自组织人工神经网络在立地条件遥感分类研究中的应用

运用航空遥感图像为主信息源，获取立地要素信息，在ARC／INFO系统支持下，建立空间信息库，选取550个样本数据，训练自组织人工神经网络，然后对159个“未知”样本进行立地分类预测和容错检验。结果表明，该模型的分类、容错能力强，综合了遥感图像目视判读与计算机自动分类的优点，开拓了遥感与GIS技术相结合进行智能化土地条件分类研究的新途径。     

森林资源二类调查中遥感图像增强技术应用研究

为提高森林资源二类调查中目视判读的质量,以蛟河林业试验区管理局的精校正后的SPOT-5全色遥感图像和SPOT-5多光谱遥感图像为数据源,利用ERDAS9.2遥感处理软件,进行融合处理后,对不同的融合结果进行辐射增强和光谱增强处理后进行目视判读,再利用ENVI5.0遥感软件和MATLAB7.0软件进行定量分析,结果表明:对于SPOT-5遥感图像,先经高通滤波融合处理,再进行直方图均衡化增强处理,是得到高质量遥感图像的最佳选择。     

专家系统在TM遥感图像分类中的应用研究

本文介绍一种以ＴＭ遥感图像光谱分类为基础，专家知识为依据，应用地理信息系统提取各种辅助信息，以图斑作为基本分类单元，按照一定的专家系统推理机制，对光谱分类中精度低的地类作进一步判别，达到提高分类精度的方法。通过对山西省隰县的应用，取得了较为理想的效果。     

专家系统工具在分类中的应用

专家系统（Ｅｘｐｅｒｔｓｙｓｔｅｍ）是本世纪７０年代末期在人工智能领域发展起来的一项新技术，它是能利用专家知识在一有限问题领域内进行高水平工作的计算机程序。林业的分类工作中（如植物分类、森林分类、立地分类、病虫害分类等）运用专家系统来进行，既拓宽了计算机的应用，又促进了林业工作科学化、现代化的发展。     

专家系统用于遥感图像处理的方法研究*

针对气象卫星监测森林火灾和遥感图像分类问题，论述专家系统用于遥感图像处理的方法，使用框架和规则的知识表示方法、匹配和以正向推理为主的推理机制、综合的控制策略、使用置信度处理不确定性和构造实用专家系统的方法。据此实现的软件模块，经实验数据检测，取得满意的结果。     

专家系统用于摇感图像处理的方法研究

针对饣象卫星监测森林火灾和遥感图像分类问题，论述专家系统用于遥感图像处理的方法，使用框架和规则的知识表示方法，匹配和以正向推理为主的推理机制、综合的控制策略、使用信度处理不确定性的构造实用专家系统方法。据此实现的软件模块，经实验数据检测，取得满意的结果。     

基于林业遥感的树种分类应用分析与展望

树种分类是林业遥感中重要的应用领域,在林业可持续管理、生物多样性研究和生态环境保护领域都有广发的应用场景。结合2000年后该领域的研究成果以及近些年林业生产过程中的应用实践,对多源数据在树种分类的应用加以汇总。从工作流程及相应算法两个角度,基于图像分类与数理统计层面对该问题进行了解析与比较。面对林业遥感在树种分类应用过程中遇到的问题与挑战,提出了基于语义分割及实例分割的不同工作思路,对未来多源遥感数据融合获取及硬件处理设备的发展前景进行了展望。     

基于BP神经网络的森林植被遥感分类研究

如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本文使用Landsat7ETM+遥感数据和森林资源分布图等地理辅助数据,用BP神经网络方法对森林植被进行了分类,并与最大似然法的分类结果进行精度比较分析。结果表明地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。     

基于小班取证推理的林业遥感数据分类方法研究

提出一种基于小班取证推理的林业遥感数据分类方法首先,获取小班多边 形空间位置数据和属性数据,然后对遥感影像进行基于小班的光谱分析和空间分析,同时结合野外调查和GPS调查数据集及林业常识,决定小班空间数据是否应变动,最后,利用专家系统证据理论合并多种信息源证据,得出小班类型新分布;用VisualC++工具,编程实现了该方法的几个重要模块;初步试验表明新方法能方便地分析出资源变化情况,可以改善遥感影像分类精度,并能使分类结果落实到具体的小班,但是,它在林业上实际应用仍需进一步的研究.     

