面向对象最优特征选择分类提取方法研究

针对当前面向对象高分辨率影像分类提取过程中特征空间"维灾难"的问题,本文提出一种自动最优特征自动选取算法——RFSC算法。通过引入Relief F算法去除无关特征,考虑类内约束的SEa TH算法去除特征冗余,并利用CART决策树自动构建分类规则的方法,实现高分辨率影像自动分类。通过对SEa TH算法和RFSC算法特征选择分类精度验证,实验结果表明:RFSC算法能够更有效地区分地类,分类总体精度能够达到83.7%,尤其房屋和道路的区分度明显提高。本文研究的RFSC最优特征选择算法可以为其他数据的分类提取及应用提供参考。     

基于分类回归树分析的棉花种植面积提取——以库、新、沙三县为例

以研究区2012年的HJ卫星CCD影像为数据源,通过物候历和主要农作物的光谱特征分析,确定棉花识别最佳时相。采用分类回归树分析(CART)的决策树方法提取棉花种植面积信息,并以农田实地调查样点和统计数据为参考对提取的棉花种植面积结果进行评价。结果表明,基于HJ-CCD数据,使用CART算法的决策树可以较好地提取棉花覆盖信息,最终提取的棉花种植面积总量精度为94.29%,位置精度为88.57%;本研究采用的决策树方法,操作方便、容易实 现,分类结果较为实际,基本满足棉花种植面积遥感监测的需求,可对棉花种植面积估算和种植结构分析提供一定的参考。     

基于GF-2遥感影像的塑料大棚提取方法对比

为实现GF-2遥感影像在农业领域的有效利用,针对GF-2遥感影像提取塑料大棚,对比分析随机森林、CART决策树及支持向量机3种分类方法的应用,以GF-2遥感影像为数据源,以内蒙古赤峰市喀喇沁旗王爷府镇为研究区,通过潜在分割误差(PSE)、分割强度(NSR)、欧氏距离(ED)3个指标确定最优分割参数组合,利用随机森林(RF)算法筛选出参与分类的最优特征子集,采用随机森林、CART决策树、支持向量机3种分类器进行了塑料大棚提取对比分析。试验结果表明:1)基于PSE、NSR和ED最优分割参数选择方法,应用于面向对象连片塑料大棚特定地物提取的研究分割效果较好;2)通过RF算法分析包含光谱、纹理、形状及相邻关系等多种特征,得出特征个数与分类精度之间呈现先逐渐增大后减小的趋势,该方法在保证分类精度的同时,可有效删除冗余与不相关特征,以提高分类器性能;3)将采用最优特征子集的3种分类器进行对比,随机森林分类效果最好,分类正确率达到89.65%,表明该方法能有效提取GF-2遥感影像连片塑料大棚,为提取设施农业的应用提供参考。     

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。      

耕地遥感识别研究进展与展望

快速、准确获取耕地数量及其分布信息是研究耕地时空格局和生态效应的基础,也是及时制定应对粮食问题对策的迫切需求。近年来,随着卫星遥感技术的迅猛发展,遥感以其宏观性、实时性以及经济性为耕地信息快速获取提供了可能性。本文归纳了遥感技术应用于识别耕地信息的研究进展,总结了国内外耕地信息提取研究中常用的数据源、分类算法、时相选择、分类对象,讨论了上述四大类在提取耕地信息过程中的优缺点。随着传感器数量不断增加,遥感影像时间分辨率、空间分辨率及光谱分辨率不断提高,分类算法的不断涌现,基于多源遥感数据,集成智能分类算法识别耕地将成为必然的发展趋势。     

