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ALOS影像纹理特征的日光温室信息提取方法研究

日光温室为解决我国西北部地区冬季蔬菜供应问题发挥了重要作用。本文通过计算不同方向的纹理特征,采用支持向量机(SVM)提取日光温室,研究纹理方向对信息提取精度的影响。结果表明:1纹理特征能提高分类精度,但提升幅度不大。2日光温室的最佳纹理方向为45°,总精度为93.57%,Kappa系数为0.90,且最佳纹理方向与地物的主方向大致相同。     

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.     

土地利用覆被遥感影像信息提取方法研究综述

阐述了土地利用覆被、遥感影像信息等相关概念,概述了目前在影像信息计算机提取过程中所使用的方法:监督分类与非监督分类,人工神经网络,小波分析,模糊逻辑分类,基于知识库的专家系统,基于"3S"集成系统的分类。     

基于SPOT5遥感影像的小班区划技术

采用自主开发设计的森林资源规划调查系统,在大的地性线与已有林班线为边界控制条件下,对常用于森林资源调查的SPOT5遥感影像进行了多尺度、多层次逐级分割,获取了影像对象.同时,综合运用分割对象的光谱、空间特征和纹理特征形成分类规则,在此基础上进行小班区划,试验结果表明,该方法得到了较好的小班区划精度.     

基于高分一号遥感影像的绿地信息提取

对高分一号卫星影像进行大气校正、几何校正、裁剪等,利用Libsvm 4.0在Matlab平台里编程进行交叉验证网格法寻优,最终获得支持向量机分类的最佳惩罚系数为45,不敏感系数为0.31。改进支持向量机分类器绿地分类精度为94.6%,该提取精度能满足高分辨率遥感影像在城市绿地动态监测。     

SPOT5遥感影像在土地利用变更调查中的应用

以浙江省湖州市东林镇的SPOT5遥感影像为基础数据,利用几种融合后的影像进行土地利用变更调查,根据其精度对比结果,建议针对不同地物,采用不同方法融合的影像进行变更调查,以提高利用遥感影像进行土地利用变更调查的精度.同时,对利用SPOT5遥感影像进行土地利用变更调查,并输出1:1万成果图的可行性进行了讨论.     

基于SPOT5遥感影像分类的抽样技术研究

以湖南省攸县为研究区,利用2009、2010年SPOT5影像,在抽样可靠性指标为95%的情况下,设计系统抽样方案、分层抽样方案和简单随机抽样,通过SVM进行图像分类,并结合2009年湖南省连续清查数据对方案进行精度验证,得到适合研究区的抽样方案。结果表明：3种抽样方案中,适宜攸县森林资源调查的最优方案为,以抽样间隔为4 km × 6 km (第Ⅰ层)、4 km × 4 km (第Ⅱ层)、4 km × 4 km (第Ⅲ层)进行的分层抽样,总体分类精度达到90.48%。其中,在系统抽样中,抽样间隔为4 km × 4 km和2 km × 2 km的方案总体精度均为88.10%,但前者训练样本数较少,表明在实际调查中,训练样本的数量与抽样的总体精度不是一直呈正相关。在分层抽样中,适合各层的最优抽样方案不一定相同,并且与系统抽样的最优方案也不一定相同。当抽样间隔相同时,分层抽样的总体精度要高于系统抽样的总体精度,但训练样本数少于系统抽样的训练样本数。所以在实际调查中,采用分层抽样较系统抽样,得到的精度较高,并且耗费的人力物力较少,较为高效。     

支持向量机技术在遥感影像滑坡体提取中的应用

利用遥感影像,采用SVM技术,对灾害区域的滑坡体信息进行提取。通过实例证明了在遥感影像中利用支持向量机方法提取滑坡体的有效性和可行性。     

高分辨率影像城区建筑物提取研究

【目的】探讨高分辨率遥感影像城区建筑物提取方法,为快速获取城区建筑物分布和辅助制订城区发展规划提供参考。【方法】以陕西杨凌西北农林科技大学北校区为研究对象,采用知识规则与支持向量机(Support vector machines,SVM)相结合的面向对象分析方法,从QuickBird影像中提取建筑物,并与基于SVM的面向对象分析方法及传统的基于像元的分类方法进行比较。【结果】采用知识规则与SVM相结合的面向对象分析方法所得的分类结果表明,提取建筑物总体精度达到90.68%,Kappa系数为0.81,较基于SVM的面向对象分析方法、SVM、最大似然法、K均值法总体精度分别提高了10.38%,15.31%,26.4%和29.2%。【结论】基于知识规则和SVM相结合的面向对象分析方法精度高、速度快,可快速获取建筑物的分布情况。     

