基于光谱—空间特征的ASTER影像岩性分类研究——以甘肃北山白峡尼山地区为例

遥感岩性制图是地质填图中的重要工作,基于光谱特征的岩性分类易受到色调、纹理等因素影响导致精度不佳。前人进行岩性自动分类研究多关注影像的光谱特征,而忽略空间特征,笔者等基于甘肃北山白峡尼山地区ASTER影像,将支持向量机、极限学习机两种机器学习分类方法与基于空间特征的快速漂移算法相结合进行岩性分类。结果表明支持向量机分类总体精度为89. 17%;极限学习机不但具有需调节参数少的优势,且分类精度和速度均优于支持向量机,分类总体精度达96. 70%;利用快速漂移算法提取的影像空间特征可有效减少错分区,提升岩性分类效果。研究证实将基于光谱特征的极限学习机和基于空间特征的快速漂移算法结合的岩性分类方法具有客观、高效、高精度等优势,可为后续地质填图和找矿勘查工作提供可靠数据支撑,在遥感岩性分类领域具有较高的推广价值。     

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。     

基于多源数据协同的SVM岩性分类研究——以江尕勒萨依地区为例

研究区位于阿尔金北缘江尕勒萨依山前一带,自然条件恶劣,基础地质工作薄弱,难以开展大比例尺填图工作。文章充分发挥遥感技术的优势,深度挖掘有用信息,在Worldview-2与Landsat-8 OLI数据的协同处理基础上,通过支持向量机(Support Vector Machine,简称SVM)对研究区岩性进行分类。结果表明,相比于单一原始影像,经协同处理的遥感影像分类精度高,总体分类精度83.22%, Kappa系数达到0.78,细化了各类地质体的展布位置,研究结果对艰险地区的区域地质调查工作具有一定的指导意义。     

喀斯特地区遥感影像解译新算法——支持向量机算法

现行的遥感影像解译方法有监督分类和非监督分类。在监督分类中有平行算法,最小距离算法、最大似然算法等,而支持向量机是监督分类中的一种新的算法。本研究选择贵阳市花溪区小碧乡局部地区为研究对象,采用SPOT数据,分别运用最大似然算法和支持向量机算法对研究区遥感影像进行解译。通过建立混淆矩阵,来计算分类精度和Kappa系数。结果表明:支持向量机具有分类精度高,分类图斑完整等优点;但在时间的消耗上,支持向量机算法要比最大似然算法长。对于这两种算法而言,都存在地物光谱特征明显相异的地物易于区别,光谱相似的地物容易造成错分的现象,然而支持向量机分类精度要比最大似然分类精度高一些。支持向量机对样本数量具有敏感性,样本数量过多将导致运算时间过长。因此在实际运用中应根据实际情况,选择适合的算法。      

引导滤波联合局部判别嵌入的高光谱影像分类

高光谱遥感影像分类是高光谱遥感影像处理和应用的重要组成部分。然而,高光谱遥感影像具有波段数量较多和空间分辨率较高等特点,给分类任务带来一定的挑战。为了提高分类精度,充分利用影像的空间信息和像素间的局部信息,提出一种引导滤波联合局部判别嵌入的高光谱影像分类方法。首先,对高光谱遥感影像进行归一化,利用主成分分析方法实现特征提取,将提取的第一主成分影像作为引导图像;其次,采用引导滤波分别提取各波段影像的空间特征;然后,将提取的空间影像特征进行叠加,通过局部Fisher判别分析完成低维嵌入;最后,将得到的低维嵌入特征输入支持向量机分类器得到分类结果。采用Indian Pines和Pavia University两幅高光谱影像进行实验的结果表明：在分别从各类地物中随机选取10%和100个样本作为训练样本的情况下,其总体分类精度分别提高到98.28%和99.45%;对比其他相关方法,该方法能够获取更高的分类精度。该方法在低维嵌入的同时,有效利用了影像的空间信息,改善了分类效果。     

支持向量机在遥感数据分类中的应用新进展

支持向量机是一种基于统计学习理论的新型机器学习算法,它通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.随着应用面的不断扩大,支持向量机在遥感领域也得到了广泛关注.该算法已经成功的应用于遥感数据的土地覆盖、土地利用分类,多时相遥感数据的变化检测,多源遥感数据信息融合等,并且在高光谱遥感数据处理中得到了广泛应用.综述了支持向量机算法在遥感数据分类中的应用.首先对支持向量机的理论进行简要介绍,进而综述了该算法在不同遥感问题中的应用进展,最后阐述了新型支持向量机算法的发展以及在遥感中的应用.     