刍议服务于深度学习研究的林业遥感数据集建设

林业遥感数据集是林草行业开展深度学习研究的重要基础,更是林草资源实现自动化、智能化和动态化精准监测的重要保障.文中分析了自然图像和遥感图像数据集建设现状与方法,通过对深度学习算法在林业专题信息识别和分类中最新研究成果的阐述,表明建立林业遥感专用数据集的必要性和紧迫性;基于人工智能在图像处理领域的发展经验,提出林草业遥感...     

应用微机对TM图像进行森林资源分类的研究

遵义地区地形破碎,地貌很复杂,同谱异物、同物异谱现象较严重,地类界限不明显,而且只有一景单时相(质量7分)的TM数据,在微机上以计算机分类对遵义地区进行森林资源遥感图像分类。通过研究波段的选择、样地参数测算、图像的光谱特征、训练样地的选择和分类方法的选择,提出了可实际应用的技术方法,并全部由微机实现,得出了定量结果和分色图件。     

SPOT-5数据在退耕还林监测中的应用研究——以山西省古交市嘉乐泉乡为例

以山西省古交市嘉乐泉乡为试验区,采用SPOT-5的10m、5m和2.5m 3种影像数据对退耕还林地面积进行分类监测。所设计的2种方案分别是:1)将地物类型分为7类,退耕还林地作为一种单独地类,对3种影像数据进行计算机自动分类和2.5m影像的人工解译分类;2)借助退耕还林作业设计图,将退耕还林地块影像分割出来,对退耕还林地和未退耕还林地进行有监分类。精度验证表明,第一种方案中2.5m融合图像的人工解译分类,退耕还林地的分类精度在50%以下;第二种方案中3种影像数据的总体分类精度均大于90%。建议在退耕还林地的作业设计图电子化的基础上,应用SPOT-5数据监测退耕还林地的任务完成和植被覆盖情况。     

遥感技术支持下的闽江口湿地动态变化研究

在遥感技术支持下,利用1986年、1994年和2000年的遥感影像作为数据源,对闽江口湿地信息进行提取,并对湿地动态变化情况进行分析,同时利用生态学中的马尔柯夫模型对该地区的湿地类型转化进行了模拟。结果显示,1986～2000年期间,该地区的湿地呈明显减少趋势,且湿地转移速率变化大。这些数据表明,人类活动对湿地的影响越来越大。     

多极化星载SAR森林覆盖变化检测方法

【目的】利用多极化星载SAR数据,分析后向散射强度比值影像的概率密度分布特征,融合后向散射强度信息和影像空间上下文信息,提出一种具有较高检测正确率及较低虚警率和漏警率的森林覆盖变化检测方法,为多极化SAR卫星数据的业务化应用提供技术支撑。【方法】将"2期分别分类森林覆盖变化检测法"(CBFC)与"贝叶斯最大期望-马尔科夫随机场(EM-MRF)变化检测法"相结合,首先采用阈值分割法分别对2期多极化SAR影像进行森林-非森林分类得到初始森林覆盖变化图,然后以初始森林覆盖变化图作为训练数据对多极化比值影像进行Fisher特征变换和EM-MRF分类处理,2个时相的HH、HV极化比值影像经Fisher特征变换转化为一个综合差异影像,输入EM-MRF进行迭代分类得到森林覆盖变化检测结果。以黑龙江省逊克县为试验区,以2期ALOSPALSAR双极化数据为SAR遥感数据,以对2期Landsat-5影像、高空间分辨率遥感影像进行目视解译得到的森林覆盖变化图为参考,对本研究提出方法的有效性与CBFC方法及直接用CBFC提取的森林覆盖变化检测图掩膜EM-MRF地表覆盖变化检测图方法(CBFC-EM-MRF)进行比较评价。【结果】通过Fisher特征变换得到的差异影像可有效增强森林覆盖变化、未变化类别的对比度;CBFC通过阈值分割法进行森林-非森林分类,提取的森林覆盖变化图中出现很多面积很小的虚警检测,漏警率也很高,而本研究提出方法通过MRF加入影像空间上下文信息,提高了检测结果的空间连贯性,森林覆盖变化检测虚警率为1.58%,漏警率为11.87%,正确率为98.36%,检测效果和精度明显优于CBFC和CBFC-EM-MRF。【结论】多极化星载SAR森林覆盖变化检测方法具有收敛性好、检测结果可信度高、需要用户交互较少等特点,对我国高分三号及未来其他多极化SAR卫星的森林资源监测业务应用具有重要参考价值。     

