核概率距离聚类方法及应用

研究聚类分析新方法一直是统计学和机器学习研究领域普遍关注的课题。针对概率距离聚类算法不能解决非线性可分聚类问题的缺欠,笔者应用核函数理论将该模型拓展成为一种能够解决非线性可分聚类问题的统计模型,称为核概率距离聚类分析模型。研制出一种应用新模型进行遥感图像非监督分类研究的实施策略和可行算法;在GDAL遥感图像数据输入输出函数库基础上,用VC++语言开发了遥感图像核概率距离聚类分析算法程序;用ERDAS软件提供的一幅7波段491像素×440像素大小的TM图像进行新方法分类应用实验研究。对比了新模型和其原版本的TM遥感图像非监督分类效果,结果表明新模型的非监督分类效果优于原有的分类模型。     

集成空间变换结构与深度残差网络的遥感影像场景分类方法

针对传统高分辨率遥感影像的场景分类效率较低,以及卷积神经网络在遥感影像场景分类上由于空间不变性而导致的分类精度不高的问题,提出了一种结合空间变换网络和迁移学习的高分辨率遥感影像场景分类算法.首先,利用ImageNet数据集训练深度残差网络ResNet101得到预训练模型,通过知识迁移提高模型目标探测效率;之后在模型中嵌入空间变换结构,使模型能够主动在空间上变换特征映射,提高模型的鲁棒性;最后,在模型中添加Dropout层减小模型出现过拟合的概率.本方法在AID和NWPU-RESISC45两种不同规模的高分遥感影像数据集上进行了验证,在只有20%训练样本的情况下仍达到了94.30%和93.63%的分类精度.实验结果表明本次改进模型具有更好的特征提取能力,针对易误分类场景的分类结果更优.     

加入多尺度图像纹理的岩性分类

利用遥感图像进行岩性分类,是遥感地质应用的重要方面之一.本文运用地统计学中变差函数提取图像纹理,并与原始的光谱图像相结合用于遥感图像的岩性分类.文章分析了不同尺度的纹理信息对岩性分类的作用,并进一步分析和比较多尺度图像纹理对岩性分类的作用.结果表明,在岩性分类过程中加入不同尺度的纹理信息可不同程度地提高图像的岩性分类精度,而同时加入多尺度的纹理信息,可得到更高的分类精度.将多尺度的图像纹理信息和光谱信息综合,是一种有效的岩性分类方法.     

人工神经网络在遥感图像处理中的应用探讨

遥感图像处理常见的困难有数据量巨大、噪声信息多，高度非线性及其导致的难以用解析或表述处理模型等。人工神经网络（artificial neural network,ANN)是由大量简单神经元广泛相互联接而成的非线性映射或自适应动力系统，可以解决上述问题，使用ANN进行遥感图像处理在遥感图像复原，变换和分类中有如下应用：（1）使用ANN和必要辅助数据从TM图像中提取地下火热辐射数据；（2）构造ANN非线性映射，利用TM1－5，7图像提高TM6图像空间分辨率；（3）模糊神经网络（FNN）遥感图像分类。     

基于各类特征对齐迁移网络的多时相遥感图像分类

为了在目标域遥感图像不存在标记数据的情况下实现自动分类,论文提出一种基于特征对齐的迁移网络.网络以各类类心对齐和协方差对齐作为迁移策略,全面描述域间各类别之间的对应关系,实现知识迁移.另外,网络采用线性修正单元作为激活函数,能够产生稀疏特征,提高分类效果.该迁移网络能够同时获得对齐的特征和自适应分类器,不需要目标域的标记数据,实现无监督迁移学习.在多时相的Hyperion高光谱遥感图像和WorldView-2多光谱遥感图像上的实验结果证明了该迁移网络的有效性.      

应用OB-HMAD算法与光谱特性的遥感图像动态变化检测

在对图像动态变化情况进行检测的过程中,对原始图像的分割精度较低,导致检测结果存在较大误差。为此,应用OB-HMAD算法与光谱特性,进行自然资源遥感图像动态变化检测。在计算了影像各波段的光谱异质性和形状异质性特征值参量后,结合各波段对应的权重系数,考虑自然资源遥感图像的光谱异质性和形状紧凑度、形状平滑度,利用OB-HMAD算法对自然资源遥感图像进行多尺度分割处理。在图像动态变化检测阶段,根据自然资源遥感图像变化与光谱特征参数之间的关系,计算了各分割图像的曲率参数,通过计算曲率参数之差完成对目标图像参数动态变化的计算。实验结果表明,该方法应用下,图像NDVI、RVI和SAVI变化量的检测结果与实际值的误差分别仅为0.000 9,0.005 7和0.004 8。以上数据证明该方法完成了遥感图像动态变化检测,且检测效果较佳。     