基于ASTER光谱特征的科技廊带岩性填图:以新疆塔什库尔干地区为例

科技廊带填图是以解决关键地质问题为目的填图方式,但部分地区海拔高差大,交通不便,给填图工作造成巨大困难。遥感岩性解译可为填图工作提供重要参考。然而,当前主流的遥感岩性解译方法仍是基于地貌纹理等间接解译标志开展的。相对而言,矿物岩石光谱特征作为最为直接和准确的遥感岩性解译标志却少有实例报道。本文基于ASTER遥感影像和岩石光谱特征分析,对部分地区海拔高差较大的新疆塔什库尔干地区进行岩性解译工作,以检验其适用性。在野外工作对研究区岩性类型进行识别和鉴定的基础上,ASTER光谱分析成果影像可较准确显示区内主要岩性类型的地表出露。其中,ASTER热红外波段比可反映区内中高级变质岩、花岗岩类及碳酸盐岩的整体分布特征;在此基础上,ASTER可见光-近红外及短波红外波段比可准确鉴定与Fe~(3+)、Fe~(2+)-硅酸盐、Al-OH、Mg-OH等成分相关的矿物组成(如绿泥石、白云母及石榴子石等),从而对地表岩性出露进行更为细致的识别和分类。研究结果表明基于ASTER光谱特征的岩性填图方法在新疆、西藏等地区有天然的实用性,既可克服区内海拔高、交通不便等困难,又可准确指示地表关键岩性类型的出露情况,可作为科技廊带填图及地质研究工作的重要手段。     

高光谱遥感技术在地质矿产填图中应用

<正>高光谱遥感是指在电磁波谱的可见光、近红外、中红外和热红外波段范围内,获取许多非常窄的光谱连续的影像数据的技术。近年来,高光谱遥感技术以其丰富的光谱和纹理信息的优势在地质领域得到了深入的应用与发展,不仅深化了地质学的基础研究,也推动着遥感地质填图从岩性填图向矿物填图的飞跃。     

高光谱遥感岩矿识别方法对比研究

高光谱遥感作为全新的遥感技术,在我国目前处于探索研究阶段。本文在高光谱遥感图像处理基础上,对美国Cuprite矿区岩矿开展了基于像元统计和基于波谱特征的分类识别实验研究,提取了八类岩矿分布信息,并应用混淆矩阵评价了不同分类方法、不同岩矿种类的分类精度,研究成果表明:岩矿空间分布越集中,波谱特征越明显,其分类精度越高;分类方法上,基于波谱特征的分类法优于基于传统统计分析的分类法,这为高光谱遥感技术在遥感地质矿物填图的应用提供理论依据。     

高山峡谷区1:50000地质填图技术方法探索与实践——以新疆乌什北山为例

新疆乌什北山填图试点项目充分发挥遥感技术的先导作用,探索1:50000高山峡谷区填图方法。不同分辨率遥感数据在岩性、构造解译等方面的差异表明多源遥感数据综合解译能有效提高解译程度。研究认为同一遥感数据最佳波段组合图像、Landsat-8和Worldview-2数据协同图像增强了对岩性和构造识别的能力。高光谱遥感矿物填图和岩性分类、基于ASTER热红外遥感数据的岩石化学成分填图等是高山峡谷区填图有效技术方法。利用ETM和ASTER数据开展矿化蚀变信息提取,结果表明ASTER较ETM数据在铁染异常、羟基异常等提取方面具有更大的优势。分析认为多元信息综合预测是区域找矿的重要途径。根据乌什北山地质地貌特征,选择其中有效技术方法或技术方法组合开展1:50000地质填图,结果显示在减少剖面测制和路线地质调查数量的同时,达到了填图精度,并取得了若干重要研究成果,为区域构造演化和成矿规律分析总结提供了资料支撑。      

基于Hyperion高光谱数据和随机森林方法的岩性分类与分析

探索利用高光谱数据的岩性填图新方法是遥感地质应用领域的重要需求之一。本文运用随机森林方法和EO-1Hyperion高光谱数据,对新疆塔里木西北部柯坪地区的局部区域进行岩性分类,并对相关问题进行分析。分别利用光谱特征以及加入光谱一阶导数特征进行岩性分类,并对不同特征对岩性分类的重要性进行分析,同时与现有的基于光谱角制图方法(SAM)进行比较。结果表明,与SAM方法相比,随机森林方法得到了更高精度的岩性分类结果,是一种有效可行的岩性分类方法。根据特征重要性的排序,蓝绿光波段、短波红外波段以及相应的一阶导数特征对研究区Hyperion数据的沉积岩岩性分类贡献更大。     

