基于特征增强技术的面向对象分类方法

针对传统基于像元的分类方法不能满足对高分辨率影像（HRI）进行分类的矛盾,提出了基于特征增强技术的面向对象分类方法（FETCOOCA）。并以北京市海淀区的SPOT5影像为例,考虑到影像中植被、水体和建筑物等地物之间的特征差异,对影像中地物的光谱、形状、纹理等信息进行特征增强处理,并结合面向对象的分类方法对其进行分类。最后,对FETCOOCA与传统基于像元的分类方法进行了对比分析。结果表明：提出的FET-COOCA明显优于传统分类方法,它可以大幅度提高HRI的分类精度,有效抑制椒盐现象的发生,使分类后的图像含有更为丰富的语义信息。     

基于Landsat 8 OLI影像纹理特征的面向对象土地利用/覆盖分类

针对如何提高中低分辨率遥感影像分类精度,该研究以河北省石家庄市Landsat 8 OLI遥感影像为研究对象,对灰度共生矩阵(gray-level co-occurrence matrix,GLCM)纹理与伽博(Gabor)滤波器下的Gist纹理特征进行对比,应用J-M(Jeffries-Matusita)距离可分离性分析GLCM最优纹理特征,并利用最佳指数法(optimum index factor,OIF)获取GLCM与Gist纹理特征的最佳特征组合;其次对面向对象分类的分割尺度进行研究,提出整体最优分割尺度计算方法;最后进行基于纹理特征的面向对象分类识别与精度评价,并与基于原始数据的面向对象分类结果进行对比。研究表明:Gist纹理特征使分类精度有了一定的提高,基于纹理数据的面向对象支持向量机(support vector machine,SVM)分类及面向对象K邻近法(K-nearest neighbor,KNN)分类的总体分类精度(overall accuracy,OA)分别比基于原始数据的2种方法分类精度提高3.67和3.33个百分点,基于纹理的面向对象SVM方法具有最高的精度,OA达到85.67%。不管是基于原始数据还是纹理数据,面向对象分类精度远高于最大似然分类(maximum likelihood classification,MLC)、马氏距离分类(mahalanobis distance classification,MDC)和SVM分类精度,且面向对象分类方法对纹理数据更为敏感。该文提出的基于纹理的面向对象分类方法有效提高了遥感影像分类精度,为区域土地利用/覆盖信息提取提供了有效的途径。     

基于Relief F和PSO混合特征选择的面向对象土地利用分类

针对面向对象土地利用分类存在特征维数过高的问题,提出了一种结合Relief F和粒子群优化算法(particle swarm optimization,PSO)的混合特征选择方法,即首先利用Relief F作为特征预选器滤除相关性小的特征,然后以PSO作为搜索算法,以支持向量机(support vector machine,SVM)的分类精度作为评估函数在剩余特征中选择出最优特征子集。该文以吉林省长春市部分区域为研究区,采用Landsat8遥感影像为数据源,首先对其进行多尺度分割,然后提取影像对象的光谱、纹理、形状和空间关系特征,利用提出的混合特征选择方法选取最优特征子集,最后使用SVM分类器对研究区进行土地利用分类,总体分类精度和Kappa系数分别为85.88%和0.8036,与基于4种其他特征选择方法的土地利用分类结果进行比较,基于Relief F和PSO的混合特征选择方法利用最少的特征获得最高的分类精度,能够有效地用于面向对象土地利用分类。     

基于面向对象技术的黄土丘陵沟壑区切沟遥感提取方法研究

基于高分辨率遥感影像,提出了结合高分辨率影像的光谱、地形、几何形态和GLCM纹理信息等特征的切沟半自动面向对象提取方法,建立了一组沿径流方向计算纹理特征空间对比度和相关性的公式。以黄土丘陵沟壑第三副区甘肃天水桥子沟小流域World View-2影像数据为例,分别建立了耕地（山坡地、梯田）、果园、林地、农路、切沟的分类规则和算法,以影像的目视解译结果结合实地调查进行精度评价,分类结果显示,总体分类精度为75.17%,总Kappa系数为0.64,切沟的生产者精度为80%,用户精度为70.59%,取得了令人满意的结果。     

面向对象的土地利用/覆盖遥感分类方法与流程应用

为了进一步提高干旱/半干旱地区土地利用/覆盖分类精度,该文以新疆石河子垦区为研究区,利用NDVI时间序列分析的方法确定了土地利用/覆盖遥感分类最佳时相组合;采用最佳指数因子OIF对参与图像分割的谱段进行选择;选择不同分割参数建立4级分割层次,构建了不同尺度的分类对象;针对其不同特点,分别选择基于知识的模糊分类和基于样本的监督分类方法;建立了面向对象的土地利用/覆盖遥感分类流程。采用地面实测数据对分类效果进行评估,与基于像元的分类方法相比,该文方法能够获取更高的分类精度,可为同类的研究与应用提供借鉴。     

面向对象的玛纳斯河流域TM影像分类技术研究

以面向对象的遥感影像分类的理论与方法,基于ENVI 5.0、eCongition 8.7和ArcGIS 10.0平台,从遥感尺度问题和决策树分类技术人手,对面向对象分类方法的多尺度分割和多特征分类等关键问题进行了探讨,并应用该方法对玛纳斯河流域的信息进行了提取研究.结果表明,多尺度分割最佳波段权重为0,1,2,2,1,0,1,形状参数和紧致度均为0.7,分割尺度为60,30和10,地物种类可分为林地、草地、水域、耕地、人工表面、冰雪地、盐碱地、其他八大类.分类结果总精度为0.92,Kappa系数为0.91,证明面向对象的分类方法可以有效地对干旱区中尺度分辨率影像进行快速高效的地物信息识别及提取.     

