基于支持向量机的TM遥感影像土地利用/覆盖类型监测

基于TM遥感数据和林业二调数据,对云南省宜良县北古城镇进行土地监测和土地利用分类,利用ArcGIS和ENVI软件对原始影像数据进行裁剪,运用支持向量机(SVM)监督分类方法,将研究区的土地利用类型分为农地、建筑用地、水域、针叶林、裸地6个类别,并且达到一定的分类精度,以图像的形式直观地展示研究区的土地覆盖类型,并以林业二调数据为ROI(感兴趣区域)来验证分类精度。在此基础上,指出了研究区土地利用中存在的问题和生态结构的变化,并提出了调整对策。     

基于TM影像的内蒙古奈曼旗土地利用/覆被变化分析

以1987、1999和2007年的TM影像为数据源,以内蒙古奈曼旗作为研究区,结合野外调查资料,选择训练样本,利用支持向量机分类法,提取各类地物的遥感信息。运用GIS空间分析功能,对奈曼旗1987～2007年的土地利用/覆被变化情况进行分析。结果表明,1987～1999年奈曼旗沙化土地面积在持续扩展,流动沙丘和半流动沙丘面积在增加,而1999～2007年流动沙丘和半流动沙丘面积在减少,沙化土地面积开始呈减少趋势。这说明2000年国家启动的京津风沙源治理工程和＂退耕还林还草＂工程对土地沙化防治和植被恢复开始取得成效。     

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遥感影像土地利用信息提取方法研究

【目的】探讨高分辨率遥感影像土地利用信息提取方法的优劣,为研究土地利用/覆盖动态变化提供参考。【方法】以结合纹理特征的支持向量机(Support vector machine,SVM)分类和多尺度分割的面向对象分类为主要技术,对陕西佛坪长角坝乡遥感影像的土地利用信息进行提取,并将分类结果与基于传统像元的最大似然法分类结果进行比较分析。【结果】面向对象分类法的总精度达到90.67%,较结合纹理特征的SVM法提高了8.34%,而与最大似然分类法相比提高了近20.32%,克服了其他分类方法存在的同谱异物现象及分类结果中地物破碎等缺点,取得了较好的分类结果。【结论】利用面向对象分类法不仅达到了提取土地利用信息的目的,而且精度高、速度快。     

基于Landsat 8遥感影像的地上生物量模型反演研究

以吉林省延边朝鲜族自治州汪清县的主要针叶纯林树种为研究对象,结合Landsat 8 OLI数据和地面调查数据,通过提取半径为15 m圆形样地林分尺度下的遥感特征变量实现对地上生物量的估算。首先提取128块样地内的34个遥感特征,其次采用随机森林特征重要性分析遥感特征的贡献率,再利用BP神经网络算法的2种训练算法、SVM支持向量机的3种核函数构建地上生物量模型,最后利用32个测试样本评价模型的估算精度。结果表明,BP神经网络的L-M训练算法和贝叶斯正则化训练算法的R²分别为0.602 9、0.672 1,RMSE分别为5.096 9、4.263 7,MAE分别为4.166 9、3.211 8;SVM支持向量机的线性核函数、RBF核函数、多项式核函数的R²分别为0.585 8、0.561 9、0.487 7,RMSE分别为5.859 4、5.600 9、5.763 7,MAE分别为4.24、3.89、4.176。以贝叶斯正则化训练算法构建地上生物量模型的估测精度最佳;BP神经网络算法比SVM向量机更适用于本研究;同一种机器学习算法不同的训练函数存在差异性。     

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。     

基于TM遥感影像的鄱阳湖湿地分类研究

对覆盖鄱阳湖湿地的LandsatTM遥感影像进行了计算机自动分类技术方法的实验研究,采用了先对遥感影像数据进行非监督分类,在非监督分类的基础上进行人工解译,确定其类别属性,然后将人工解译后的非监督分类的分类属性表经过光谱聚类处理转化成适用于监督分类的分类模板文件,再执行监督分类的方法,有效地提高了湿地遥感影像分类的精度。     

基于TM影像的多伦县土地利用信息提取

在内蒙古多伦县土地利用现状调查中,根据该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,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,提取了多伦县2007年的土地利用信息。结果表明:2007年的土地利用结构仍以耕地、牧草地、未利用地为主,3种地类分别占总面积的16.4%、55.2%和20.3%,林地面积为21919hm2,占总面积的5.6%。旱地、退化草地和沙地比例偏高,多伦县的生态环境虽有所改善,但仍处于极不稳定的状态。     

基于高分辨率遥感影像的农村房屋自动化识别

[目的]为了改善遥感影像分类算法对"同谱异物"的农村房屋与乡村道路的区分能力,提高房屋识别的空间平滑性与自动检测精度,为后续的农村宅基地遥感监测提供技术支撑.[方法]文章基于光谱-空间核函数集成支持向量机(光谱-空间核SVM)算法框架,发展了一种适于高分辨率遥感影像的农村房屋自动化识别方法.首先,对高分辨率遥感影像进行...     