森林面积方法研究

本文通过对遥感图像的处理和光谱特征信息的分析,应用ETM 影像数据和地面调查数据,研究了遥感数据处理技术在植被信息提取中的应用,尝试对高山峡谷区的森林资源调查提出较为完善的计算机图像处理技术和自动分类方法。对道孚县台站林场和麻孜林场地类的分类结果表明:运用TM453波段融合能够达到较好的图像增强效果;运用无监督分类方法提取森林面积能达到较高的分类精度;NDVI比RVI更能突出植被信息和消除山体阴影的影响。     

山东省卫星遥感影像森林资源分布图的试制

该项研究使用PC计算机,对山东省陆地14景美国陆地卫星ETM^ 影像进行了数字镶嵌,并进行了林地计算机自动分类的尝试,制作出了山东省卫星遥感影像森林资源分布图。     

基于遥感影像的鄂托克前旗森林资源监测分析

以2002年和2006年TM遥感影像为数据源,在PCI 8.5和ARCGis 9.2遥感图像处理软件的支持下,获得了鄂托克前旗2个时期的森林资源图。通过计算机自动分类和分类后人工解译纠错相结合的图像分类提取方案,提高了图像分类提取的效率和精度。动态监测结果表明,从2002~2006年,面积增加的地类为灌木林和有林地,面积减少的地类为宜林地和裸沙地,农田和水体的面积基本保持不变,并对其变化结果进行了分析。     

Process-based approach to automated classification of forest structures using medium format digital aerial photos and ancillary GIS information

The methods of forest inventory data acquisition, based on the analysis of remotely sensed images have been well tested and implemented during the last decade. The predominant visual interpretation and pixel-based automated techniques are now being gradually replaced by the object-based image classification at multiple levels. This paper describes an experiment using medium-format digital aerial imagery for the purpose of automated updating of the existing GIS forest management database (LHPO). The method emphasises the pre-processing phase, where various image transforms and additional channels i.e. spectral ratios and vegetation indices (NDVI), low-pass filters, Sobel edge and GLCM (grey level co-occurrence matrix) texture measures are derived from the original dataset. The layer stack is then transferred into the object-oriented classification environment together with the existing thematic vector layer, and analysed on three hierarchical object levels. The classification involves the recognition of the successional stage of forest compartments and the estimation of tree species composition in terms of area coverage. In addition, age information on the GIS forestry management map can be updated and the spatial distribution of classes corrected using the multi-scale object relations of the former analysis. The advances of the automated procedure based on sequential processing of image objects are partially covered. Moreover, aspects of utilisation of the medium-format colour infra-red images (CIR) as an alternative to traditional aerial photos and very high resolution (VHR) satellite data, were considered.     

分层分类与监督分类相结合的遥感分类法研究

遥感分类技术是获取土地利用/覆盖数据的主要方法.分层分类思想强调将分类过程逐级进行,每层选用不同的分类标准和方法;监督分类是基于传统统计分析的分类法,具有算法成熟,简便易行的特点.将2种方法相结合,建立起一个复合分类模型,并在SPOT影像上进行试验.试验证明:该方法能有效地提高分类精度,比单一使用监督分类法得到的结果精度提高了8.41%.     

基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,提出一种基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别方法.该方法首先在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,取特征权重前8个特征进行病树识别,发现选择差值植被指数DVI(diffe...