基于无人机可见光遥感影像的耕地精准分类方法研究

无人机可见光遥感具有使用成本低、操作简单、实时获取遥感影像、地面分辨率高等优势。提出了一种利用无人机可见光遥感影像进行耕地精准分类的方法,以广东省惠州市惠东县铁涌镇石桥村部分耕地的可见光遥感影像为研究对象,对耕地的面积信息、形状信息以及位置信息进行监测和提取,采用面向对象法对影像中两种基于可见光波段的植被指数、纹理信息、形状信息进行分析,研究出分类提取耕地信息的较佳方案。经过反复实验确定分割尺度45、合并尺度90为分割参数,同时利用波段信息和纹理信息对未种植作物耕地和其他地物进行分离。该方法总体精度为89.23%,Kappa系数为0.72。实验结果表明利用无人机可见光遥感数据对耕地进行分类虽然存在一些细碎地块被错提、误提的情况,但总体精度仍然保持在一个很高的水准,可以为耕地作物分类提供参考,为实现精准农业提供精准的数据基础。     

基于多时相GF-1遥感影像的作物分类提取

为了提高遥感影像数据对作物分类提取的精度,更多地反映作物的空间分布结构和物候差异,以黑龙江农垦赵光农场为研究对象,提出一种基于分区与决策树分层分类相结合的作物遥感分类方法,利用2014年高分一号卫星(GF-1)WFV遥感影像数据(4景)开展主要作物的识别分类提取。首先,结合实地调查与影像光谱特征信息的总体分布,将研究区分割成3个子区域(西南区、北部区和东南区);其次,基于多时相遥感影像序列,分析主要作物的反射光谱和植被指数的时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了赵光农场主要作物的空间种植信息。结果表明,2种分类方法的精度都很高,总体精度均在97.00%以上,Kappa系数均在0.900 0以上。分区分类更优于整幅图像非分区分类,总体精度达到98.10%,Kappa系数达到0.960 7;非分区分类总体精度为97.50%,Kappa系数为0.948 3。研究表明,基于分区与决策树分类法相结合的作物分类结果精度,明显优于不使用分区分类的结果。由分区与决策树分层相结合的分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。     

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ETM+数据的柳州市景观格局动态研究

采用柳州市2000、2010年ETM+遥感影像,基于CART决策树分类方法提取景观类型分布信息,运用景观生态学原理和景观指数分析方法,通过ArcGIS 9.3和Fragstats 3.3软件分析了柳州市景观类型和格局的演变。结果表明,柳州市景观多样性指数较高,各景观类型面积分布较均衡,景观结构组成较为复杂。林地景观和耕地景观构成柳州市的景观基质,10年来,耕地景观减少,林地、工矿居民地、水域和未利用地均有不同幅度的增加,而耕地和工矿居民地景观受人为干扰严重,需要加强管理与规划。     

遥感在作物分类中的应用

在提取作物种植分类信息方面,多时相和多光谱特征信息综合应用十分重要。环境与灾害监测预报小卫星影像具有较高的时间、空间分辨率,采用时间序列分析的方法提取作物种植分类信息优势显著。本研究以宁夏平罗地区作物为研究对象,利用HJ-CCD数据提取主要农作物分类信息,采用非监督分类、最大似然分类、决策树分类3种算法挖掘数据。研究表明,通过构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,能够有效进行农作物分类。     

基于CART决策树和BP神经网络的landsat 8影像粳稻提取方法

及时、准确地掌握水稻空间分布和种植面积信息对预测水稻产量、指导农业生产等农业活动起着重要作用。遥感技术因其快速、综合等优势,而被广泛应用于农作物识别领域。以沈阳市为研究区域,选取沈阳农业大学道南、辽中和沈北新区作为粳稻种植代表区域获取CART算法的训练样本,并结合粳稻移栽期的NDVI、EVI、LSWI数据,训练作物分割阈值,构建决策树初步提取出研究区粳稻空间分布信息。为进一步去除上述提取区域的其他地物信息,构建粳稻抽穗期和成熟期的植被指数、纹理、ISODATA非监督分类数据及其原始波谱特征的多特征数据集,利用BP神经网络对多组不同特征综合数据集进行粳稻分类提取,得到对分类精度贡献较大的特征和最佳分类数据集,并分别利用最大似然和BP神经网络分类法,结合决策树分类结果和实地样本数据,对最佳分类数据集进行分类结果对比和精度验证。结果表明:采用CART决策树和BP神经网络相结合的方法可以获得较高的分类精度,总体精度为89.1%,Kappa系数达到0.881。利用作物关键物候期中等分辨率影像,结合多时相波谱特征和植被指数,采用CART决策树和BP神经网络相结合的分类法能有效提高粳稻的分类精度,为...     