基于TM与IRS融合图像对土地覆盖进行分类

用不同空间分辨率的TM与IRS－1C（PAN）遥感图像进行融合，可增强图像清晰度。本研究用人工神经网络BP算法对TM和IRS－1C（PAN）的融合图像进行土地覆盖分类，分类的总体精度达到95％，高于最大似然法（分类的总体精度为71％）。     

TM影像在长春市土地利用分类研究中的应用

利用Landsat TM遥感影像,在Erdas Imagine 9.2软件的支持下,分析了吉林省长春市Landsat-7影像的光谱特征值以及NDVI、NDBI和NDWI的特征值。参照高程及坡度数据,确定了各类地物的综合阈值。用监督分类和专家分类技术对Landsat TM分类,评价了专家分类方法在大尺度遥感数据分类中的作用。     

基于决策树的土地利用分类方法研究

以新疆乌鲁木齐市部分区域为研究区,利用主成分分析法对Spot-5影像进行数据压缩,运用灰度共生矩阵对第一主成份进行纹理信息提取,分析Landsat-7影像的光谱特征值及NDVI和NDBI特征值,确定各类地物的综合阈值,最后运用决策树分类法对Landsat-7影像进行分类.将分类结果与最大然法分类结果相比较,结果表明,决策数分类较最大似然法分类的精度提高了5.66; ,Kappa 系数提高了7.89; .说明决策树分类能够灵活、有效运用纹理等辅助信息,更好地区分光谱特征相似的目标地物,具有更高的准确性.     

遥感图像分类中混合像元分解方法研究

总结了几种解决遥感图像分类中混合像元分解问题的方法,对各种方法的基本理论、应用条件和优缺点进行阐述,并对未来提高分类精度的前景进行展望,为遥感图像分类应用提供有价值的参考。     

土地利用分类中OLI影像合成最佳波段组合研究

为了将Landsat8_OLI遥感影像应用于土地利用分类中,以新疆维吾尔自治区阿拉尔市Landsat8_OLI遥感影像为试验数据,在对试验数据进行光谱特征分析的基础上,采用最佳指数(OIF)法对Landsat8_OLI遥感影像合成最佳波段组合进行了研究。结果表明,Landsat8_OLI数据各波段中,Band5包含的地物信息最丰富;Landsat8_OLI最佳波段组合为OLI457,其结果具有较好的目视效果。     

基于Spark的支持向量机在小麦病害图像识别中的应用

为了提高小麦病害图像分类的效率,提出了一种基于Spark的并行式支持向量机算法。首先对小麦病害图像进行滤波去噪、灰度压缩等处理,利用灰度共生矩阵、不变矩阵等从颜色、纹理和形状3个方面提取49个特征向量;然后通过数据集的切分和并行框架的支持,将大数据并行处理技术Spark与支持向量机结合,运用Scala语言实现了串行支持向量机算法的并行化,并将其应用于小麦病害图像识别。针对小麦锈病和白粉病的图像分类测试结果表明,当测试图像分别是2 600、3 900、5 120张时,该算法对锈病的分类精度依次是76.03%、81.18%、77.82%,对白粉病的分类精度依次是83.27%、85.91%、83.14%,比串行支持向量机分类精度有所提升。分类时间依次是13 928.0、18 506.1、24 897.2 ms,明显低于串行支持向量机的分类时间。改进的算法实现了小麦病害分类精度的小幅度提升,明显提高了处理速度,具有较快的学习收敛速率。     

基于TM影像的永济市土地利用变化分析

利用永济市1990年和2008年两期TM数据,在遥感图像处理软件ERDAS IMAGINE的支持下,采用RS和GIS相结合的技术方法,通过土地利用动态度模型、土地利用程度时空演变模型的引入,定量分析了18年来永济市土地利用的时空演变。研究表明,该地区城乡居民建设用地增加非常快,耕地面积增加,未利用地大幅减少,林草地减少幅度不大,水域面积呈现萎缩的现象。18年间土地利用动态度变化较小,其综合土地利用动态度为1.73%,耕地和林草地年变化速度最慢,建设用地年变化速度最快,未利用地和水域年变化速度相对居中。土地利用综合指数分别是252.52和263.87,土地利用指数逐渐增大,从土地利用程度指数极限来看,该区域的开发程度已达到中等水平状态。1990~2008年土地利用程度变化量都大于零,反映该区域土地利用处于发展期。     

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。