遥感图象定量分析方法及应用

本文论述了遥感图象定量分析的基本原理、计算方法及其应用效果.简明地介绍了几种常用的最佳波段选择方法,论述了用于提取多光谱数据分类特征的主成分分析和典型分析方法及其在岩性地层分类、动态遥感信息检测中的应用效果.文中系统地介绍了遥感图象光谱模式识别的监督分类及非监督分类方法的计算机分析步骤、常用算法、误差分析及其应用条件.最后概略地论述了遥感图像定量分析方法在1:5万区域地质调查工作中的应用方法和应用前景.     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

论遥感图像地质成因模型方法

通过对地质原型的研究,将遥感图像中的地质要素分类、定级,并分别赋之以地质属性,使各种地质要素具有具体的地质涵义,然后将它们反馈到全区遥感图像上。在研究遥感图像地质机理的基础上,实现对研究原型的简化与抽象,建立起测区的遥感图像地质成因模型,用以矿产预测．     

卷积神经网络和视觉注意力语义分割模型在高分辨率遥感影像分类中的性能分析

随着深度学习语义分割的快速发展,基于计算机视觉语义分割模型的高分辨率遥感影像分类方法也大量涌现。为系统定量地研究经典的和先进的视觉语义分割模型在遥感影像分类中的性能,在总结深度学习语义分割进展的基础上,选择9种基于卷积神经网络(CNN)和视觉注意力的语义分割算法,对米级和厘米级2个尺度的遥感数据集进行分析研究。在模型构建上基于计算机视觉通用的语义分割框架,训练时采用红绿蓝3波段遥感图像并基于ImageNet预训练权重进行迁移学习训练。研究结果表明：通用的语义分割模型通过常规训练设置进行训练能取得较好的遥感影像分类效果,部分地物的交并比(IoU)可以达到90%以上;基于视觉注意力的遥感影像分类模型的精度普遍高于基于CNN的模型,且MaskFormer能更有效地提取离散的地物信息;不同类别的精度最高值并不全在总体最优模型中,部分会存在于次优模型中;类似的地物在更高分辨率遥感数据集中可以获得更高的精度。     

基于遥感和GIS的我国季风海洋型冰川区冰碛物覆盖型冰川边界的自动识别

冰碛物覆盖型冰川边界的自动识别是冰川遥感监测的难点,综合遥感图像和DEM等多种数据,提出了一种基于遥感和地理信息系统的改进的半自动集成分类方法.该方法选择NDSI、NDVI作为分类指标,通过栅格DEM反演地表现象,并利用处于热红外波段的TM6探测地物的热辐射差异,应用栅格图像和GIS进行邻接空间分析,将冰川及冰碛物覆盖型冰川进行区别和分类.选择我国典型的季风海洋型冰川区——贡嘎山地区大量冰碛物覆盖的贡巴冰川作为实例进行研究,取得了较好的分类结果.该方法比Frank Paul提出的方法更适合于我国海洋型冰川的遥感研究,同时也提出了存在的问题.     

面向对象的遥感图像分类方法研究

影响遥感图像分类效果的主要因素之一是空间分辨率。通过融合多分辨率遥感图像,引入面向对象的思想,有效地克服了多光谱图像空间分辨率低的问题。该方法由图像分割和分类等一系列技术组成,首先用基于区域分割法则对正射校正SPOT图像进行分割,然后把它作为参考用最大似然法分类器和其他一些经验规则对TM图像进行分类。对土地覆盖图分类进行精度测试,取得了良好的应用效果。     

基于SqueezeNet卷积神经网络的岩石薄片图像分类研究

在地质研究中,针对岩石薄片图像分类算法可移植性不高、分类速度较慢等问题,提出将轻量级卷积神经网络结构SqueezeNet应用于岩石薄片图像分类.实验的数据集为鄂尔多斯某油田区域的10026张长石砂岩图像,图像大小均为224×224像素,通过SqueezeNet网络模型进行训练,在较短时间内实现了岩石薄片图像的分类,并取得了较好分类效果,验证集分类准确率最高可达到90.88％.实验结果表明,所提模型在保证准确率的同时,大大减少了模型参数,模型大小仅为4.78 MB,提升了岩石分类速度、增强了模型的可移植性.     

人工神经网络分类及其在遥感调查中的应用

1 前言 20世纪80年代末,神经网络开始在我国应用于遥感图像分类.遥感图像分类是反映人对图像的一种理解,包括浅层的视觉生理理解和深层的逻辑心理理解两种层次.神经网络方法的图像识别是人的视觉生理现象的简单模拟.与传统方法相比,具有并行处理、自适应等优势;此外对数据源要求更宽松.     