喀斯特石漠化地区遥感影像的决策树分类——以贵州省黔南州长顺县凯佐乡为例

喀斯待石漠化是在自然和人为因素相互作用下土地退化的现象.石漠化地区的遥感影像分类以往采用的是监督分类和非监督分类,但它们单纯地利用像元的亮度特征,分类精度低,往往不能满足实际的应用需要.决策树分类是一种新的遥感影像分类技术.以凯佐乡为研究对象,使用了ASTER影像数据、DEM和岩性数据,通过提取归一化植被指数、比值植被指数、地形坡度等数据建立分类规则,构建决策树.在ENVI软件支持下,获得了研究区的决策树分类影像.通过计算影像分类精度和Kappa系数.得到了以下结论：运用决策树分类法对石漠化地区遥感影像进行分类,可取得较理想的分类效果;实现了石漠化信息的自动化提取;若采用的遥感影像波段更多,DEM分辨率更高并减少数据处理中的误差将能够进一步提高分类精度.     

基于WorldView-2影像数据对杭州西湖区绿地信息提取研究

以杭州市西湖区为例,根据研究区域地物在World View-2遥感影像的特征差异进行区域划分。在每个分区内采用不同的多尺度和方式进行分割,构建多层次结构,综合利用光谱、形状、纹理等特征变量;采用CART决策树分类算法,选择最优特征及节点阈值分区域对杭州市西湖区的植被绿地信息进行提取;采用Jeffries-Matusita(J-M)距离法,确定纹理窗口尺度并筛选纹理特征。结果表明:本研究利用可分离指数J-M距离法得到影像地物草地、农用地、灌木、乔木最佳纹理窗口尺寸分别为5×5、11×11、13×13、13×13,对纹理尺度的选择和纹理特征的降维极大地提高了信息提取的精度及效率;基于面向对象的CART决策树分类法的总体分类精度相比基于像元的最大似然法的精度从76.53%提高到88.56%,Kappa系数从0.711 7提高到0.862 3,绿地平均用户精度从72.73%提高到84.63%;同时比常规的面向对象的方法更快速灵活地确定分类特征及阈值,大幅度地提高了提取效率及精度。     

基于无人机影像的高寒草地鼠害信息提取研究

【目的】草原鼠害是影响草原生态平衡的重要因素,基于低空遥感影像探索提取鼠害 信息的最佳方案和分辨率对解决草原鼠害意义重大。【方法】文章基于高分辨率无人机正射 影像,使用CART 决策树、支持向量机、最邻近、贝叶斯4 种监督分类方法对高原鼠兔和高原 鼢鼠两种鼠害进行分类并比较其精度,再使用不同飞行高度下获取的遥感影像提取鼠害信息。 【结果】在鼠兔鼠害信息提取中,基于决策树分类法的总体精度为89.00%,kappa 系数为0.79; 支持向量机分类方法的总体分类精度为92.00%,Kappa 系数为0.83;最邻近分类法的总体分类 精度为94.00%,Kappa 系数为0.87;基于贝叶斯分类法的混淆矩阵中得到的鼠洞的分类精度最 差,鼠洞的生产者精度与用户精度都在78.00% 以下。在鼢鼠鼠害信息提取中,基于决策树分 类结果的总精度为93%,Kappa 系数为0.86;支持向量机分类结果的总精度达到95%,Kappa 系数为0.90;最邻近法的分类结果的总精度达到97.00%,Kappa 系数为0.95;Bayes 分类法的总 体分类精度为98.00%,Kappa 系数达到了0.95。【结论】基于面向对象的最邻近分类法是高原鼠 兔鼠害信息提取的精度最优方法,基于面向对象的贝叶斯分类法是高原鼢鼠鼠害信息提取的最 佳方法。对于飞行相对高度分别为100 m、120 m 和200 m 的无人机遥感影像数据,随着飞行高 度的增大,影像的空间分辨率越低,其分类所需要的时间、分类精度和斑块数量均呈下降趋势。     