基于面向对象影像分类技术的生态清洁小流域现状调查

结合当前北京市开展的生态清洁小流域建设,尝试利用现有的高分辨率航片,采用基于面向对象的高分辨率影像分类技术和G IS技术来开展生态清洁小流域水土保持现状等本底资料的调查,从而为生态清洁小流域的基础数据库建设、治理措施规划与布局提供基础数据和科学依据。应用实例表明,采用面向对象影像分类技术开展生态清洁小流域现状调查,在方法上、技术上都是可行的,不仅可以提高调查的客观性、准确性和现势性,而且也可以大大提高调查的工作效率,是未来生态清洁小流域调查的可选方法。     

基于超高空间分辩率无人机影像的面向对象土地利用分类方法

为明确基于无人机超高空间分辨率影像的土地利用分类方法,尤其是有效特征和算法的选择,该研究获取吉林省德惠市一农耕区超高分无人机影像,获取区域正射影像图和数字表面模型,计算地形指标,采用面向对象方法进行土地利用分类研究。首先,采用随机森林算法,以光谱特征为基础,依次引入指数、形态、地形、纹理特征,建立5种特征选择方案,分析各类特征对分类效果的影响。其次,以Boruta特征选择算法获取的优化特征集为基础,采用随机森林算法、朴素贝叶斯算法、逻辑回归算法和支持向量机算法分类,分析不同算法的分类效果。结果表明:采用5种特征选择方案分类,引入形态特征时总体精度降低,引入其他特征时总体精度逐渐提高。5种特征共同参与的分类效果最佳,总体精度为98.04%,Kappa系数为0.980。错分主要发生在裸地和宅基地,漏分主要发生在草地、裸地、水渠和道路。错分和漏分主要是因为这几种类型对象具有相似的光谱、形态、纹理特征或相似的分布位置。采用优化特征集分类时,相比其他算法,随机森林算法更擅长处理高维特征集,获得最高的总体精度98.19%,最低的错分和漏分误差,分类效果最佳。借助无人机超高空间分辨率影像提取地形信息、形态信息,可以有效辅助土地利用分类,并能提高传统分类方法精度。     

基于GF-1影像的东江流域面向对象土地利用分类

针对东江流域地物斑块破碎、湖泊河流众多等因素影响其地物分类精度的问题,该文以GF-1遥感影像为数据源,采用面向对象的分类方法,结合模糊分类和CART决策树分类法获取研究区土地利用分类信息。根据近红外波段均值的模糊范围(480~2 200)选择模糊小于隶属函数对水体与非水体进行区分,近红外波段均值小于480确定为水体,大于2 200确定为非水体;在水体类别中,采用长宽比指数模糊范围(1.53~4.32)调用模糊大于函数对河流与水库进行了区分,长宽比指数小于1.53确定为水库,大于4.32确定为河流;在非水体类别中,采用归一化植被指数NDVI(normalized difference vegetation index)特征值模糊范围(0.21~0.62)调用模糊大于函数区分植被与非植被,NDVI指数小于0.21确定为非植被,大于0.62确定为植被,最后采用面向对象的CART决策树分类法分出河流、水库、园地、林地、耕地、灌草地、未利用地、建设用地。与极大似然分类法、非监督分类法应用到GF-1遥感影像相比,基于面向对象的CART决策树分类方法的效果最好,总体分类精度高达93.27%,Kappa系数高达0.92。该方法可以作为东江流域获取较高土地利用信息的有效方法,为研究流域生态环境变化提供更准确的数据支持。     

面向对象分类方法在水土保持措施提取中的应用

无人机遥感影像与面向对象分类方法相结合的方式在水土保持监测中的应用越来越广泛,而不同的分类方法存在精度差异.为提高水土保持监测中措施分类测算的准确率,依托北京2022年冬奥会延庆赛区雪车雪橇中心水土保持监测工程,采用隶属度函数、最邻近分类法、支持向量机(SVM)、决策树以及随机森林5种分类方法,详细分析水土保持监测范围...     

生物垃圾厌氧消化的强化机理探讨

综合分析了生物垃圾厌氧消化的各种强化技术与机理.由于传统化石燃料的枯竭和造成的生态环境问题,清洁再生能源的生物气体日益受到人们的青睐.但是,消化时间长,产气量较低,垃圾利用率不高等原因,导致生物垃圾厌氧发酵技术没有得到充分的开发与推广.研究认为,通过强化处理能够改善生物垃圾的物化性质,提高微生物对难降解有机物的分解能力,增加生物气产量,缩短水力停留时间,减轻后续处理的负担,优化垃圾厌氧消化过程.     

