佳分割尺度为40。精度检验结果表明，基于CART决策树的保护区植被类型分类结果整体精度均在83%以上，Kappa系数在0.80以上，优于最邻近分类法和支持向量机分类算法，其中基于光谱特征、几何特征、纹理特征的CART决策树分类结果精度最高，总体精度为85.18%，Kappa系数为0.832 2，优于光谱特征分类、光谱特征结合几何特征分类的方法。结论基于CART决策树算法和面向对象方法的GF-1遥感影像分类方法适用于保护区植被类型分布研究，可有效辅助保护区监测工作。      

利用面向对象变化向量分析(OCVA)检测土地利用变化

为推广国产高分数据在土地利用变化检测方面的应用,以延庆区张山营镇2015和2018年2期高分二号(GF-2)影像为数据源,采用面向对象变化向量分析法(OCVA),先通过不同分割模式获取对象,其次利用引入权重的欧氏距离构建变化向量的模,再通过目标函数确定最佳检测阈值后对研究区进行变化检测,最后对变化区域进行面向对象分类,得到具体的"从…到"变化类型。结果表明:1)多时相组合分割模式下的OCVA法精度要高于多时相分别分割模式;2)利用加权组合方法构建对象变化向量的模更易确定最佳检测阈值,且最后的总体精度要高于传统OCVA法;3)结合面向对象分类的OCVA法能有效减少面向对象分类后变化检测法和单一OCVA法的伪变化,检测精度达到92.50%。     

土地利用变化的遥感监测及其与经济发展关系的研究 --以增城市1998-2003土地利用为例

随着经济的发展，增城市的社会经济状况发生了巨大的变化，在这些变化中以土地变化最为显著，而土地利用的变化在经济发展、生态改变及土地可持续发展等方面都具有深刻的影响，尤其是对经济发展影响更加直接和显著。本文分析了增城市土地利用变化及其与经济发展的关系，通过遥感检测技术（post-classification）获取了增城市1998-2003年两年间的土地利用变化数据，并以此为基础进行了土地利用动态变化模型分析。结合社会统计数据探讨了土地利用变化与其经济发展的关系，同时深层次地分析了产生这种土地利用变化的驱动原因。     

基于TM影像的喀什地区土地利用分类

以喀什地区为研究区,选取2010年9景TM影像为遥感信息源,利用支持向量机法对喀什地区的土地进行分类。最终分成7个类别,并用混淆矩阵对分类结果作精度评价,总体分类精度为85.28%,Kappa系数为82.79%。结果表明,利用支持向量机分类方法对TM影像进行喀什地区土地利用分类与制图是可行的,能较真实地反映该地区植被和土地利用的基本特征。