基于Grey-Sigmoid核函数支持向量机高光谱遥感图像分类方法研究

针对传统支持向量机方法中存在的野值噪声敏感问题,提出了一种基于紧密度的Grey-Sigmoid核函数支持向量机,不仅考虑样本与所属类中心之间的关系,还考虑了各个样本之间的距离。通过样本之间的紧密度来描述各个样本之间的关系,利用包围同一类样本的最小超球半径来衡量样本间的紧密度,样本灰度依据样本在球中的位置确定。通过对田间小麦全蚀病的遥感图像分类的实验验证,证明Grey-Sigmoid核函数和传统的Sigmoid核函数相比,计算速度更快,且精度没有明显损失。     

基于光谱相似尺度的SVM荔枝信息提取——以增城市中新镇为例

运用基于光谱相似尺度(SSS)的支持向量机(SVM)新方法提取荔枝信息.选取广东增城市中新镇作为典型研究区,通过运用光谱相似尺度方法提取荔枝样本,运用SVM提取研究区的荔枝信息.通过实地调杏与面积估算,结果表明该方法是基于遥感图像提取荔枝信息的一种切实可行的方法.     

基于SPOT5的县级土地利用现状调查技术研究

以浙江省台州市三门县为例,运用SPOT5不同空间分辨率的融合影像进行土地利用类型调查及面积遥感调查,通过对数据进行选择与预处理工作,利用ERDAS IMAGINE 8.4图像处理软件,对遥感影像进行配准、几何精纠正、融合等,在对研究区土地利用类型的分类中,采用人机交互判读方式,并提出一套适宜高分辨率遥感影像土地利用分类的技术路线.     

以土地利用为基础的多伦县沙质荒漠化评价遥感信息模型

从土地利用的角度对荒漠化进行分类与评价,建立以土地利用类型为基础的荒漠化评价指标体系.利用高分辨率卫星影像修正线性光谱混合分解模型分解的TM影像植被分量,建立适于提取干旱半干旱地区植被覆盖度的模型来提取植被信息;利用线性光谱混合分析模型计算裸沙占地百分比;用实测数据与热惯量进行拟合,按不同的土地利用类型分别建立拟合方程反演土壤含水率;引入遥感代用指标获得土壤氧化铁含量;采用目视解译获得土壤质地的编码图并进行影像化.获取每个像元全部评价因子的指标值,在现有荒漠化评价方法的基础上,建立以像元为单位的荒漠化评价定量化遥感信息模型并与高尚武模型沙漠化评价结果进行对比.结果表明;建立的评价模型总体精度达90.3%,较高尚武模型提高21.6%,尤其在评价耕地时,精度提高35%,体现了分土地利用类型进行评价的科学性.所建立的遥感信息模型评价土地荒漠化是可行的.     

基于图像处理技术的四种苜蓿叶部病害的识别

基于图像处理技术,对4种苜蓿叶部病害进行识别研究。利用结合K中值聚类算法和线性判别分析的分割方法对病斑图像作分割,获得了较好的分割效果。结果表明:该分割方法在由4种病害图像数据集整合成的汇总图像数据集上综合得分的平均值和中值分别为0.877 1和0.899 7;召回率的平均值和中值分别为0.829 4和0.851 4;准确率的平均值和中值分别为0.924 9和0.942 4。进一步提取病斑图像的颜色特征、形状特征和纹理特征共计129个,利用朴素贝叶斯方法和线性判别分析方法建立病害识别模型,并结合顺序前向选择方法实现特征筛选,分别获得最优特征子集;同时利用这2个最优特征子集,结合支持向量机(Support vector machine,SVM)建立病害识别模型。比较各模型的识别效果,发现利用所建线性判别分析模型下的最优特征子集,结合SVM建立的病害识别模型识别效果最好,训练集识别正确率为96.18%,测试集识别正确率为93.10%。由此可见,本研究所建基于图像处理技术的病害识别模型可用于识别上述4种苜蓿叶部病害,为苜蓿病害的诊断和鉴别提供了一定依据。     

