面向对象的遥感影像隐性地物信息提取

针对传统遥感影像提取方法中仅使用光谱像元信息的缺陷,本文使用Landsat 8遥感影像数据,探究面对地形复杂区域进行多种地物信息提取充分挖掘影像隐性信息的情况,使用面向对象的分类方法实现地物信息提取.结果 表明该方法分类精度较传统监督分类有所提高,且符合人类认识客观事物的思维模式,对于准确提取地物信息、提高提取精度具有很大帮助.     

徐州市土地利用CLUE-S模型变化模拟

对徐州市1987年、1994年和2000年3期遥感影像图进行分析,利用面向对象的思想,采用多尺度分割法对影像进行分类,通过遥感影像的光谱特征,确定分类目标,获取该区过去13年间的土地利用/覆被时空变化特征。运用CLUE-S模型以1994年土地利用数据模拟了2000年的土地利用空间变化状况,并通过2000年实际遥感影像分类数据加以验证,结果计算出Kappa指数为0.846,达到精度要求,实例证明CLUE-S模型较好地模拟了徐州市的土地利用/覆被变化。最后运用CLUE-S模型以6年为1个时空尺度模拟该区未来12年的自然状态和生态保护状态下的土地利用/覆被变化特征。     

基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例

城市受人类活动影响比较大,结构组成比较复杂,对该区域进行分类研究存在一些问题。甚高分辨率遥感影像,以其丰富的细节信息为城市土地覆被分类研究提供了可能。本文结合使用甚高分辨率QuickBird遥感影像和激光扫描LIDAR数据,论述了利用多尺度、多变量影像分割的面向对象的分类技术对马来西亚基隆坡市城市中心区的土地覆被分类研究。针对特定地物选择合适的影像分割特征和分割尺度、按照合理的提取顺序逐步进行城市土地覆被信息提取。在建筑物的提取过程中构建了归一化数字表面模型nDSM,使用成员函数将建筑物信息提取出来。精度评价结果表明,利用该方法得到了理想的城市土地覆被分类结果,其分类总精度从常规面向对象分类方法的83.04%上升到88.52%,其中建筑物生产精度从60.27%增加到93.91%。     

基于高精度历史耕地地块的农区多光谱影像分割方法研究

与传统的基于像元的影像分类方法相比,面向对象的分类方法能够提供更为准确的地类识别结果.对象作为信息提取过程的中间实体,对其划分的好坏直接关系到影像的分类精度.为了更准确地对农区多光谱影像进行分类,提出了一种基于高精度历史耕地地块数据的影像分割方法.该方法首先判定现势遥感图像上耕地地块的均质性,然后通过计算区域对比度指标...     

面向对象分类的决策树方法探讨——以Landsat-8OLI为例

针对目前遥感影像分类中面向对象和决策树相结合的研究较少的情况,该文提出基于C5.0决策树的面向对象分类方法,并以广州市从化区进行实证研究。基于Landsat-8OLI影像数据,采用面向对象分类对影像进行多尺度分割,提取出影像对象的光谱、纹理特征以及影像对象相对应的DEM信息;然后利用C5.0决策树根据特征信息来挖掘分类规则;最后根据规则对分割后影像进行分类。结果表明,基于C5.0决策树的面向对象影像分类精度高、效果好,总体精度和Kappa系数分别为89.75%和87.5%。该方法可准确、快速地提取土地利用/覆被信息。     

遥感模式分类中的空间统计学应用——以面向对象的遥感影像农田提取为例

如何有效地从遥感图像中提取所需信息,是遥感图像处理和应用的关键,而尺度选择问题一直是影响遥感信息提取精度的关键问题之一。本文论述了利用空间统计学方法解决遥感影像模式分类中的尺度问题的理论基础。针对面向对象影像分析问题,将影响遥感影像多尺度分割的尺度分割参数概括为空间属性分割参数、光谱属性分割参数和影像对象面积阈值参数,并分别提出了基于统计学的尺度参数估计方法。以SPOT-5影像面向对象农田提取为例,基于变异函数方法进行了尺度优选试验,系列尺度分类试验结果表明基于空间统计学尺度估计得到的尺度分割结果进行分类能得到最高的精度,进而证明了基于空间统计学方法进行面向对象信息提取尺度估计的有效性。该方法是完全数据驱动的方法,基本不需要先验知识参与。不同于以往分割后评价的尺度选择方法会占用大量计算资源且耗费大量时间,本文提出的方法不仅能在一定程度上保证面向对象信息提取的精度,而且在一定程度上也提高了面向对象信息提取的效率和自动化程度。     

基于eCognition的遥感图像面向对象分类方法研究

随着高分辨率遥感图像越来越普及,传统的面向像元的图像分类方法不能满足对高分辨率遥感图像区域分类的需求,高分辨率遥感图像对图像处理的软件与硬件都有了更高的要求,因此,出现了相较于面向像元有着更高精度更为合理的面向对象分类方法,也更加适用于高分辨率遥感影像。本文通过采用面向对象分类的基本方法,运用eCognition软件,以山东省胶州市地区遥感影像为例,进行多尺度分割和面向对象分类。并用ENVI做监督分类,基于目视解译精度评定,对不同方法作出分析评价。结果表明:面向对象分类方法精度更高,更具有可靠性。     