基于决策树分类技术的遥感影像分类方法研究

采用决策树分类技术对遥感影像进行分类,阐述了决策树算法结构和原理,讨论了C4.5基本原理以及新技术Boosting方法,探讨了决策树在遥感数据分类方面的优势,从而提高了遥感影像的分类精度。     

基于决策树模型的吉林西部居民地分布信息提取

以吉林西部为研究区,将遥感影像的光谱特征和纹理特征作为分类依据,建立决策树模型,提取居民地信息,并选用手动提取的吉林西部居民地信息,利用混淆矩阵对其进行精度评价。结果表明,决策树易于综合光谱和纹理特征进行居民地信息提取,通过对比发现,利用决策树方法提取的居民地的精度明显高于传统的最大似然法,并总结出了利用该方法提取居民地信息的算法。     

基于BJ-2号卫星的马尾松松材线虫病监测研究

本研究针对松材线虫病普查监测耗时长以及疫木提取难的现状,利用BJ-2号卫星数据对东钱湖镇的松材线虫病病疫木进行监测提取。利用高分辨率影像和遥感图像处理软件,采用面向对象的CART决策树分类方法提取东钱湖镇松材线虫病病疫木,后利用无人机和人工辅助手段进行监测验证,有效提高松材线虫病疫木提取的效率和精度。     

基于水稻特征波段的决策树分类研究

以滁州市为例,结合水稻物候的特征波段,选用反映水稻物候期时相的TM数据,并基于多特征波段,构建CART决策树分类提取水稻种植面积。结果表明,植被指数、湿度因子、绿度因子、纹理特征等多特征参与CART决策树分类能够提高总体精度。基于光谱信息、植被指数和纹理特征的决策树分类的总精度比以最大似然法进行的监督分类方法提高了6.942 1百分点,Kappa系数提高了0.110 4。合理选用作物物候期数据及其遥感影像的特征波段能够有效降低分类误差,为地形复杂地区获取作物种植面积提新的方法。     

基于ECLDeeplab模型提取华北地区耕地的方法

准确提取耕地信息对农业资源调查、遥感估产以及灾害监测等具有重要意义,从遥感图像中提取耕地的信息属于图像识别和分类的问题,目前深度学习是非常适合的方法。以语义图像分割(Deeplab)模型为基础,选择耕地为提取目标,建立了一种从高分2号遥感影像上提取耕地信息的方法耕地提取语义图像分割(ECLDeeplab)。首先分析了耕地在高分2号遥感影像上的表现特点;其次依据耕地的具体特点对Deeplab的结构进行调整,形成了能够提取耕地的网络结构;最后用训练成功的网络进行提取耕地,得到精度较高的分割结果。应用方法对山东省肥城市的2016年12月至2017年3月的10幅影像进行了试验,试验结果表明,该方法获取的耕地精度为88.3%,提取耕地信息得到了较好的结果。     

基于MODIS时序数据物候特征下的多源遥感玉米提取

为解决农作物遥感分类易混淆的问题，准确获取玉米种植结构信息，提出了一种能够充分利用高时间分辨率和中高空间分辨率数据优势的多源遥感数据玉米提取方法。以沈阳为研究区域，利用S-G滤波重构MODIS-EVI时序曲线提取物候特征，同时利用EVI转换模型平衡Landsat-8、Sentinel-2、GF-1与MODIS之间的EVI差异构建了30 m分辨率的时序数据，采用决策树方法，基于MODIS物候特征对多源时序数据分类，逐层掩膜水稻、大豆等易混淆地类获取玉米提取结果，并采用决策树与混合像元分解结合的方法进一步提高玉米提取结果的精度。结果表明：基于多源转化遥感数据的决策树分类总体精度与Kappa系数分别为92.27%和0.8825，相较于CART决策树、随机森林、最大似然法，其分类总体精度和Kappa系数均有较大幅度的提高，相较于数据未经模型转换的决策树分类的总体精度和Kappa系数分别提高4.59个百分点和0.0663。决策树分类后结合混合像元分解的玉米提取总精度提高至95.98%，玉米分类精度得到进一步提高。