遥感解译在内蒙古狼山戈壁荒漠地区1:50000地质填图中的应用

针对内蒙古戈壁荒漠区特殊地貌地质填图工作,选择ASTER和SPOT5数据,通过图像融合、影像校正、影像增强等处理方法,提高图像的空间分辨率和光谱分辨率。利用遥感解译图像快速准确地获取地层、侵入体和构造的解译标志,通过遥感地质解译结合地面调查进行综合分析和解译,提高了填图的准确性,为特殊地质地貌区地质填图提供技术支持,对于在同类区域开展地质填图工作有指导意义。      

基于Sentinel-1A雷达数据和Sentinel-2A多光谱数据特征融合的地物分类

基于光学影像受云雨等不良天气的影响,导致在地物分类时易造成数据信息缺失,而雷达影像作为主动式成像,能够较好地克服这一缺陷。笔者选取长春市净月开发区部分地块为研究区域,分别采用最小距离、最大似然和支持向量机3种分类方法,以Sentinel-1A雷达影像和Sentinel-2A多光谱影像为数据源,基于特征融合,提高地物分类精度。结果表明:特征融合后影像的地物分类精度较单一的光学影像有明显提高,且与最小距离和最大似然相比支持向量机分类精度最高。在无云层覆盖的情况下,融合后支持向量机分类精度达到97.94%,较光学影像提高8.11%;在有云层覆盖情况下,融合后支持向量机精度达到77.29%,较光学影像提高12.5%,尤其对水域和建筑区的识别精度有较大提高。     

基于深度特征的双极化SAR遥感图像岩性自动分类

基于像元基元、极化合成孔径雷达（Synthetic Aperture Radar,SAR）数据和传统机器学习算法的岩性分类方法,易受SAR图像固有斑点噪声影响,精度不高.为了降低噪声的影响,本研究以大尺度像元邻域为基元,用于表征地表地质体的遥感图像特征和岩性语义信息;采用高分三号双极化SAR数据进行极化分解构建3通道假彩色合成影像;然后采用深度卷积神经网络（Deep Convolutional Neural Network,DCNN）迁移学习的方法,提取有效的深度特征表示,分别实现5 m和15 m两种空间分辨率下岩性遥感自动分类.结果表明:基于不同分辨率数据和不同DCNN算法,岩性遥感自动分类的总精度均大于80%,最高精度达到91%.基于大尺度像元邻域和DCNN迁移学习方法,能够实现基于SAR数据的高精度岩性分类.      

基于支持向量机的遥感图像建筑物识别与分类方法研究

高分辨率遥感影像可以更精细地描述地物目标的几何特征、空间特征和纹理特征等信息,在各个领域中都得到广泛的应用。建筑物作为地物信息分类中的主要部分,是地形图成图的主要组成元素,对建筑物的识别与提取,直接影响到地物测绘的自动化水平,对它的识别和定位可以为特征提取、特征匹配、图像理解、制图和作为其他目标的参照体有重要的意义。针对建筑物的遥感影像特征,研究了支持向量机分类器(SVM)在建筑物识别与分类中的应用,提出了一种交叉验证的方法对参数敏感度进行分析,通过使用GridSearch算法确定模型参数设置的最优方案,并对分类结果中建筑物进行轮廓提取。通过实验表明,优化后的SVM算法对建筑物的分类精度达到90%,对比随机森林算法、最近邻分类器优势非常明显。     

ASD FieldSpec 3地物光谱数据在水磨—大河地区岩性分类中的应用

以四川省旺苍县水磨—大河地区为研究区, 利用美国ASD FieldSpec 3便携式地物光谱仪野外实测岩矿波谱数据和ASTER遥感影像数据, 基于GIS平台, 根据野外实测的岩石光谱曲线和USGS光谱库的典型岩石光谱曲线提取端元波谱, 对区域影像像元的光谱曲线进行匹配, 采用ENVI4.4软件自动信息提取与人机交互解译相结合的方式, 进行岩性分类, 可以有效地划分区内岩性界线, 满足填图需求, 对辅助该区区域基础地质调查、矿产普查等具有重要的应用价值。      