多伦县土地利用遥感信息提取技术

针对北方农牧交错地区地表异质性和破碎化强烈、地物光谱特征混杂严重、土地利用/覆被遥感信息提取对目视解译依赖程度高的特点,以内蒙古多伦县为研究区,尝试将基于知识的遥感信息提取技术应用于该地区。通过地物光谱特征的深入分析,用线性光谱混合分解模型将主要地物覆被类型分离,并建立多个专题信息模型,依据经验知识建立了各用地类型提取规则,对多伦县土地利用信息进行了计算机自动提取,并与单一的监督分类法提取的结果进行了对比。结果表明,运用遥感信息提取技术提取的面积精度达93.8%,抽样点评价精度为87.7%;单纯使用监督分类法提取的面积精度为71.1%,抽样点评价精度为59.5%。可见,遥感信息提取技术较单一的监督分类法效果好很多,实现了多伦县土地利用遥感信息高精度分层次快速提取。图4表3参20     

基于光谱纹理信息和知识挖掘的SPOT5遥感图像分类研究

为探讨高分辨率遥感图像用于中小尺度森林分类的模式,利用SPOT5遥感数据、地面样地调查数据和前期森林资源规划设计调查G IS资料,以图像的光谱和纹理信息为主、历史调查数据的知识为辅构建专家知识分类系统对SPOT5图像进行森林分类,并探讨了历史调查数据在该模式中的贡献率。结果表明,对于所选取的8个类别,总体分类精度达到了92.97%,各类别的分类精度均达到87%以上,分类效果良好;历史调查数据在分类过程中的总体贡献率为11.55%,对提高SPOT5图像分类有较大的帮助作用,尤其对竹林、八角和玉桂、灌木林分类的辅助作用表现更为明显。     

基于BP神经网络和支持向量机的农用地分等方法研究

为建立农用地(耕地)质量评价模型,客观准确地进行农用地(耕地)分等,减少现行农用地分等方法中的人为因素影响,提高农用地分等的精度。以福建省长泰县丘陵山地区为实证研究区,通过无监督网络——自组织特征映射网络(SOM)筛选出2 602组典型样本,分别进行有监督网络——BP神经网络和支持向量机(SVM)的学习训练,将分等指标作为输入变量,以农用地自然质量等指数和等别作为输出变量,分别建立BP神经网络农用地分等模型与SVM农用地分等模型并对其精度进行分析。BP神经网络模型的评价正确率为89%,精度较高;支持向量机(SVM)模型的评价结果正确率为99%,达到高精度等级。2种模型均能满足农用地分等的精度要求,但SVM模型较BP神经网络效果更好,更适合应用于农用地分等工作。     

基于高分辨率影像的农村宅基地空间分布信息提取

【目的】 基于高分辨率影像提取农村宅基地空间分布,可以快速、便捷获取农村宅基地空间分布信息。【方法】 文章选择黑龙江省安达市吉星岗镇作为研究区,基于高分辨率正射影像,采用人工目视解译方法获取了研究区农村宅基地空间分布信息,并利用房地一体农村宅基地和集体建设用地使用权确权登记颁证工作成果对其精度进行了验证。【结果】 （1）吉星岗镇共有宅基地5 897宗,总面积640.76 hm²,平均每宗宅基地面积为1 095.61 m²。（2）吉星岗镇宅基地在空间上总体分布零散,但在行政村内分布相对紧凑,基本上以自然屯为单元,集中分布在自然屯内某个区域。（3）吉星岗镇宅基地数量和面积总体精度分别为81.86%、91.87%,10个行政村宅基地数量精度在72.55%～88.47%之间,面积精度在82.94%～99.92%之间。（4）与实测法、倾斜摄影测绘法、勘丈测绘法等方法相比,基于高分辨率正射影像,采用人工目视解译方法获取宅基地空间信息,操作简单、成本低、工作周期短。【结论】 该文成果可为研究区农村宅基地改革和管理提供数据支撑,该方法为获取农村宅基地空间信息的方式提供了参考。