高分一号多光谱遥感数据的面向对象分类

文章针对高分一号(GF-1)高分辨率遥感数据,提出了一种基于多特征的面向对象遥感图像分类算法:首先,对GF-1卫星数据进行分水岭分割,并利用仿射不变矩形状特征算子获得遥感图像的几何特征;其次,利用主成分分析和灰度共生矩阵获得遥感图像的纹理特征;然后,基于多特征数据进行均值漂移滤波,并利用自动标记分水岭分割方法实现遥感图像分割;最后,结合基于像元的最大似然监督分类结果做投票分类处理,从而实现面向像元与面向对象相结合的遥感数据分类.以高分一号遥感数据进行分类实验,结果表明:本文方法可有效地提高遥感图像分类精度.     

多类别遥感图像的复合分类方法

多类别识别对于遥感图像分类的实用化具有重大意义。本文提出一种由多层神经网络与无监督分类相结合的复合分类方法。第一步用多层网络对几个大类进行有监督分类，第二步将网络输出作为无监督分类的输入，对遥感图像进行细分，使得可识别的类别数从原来的１０类提高到３０类。对ＳＰＯＴ遥感图像识别的结果表明，该算法能适应多类别识别任务的要求。     

基于自动搜索和光谱匹配技术的训练样本纯化算法

提出了一种基于局部自动搜索和光谱匹配技术的监督分类训练样本的纯化方法。该方法首先利用遥感影像中像元的灰度信息在图像上局部范围内自动搜索和选择最佳样区位置，然后利用光谱匹配的思想对寻找到的最佳样区在光谱空间上进一步纯化。实验结果证明，通过手工选择样区的辅助，该算法能够自动有效地搜寻到最佳样区的位置，并对最佳样区进行纯化处理。原始遥感图像经过本文的样区纯化算法处理后，无论是目视判读效果，还是分类后混淆矩阵的统计及分类精度，均优于纯化处理前的分类结果，具有一定的实用价值。     

基于RS和GIS的深圳市景观格局时空变化研究

基于RS、GIS和景观生态学原理与方法,研究深圳市域景观的空间格局特征及其动态变化.采用ERDASIMAGINE遥感数据处理软件对1995年、1999年和2008年的TM遥感影像图进行数据预处理、监督分类以及分类后处理,并通过ArcMap对经过分类后处理的图像进行编辑,得到深圳市历年的景观分类图,应用FRAGSTATS...     

K-L变换与NDBI指数法提取ASTER影像城市用地信息的比较

运用K-L变换和NDBI(Normalized Difference Barren Index)指数法,对试验区--沧州市及其周边地区的ASTER遥感影像进行处理,然后分别对两种方法处理后的图像采用最小距离法监督分类,提取城市用地信息,并对分类后的图像进行对比,结果表明:NDBI指数法对城市用地信息提取的效果较好.     

结合L0平滑和超像素的高空间遥感影像非监督分类

针对基于像元的非监督分类方法对高空间遥感影像分类时易形成“椒盐”噪声和产生大量错分、漏分的问题,提出了一种结合L0平滑和超像素的非监督分类方法．首先采用L0算法对高空间遥感影像进行平滑操作,减少大量图像噪声及冗余信息;然后采用简单的线性迭代聚类（SLIC）超像素方法处理平滑后图像,进一步抑制椒盐现象的同时降低处理复杂度,得到初始聚类图;最后采用K-means非监督分类方法得到最终分类结果图．为验证本文提出的方法,选取3景高空间遥感影像作为实验数据．试验结果表明,采用提出的方法能准确对地物分类,且总体精度分别达到了72.46％、77.55％和78.44％,Kappa系数分别达到0.788、0.779和0.779．提出方法能有效解决分类中存在的“椒盐”现象,可提高分类精度,对高空间遥感影像分类具有一定的参考价值．      

邻域规则下的遥感图像分类后处理方法研究

椒盐噪声严重影响遥感图像分类结果的精度。本文提出了一种基于邻域规则的聚类方法,该方法的规则制定以地理学第一定律为理论依据,借助CA中的摩尔邻域结构对图像所有像素进行了遍历分析。经由IDL编写程序,对北京市密云地区试验区初始分类图像进行聚类处理,并将调整后的图像与Clump Classes工具处理的图像从目视解译和精度统计两方面作了对比。结果表明该方法应用于分类后处理中,具有较好地去除椒盐噪声、提升分类精度的效果。     

K-means聚类引导的无人机遥感图像阈值分类方法

针对无人机获取的高分辨率遥感图像分类需求,提出一种K-means聚类引导的阈值分类方法。首先计算出无人机遥感图像数据集的Average Silhouette值,作为K-means的最优聚类数目;然后对原始图像进行Kmeans聚类初分割,对初分割结果中的非目标区域进行手工剔除;再对处理之后的新对象进行阈值分割和图像优化,完成对象的提取;最后对所有处理得到的地物标签进行合并,实现遥感图像的识别与分类。基于MATLAB/GUI平台,对提出的分类方法处理步骤进行集成,开发了无人机遥感图像分类处理系统,可对无人机遥感图像进行快速处理,实现半自动解译。对分类结果进行精度验证,其总体精度为91.09%,Kappa系数为0.88,表明该方法用于无人机遥感图像分类处理,能够实现地物的精确分类与信息提取。     

基于ENVI的高分辨率遥感图像应用试验研究

介绍了高分辨率遥感图像用于城市土地利用信息提取的主要过程,应用ENVI软件作为试验研究平台对试验区进行了遥感图像分类处理。试验表明,遥感技术是进行城市土地利用信息提取的有效手段之一,针对遥感图像中出现的水体和建筑混杂的现象,提出了应用监督分类与矢量操作相结合的处理方法,可得到较好的分类结果。     

监督分类方法在图片资料专题信息提取中的应用研究

通常,遥感分类处理软件都用于遥感图像数据(如TM,SPOT等)的处理。在利用遥感分类软件(如ERDAS)对遥感图像数据进行监督分类(SupervisedClassification)时,通常采用最大似然法(MaximumLikelihood)作为平行六面体判别规则。而这种方法对于图片资料并不合适。对遥感图像处理软件ERDAS内置的3种分类判别规则进行比较,得出使用最小距离法(MinimumDis-tance)作为判别规则对于图片资料根据颜色分类有很好的效果。这种方法对于数据短缺情况下,利用分类图片资料的色彩特征提取专题信息有较好的通用性。与传统的图片交互数字化处理方法相比,该方法能在保证结果精度的前提下,大幅度减少手工勾绘的工作量。