多尺度纹理及多光谱影像协同的遥感岩性识别方法

岩性识别是遥感图像分类的难点,也是遥感地质应用的难点和热点。从遥感地质应用的实际需求出发,以西昆仑地区侏罗纪沉积岩地层为例,通过尺度转换提取高分遥感图像的多尺度纹理信息,采用波段叠加的方式协同多尺度纹理信息与ASTER影像多光谱信息进行岩性识别方法研究。利用WorldView-2全色数据进行向上尺度转换,形成空间分辨率分别为0.5,2,5,10,15,30m6种尺度图像数据,基于灰度共生矩阵提取各尺度上的纹理信息;将不同尺度的纹理信息分别与ASTER多光谱数据叠加形成协同数据;采用监督分类方法对研究区协同数据进行岩性分类。结果表明:(1)岩性纹理信息对空间尺度表现出依赖性,纹理信息量及含义随空间尺度不同而变化;(2)每套特定岩层因其独特的几何空间结构特征(厚度、产状、夹层、互层等)都有与之相适应的最佳纹理尺度,且该最佳尺度下纹理与光谱的协同效应最大;(3)纹理信息与多光谱数据形成的协同数据能有效提高岩性分类的精度,分类精度提高的程度与纹理计算的尺度相关。研究区岩性分类结果显示当纹理尺度为10m时,与仅基于ASTER纯光谱分类结果相比,精度提高了约6.9%。     

基于核主成分支持向量机的火成岩QAPF分类——以青海格尔木地区为例

利用核主成分(KPCA)较强的非线性特征提取能力对Hyperion高光谱数据进行降维及光谱特征提取,将特征信息作为支持向量机(SVM)建模样本的观测数据,建立KPCA-SVM回归模型,利用该模型进行研究区岩石氧化物百分含量反演。同时,依据国际地质科学联合会提出的QAPF火成岩分类方案对区内火成岩进行了岩性划分。研究结果表明:KPCA降维后的高光谱数据反演氧化物含量的效果良好;而基于QAPF模型的火成岩划分结果也十分理想,分类结果对已有地质图进行了有效的补充。KPCA-SVM理论模型为利用高光谱遥感数据进行岩性分类提供了一种快速可行的方法。     

基于ASTER光谱特征的岩性填图和蚀变信息提取：念扎金矿例析

基于ASTER光谱特征进行岩性解译和蚀变信息提取在找矿勘查方面有着广泛应用,但在国内鲜有报道。以雅鲁藏布江缝合带念扎金矿为研究区,通过对与Fe~(3+)、Fe~(2+)、Al-OH、MgOH、硅酸盐、碳酸盐等成分相关特征的矿物光谱特征分析,运用"波段比值法+假彩色合成法"进行细致的岩性单元分类与地质填图,运用"地质遥感剖面+最优密度分割法"定量圈定与矿化有关的蚀变带范围,结合已有的控矿构造信息,提供推测找矿有利区2处。研究结果表明,基于ASTER光谱特征的岩性填图和蚀变信息提取方法进行找矿预测,在西藏高海拔地区具有天然的适用性,可以准确指示岩性和蚀变的关键找矿标志,是西藏地区快速有效找矿勘查的重要手段,也为区带内其他相同类型的金矿床研究提供借鉴。     

基于多源遥感数据的第四系覆盖物分类方法研究:以内蒙古旗杆甸子幅1∶5万填图试点为例

遥感图像分类技术对于荒漠草原浅覆盖区第四系覆盖物分类具有重要意义。以内蒙古旗杆甸子幅1∶5万填图试点为例,基于ASTER、GF-2等多源遥感数据,利用植被抑制法、波段比值法、主成分分析以及纹理信息提取等多种方法,充分考虑了多光谱数据的光谱信息和高分辨率数据的形状、空间结构、纹理信息等特征,结合面向对象分类法,对研究区第四系覆盖物进行了分类,并比较分析了不同分类方法的分类效果与精度。结果表明:将波段比值、主成分分析以及纹理分析多种特征作为辅助数据参与分类,其分类效果优于基于单一ASTER数据进行的分类;通过几种不同分类方法的比较分析,发现多特征面向对象分类的总体精度最高,达到85.40%,比多特征传统监督分类的总体精度提高了约11%,分类影像上地物边界清晰。该法分类技术可以为荒漠草原浅覆盖区的地质填图提供相关技术支持。