梯田地形形态特征及其综合数字分类研究

梯田地形具有独特的平面和剖面形态特征,而现有梯田地形分类无法准确反映梯田地形的平面形态特征,导致其难以满足未来构建梯田地形数值模拟模型的需求.以黄土高原旱梯田地形为切入点,对梯田地形的总体特征、平面和剖面形态特征及几何量测特征进行深入研究,提出了基于梯田平面形态特征的梯田地形分类,并在结合现有梯田地形分类的基础上,构建出梯田地形综合数字分类.与传统梯田地形分类相比,该分类综合考虑梯田的总体特征和平面及剖面形态,能更好地反映梯田独特的形态特征和几何量测特征.研究结果为未来构建梯田地形数值模拟模型奠定了坚实基础,对于探讨利用DEM实现梯田地形的有效数字表达与分析具有重要理论意义.     

谷物纹理特征的识别

谷物纹理是谷物的主要特征，为分析识别谷物纹理特征，而建立了综合纹理识别模型。模型包括两部分：一部分是用灰度共生矩阵提取相关纹理特征，包括纹理方向、粗糙度、对比度、同异度，另一部分是用多分形模型提取纹理特征，这部分特征与纹理结构相关，该模型对3种谷物(小麦、燕麦、大麦)的平均识别率是95%。     

物料分选过程中的模式识别技术与智能化

农产品加工过程中涉及物料分选操作,自动物料分选系统的设计与模式识别与智能化技术相关。该文研究了农产品物料分选过程的基本规律,根据非间歇离散型物料分选过程的时间约束以及物料的固有分类特性呈现不可分离性的特点,提出了时间适应度和特征效率的概念。分选系统的时间适应度应该大于零,特征维数最小化的原则是特征效率从正向逼近于１。介绍了异步多维模式分类器的基本结构和实现方法,根据Ｂａｙｅｓ最小错误分类原则或Ｂａｙｅｓ最小风险分类原则,可通过学习程序实现分类阈值的在线寻优。基于人－机智能综合思想,通过建立内环和外环智能体系来控制分选系统工作,在复杂情况下,外环智能体系可将人类自然智能导入系统帮助工作。上述技术在智能化茶叶分选设备上得到成功应用。     

基于面向对象的SPOT卫星影像梯田信息提取研究

梯田信息准确和快速提取是区域水土保持动态监测和评价的核心技术之一,运用遥感技术进行地物信息提取是一种有效手段。该研究以燕沟流域为研究区,采用高分辨率的SPOT5遥感影像数据,基于面向对象分类技术,通过影像分割构建影像对象,在分析影像对象的光谱特征、纹理特征和空间特征的基础上,建立了梯田信息的遥感提取规则,实现了梯田的自动提取。最后用手工勾绘结果对梯田的遥感提取结果进行精度评价,从田块边界的吻合度评价位置精度,并通过比较该结果与人工目视解译结果进行面积精度评价。结果表明,基于面向对象分类的遥感方法可以较好地从原始影像中提取复杂地貌区梯田的位置信息,面积提取正确率达到78.38%,该方法可为黄土高原地区梯田信息遥感提取提供借鉴。     

基于图像识别的小麦腥黑穗病害特征提取与分类

小麦的网腥、印度腥与矮腥黑穗病危害小麦生产与人体健康,是出入境检验检疫的重要对象。该文利用小麦腥黑穗病害显微图像,采用图像分析与识别技术进行了小麦的网腥、印度腥及矮腥3类病害的分类识别。在分离出单个病害孢子图像的基础上,提取了3类病害孢子图像的16个形状和纹理特征,通过分析,从中选择小麦病害孢子的6个典型特征,并分别用最小距离法、BP神经网络和支持向量机分类器对提取的96个小麦腥黑穗病害孢子图像进行了分类试验,结果表明:支持向量机法对小麦腥黑穗病的分类识别能力优于最小距离法和BP神经网络,总体识别率达到82.9%。因此,采用图像分析技术和支持向量机识别方法进行小麦腥黑穗病害诊断的方法具有可行性。     

基于压缩感知理论的农业害虫分类方法

为提高现有害虫分类方法的分类效果,该文分析了现有害虫分类方法的局限性,在此基础上,提出一种基于压缩感知理论的害虫分类新方法。该方法利用害虫训练样本构造训练样本矩阵,通过求解l1范数意义下的最优化问题实现害虫测试样本的稀疏分解,由于稀疏分解结果中包含了明确的分类信息,可直接用于害虫分类。利用该方法对12类储粮害虫和110类常见害虫进行分类,在4种不同试验条件下,分类准确率分别达到92.9418%、98.2877%、78.8651%和61.5938%,证实了压缩感知理论用于害虫分类是合理可行的。