露天煤矿采场无人机遥感图像小目标检测

露天煤矿采场地形复杂,车辆事故时有发生,准确定位车辆位置对于安全生产至关重要。针对矿区无人机遥感图像小目标定位不准确的问题,提出了一种改进的YOLOv7目标检测模型。首先对原始网络模型中的ELAN模块进行卷积替换,加速网络的推理速度。并在此基础上,进一步结合eSE通道注意力机制,形成PConv-eSE卷积注意力模块,加强模型网络对小目标的特征提取能力,降低背景信息的影响。最后,使用NWD度量标准的损失函数,进一步优化网络,提高准确性。在矿区采场车辆数据集上对改进的模型进行了实验验证,结果表明：改进后的模型P_mav值达到94.5%,相对于原始模型上升了7.2%,有效解决了原始网络对于遥感小目标定位漏检的问题,为无人机在露天矿区小目标定位领域的应用提供了理论基础。     

神经网络敏感性分析及其在遥感影像分类中的应用

针对基于连接权的神经网络敏感性分析方法中求取敏感性系数的不稳定性,提出一种优化连接权的神经网络敏感性分析方法。首先采用遗传算法根据误差最小化原则对神经网络进行优化,在优化的神经网络模型上进行基于连接权的敏感性分析。以1个数值模拟实例和华盛顿广场地区的遥感图像地物分类为例,验证所提方法的有效性。实验结果表明,所提方法求取输入变量的敏感性系数是稳定有效的,能有效筛选出遥感图像中对分类贡献较大的特征波段,达到降维的同时提高分类精度。     

基于国产高分辨率光学遥感影像的水体提取

遥感图像中地表水体同山体、建筑物等地物产生的阴影在光谱特征上存在较高的类间相似性,导致提取过程中容易出现混淆和错分的情况。针对此问题,提出一种基于面向对象和人工蜂群的地表水体提取方法。该方法首先对遥感图像进行分割以获取分割对象的光谱、比率、几何形状等统计特征,以弥补高分遥感图像波段数目少,信息量不足的缺陷;并借助人工蜂群算法在解决复杂问题最优化方面的优势,选取水体同阴影二值分类的几何平均正确率作为算法的适应度函数,最终获取地表水体的最优化提取规则。选取厦门市大嶝岛和湖南省资兴市部分区域,基于国产高分一号、二号遥感数据进行水体提取,并与传统SVM分类结果进行比较。实验结果表明本算法提取水体的总体精度和Kappa系数均优于传统SVM分类器,表明该方法可应用于高分遥感图像的地表水体提取。     

遥感影像的分类与识别技术在土地资源调查中的应用

遥感图像记录了地物在空间域、时间域、光谱域的变化信息。利用图像的分类技术 ,能够识别土地利用类型。计算机遥感分类识别原理 ,是利用地物的光谱能量特征差异性和结构特征差异性来识别地物信息。根据北京某地遥感图像实例资料 ,将土地利用类型分为监督分类、非监督分类、最大似然法分类、神经网络分类等。不同的分类方法有各自的特点且分类结果也有一定的差别 ,其中神经网络分类与真实情况最为接近     

基于PCA+RBF的多光谱卫星遥感影像分类

多光谱卫星遥感影像具有波段多,信息量大的特点,传统的分类方法难以达到比较高的精度.这里首先采用主成份分析对多波段遥感图像进行降维,再采用训练后的RBF(radial basis function)神经网络做图像的监督分类.通过对ETM 的遥感数据进行实验,结果表明,这种分类方法的分类精度,明显优于最大似然法、最小距离法等传统的分类方法.同时,与基于像元的RBF神经网络法相比,也有一定的优势.     

决策树方法在遥感地质填图中的应用

决策树理论在遥感分类中, 分类准确、高效.依据其理论方法, 对青海省民和地区的遥感数据———ETM + (enhanced thematic mapper plus) 进行了分类, 选用的ETM +数据为1999年10月份数据, 数字高程(DEM) 数据来自于1:2 5万民和幅地形图, 数据格式为MapInfo通用格式MIF, 数据进行了坐标转换(地理坐标), 对原始数据进行了处理, 从等高线中提取数字高程.对遥感数据进行地形及光照矫正, 计算植被因子及缨帽变换的3个分量, 同其他5个遥感波段结合形成原始分类图层, 同时确定目标分类结果.原始数据的采样基于目视, 首先采用不同的彩色合成方案突出不同的目标地物, 交互式进行采样, 使用IDL语言编制程序从原始数据中提取地物数字信息, 使用Clementine7.2对数据进行处理, 其中10 %的采样数据验证模型准确率, 其余数据用来推算模型, 对数据进行10次迭代, 同时给予75 %的剪枝, 得到区分不同地物(如红层、黄土等) 的最合适图层(band 1 & band 3)和具体数值, 形成决策树模型, 将决策树模型导入Envi4.0中, 对原始数据(9个图层) 进行计算形成初步分类结果图, 对初步分类结果图进行一定的碎片合并, 最终形成分类结果图.该图同1:2 5万地质图进行对比确认分类的效果, 同传统分类图比较确认决策树分类方法优于传统分类.另外来自于决策树所提取的信息, 有利于地学知识的归纳总结