高光谱遥感图像亚像元信息提取方法综述

高光谱遥感图像光谱分辨率高、波谱连续、图谱合一,这为精细地物分类、探测和识别提供了数据基础。然而,由于高光谱遥感图像空间分辨率的局限性及地物场景的复杂分布,混合像元普遍存在于高光谱遥感图像。混合像元是高光谱遥感图像精细信息提取与分析中的难点。解决混合像元问题,实现亚像元级信息的提取与分析是近年来高光谱遥感图像解译的热点和前沿。本文系统梳理了高光谱遥感图像亚像元信息提取的主要研究内容,具体从混合像元分解、亚像元制图及亚像元目标探测3个研究方向综述了经典方法,并对国内外相关方向的研究进展、发展前沿及主要挑战进行了分析与评价,最后分析讨论了高光谱遥感图像亚像元信息提取研究在模型构建、优化求解及与应用结合等方面的研究趋势及方向。     

基于遥感技术的土地利用／覆被变化研究

遥感技术是研究土地利用/覆被变化状况的重要手段之一,目前该技术已有一套较成熟的研究方法,本文从遥感数据选择、图像预处理方法、土地利用/覆被变化遥感分类、土地利用/覆被变化动态信息提取等方面对土地利用/覆被变化遥感动态监测技术进行了系统的论述,最后指出多信息源、综合的信息处理机制将是土地利用/覆被变化遥感动态监测技术发展的必然方向。     

秦淮河丘陵地区土地利用遥感信息提取及制图

着重论述了使用SPOT卫星遥感图像提取土地利用专题信息的技术与方法。利用数字地形模型（DEM）派生的坡度、坡向等辅助信息，对遥感影像的光谱特征空间进行扩展，建立基于知识的统计分析扩展模型，对不同参数的分类结果进行评价。研究结果表明，该方法能有效地提取SPOT星遥感土地利用专题信息，特别适合我国南方丘陵地区土地利用遥感信息提取。同时，通过地物分层分类信息提取方法和遥感影像数据融合技术，编制了研究区土地利用现状图。     

渝西地区多时期地表覆盖遥感信息提取

近年来,随着遥感技术的不断发展,利用遥感技术开展土地覆盖信息的提取工作已经变得越来越普遍。本文主要利用遥感技术进行土地覆盖信息的提取,为后续土地信息的分析调查提供了有利的数据。此次研究选取了渝西地区作为研究区,使用TM／ETM遥感图像作为基础数据。在提取覆盖信息之前,首先,采用遥感图像处理技术,对研究区进行了图像预处理;接着,对研究区四种地类进行采样处理,利用得到的采样数据,对研究区的遥感图像进行了光谱分析;最后,进行监督分类得到覆盖信息的明显特征,可以看出建筑用地在明显增多。并对分类结果进行精度评价,得到最后结论,可以看出每一时期的总分类精度都在85％以上,符合分类要求。     

光谱与纹理信息复合的土地利用/覆盖变化动态监测研究

及时、准确地动态监测地球表面特性对于掌握人类和自然现象之间的关系和相互作用是非常重要的,并为决策的制定奠定基础。传统卫星遥感的土地利用/覆盖变化动态监测方法基本上可分为光谱直接比较法和分类比较法两大类,但两类方法多以光谱信息为基础来提取土地利用变化信息,而忽略纹理等空间信息。本研究中,基于变化向量分析方法,将光谱与纹理两种信息复合计算变化强度,并采用支持向量机法提取变化/非变化信息,通过监督分类确定变化区域内的土地利用/覆盖类型的转移方向,完成土地利用/覆盖动态监测。最后,利用两期TM数据,对海淀区1997—2004年进行土地利用/覆盖变化动态监测,以验证该方法。该方法较分类后比较法在一定程度上减少误差积累,降低了错误类型转化,提取的变化信息总精度达到93.1%,Kappa为0.862,比利用光谱信息双窗口变步长的变化向量分析方法提取出土地利用/覆盖变化信息的精度有一定的提高(总体精度为90.2%,Kappa为0.804)。纹理信息与光谱信息复合,能够更大拉开变化/非变化信息之间的距离,有利于动态变化信息的提取,是该方法能够有效提取变化信息的关键所在。     

遥感组合指数与不同分类技术结合提取农业用地方法

多光谱遥感影像因具有丰富的波谱信息,提高了地表覆盖的辨识能力,利用遥感数据高精度自动提取专题信息是目前研究的热点和难点。本文以北京市ASTER影像为例,通过对城市生态环境中土地类型及其光谱特征规律分析,组合归一化差异植被指数、修正归一化差异水体指数和归一化差异建筑指数三种指数,制作组合指数新影像。对组合指数影像采用基于支持向量机的面向对象分类方法进行农业用地信息提取,同时将该方法分别与基于原始影像、组合指数影像的最大似然及支持向量机的分类方法进行对比分析。实验结果表明:组合归一化差异指数影像压缩了数据维数,降低了覆盖地物相关性,易于农业用地信息提取。对组合指数影像采用基于支持向量机的面向对象分类方法精度达95.701%。     

面向对象的高空间分辨率影像分类研究

采用面向对象遥感影像分类方法,进行了高空间分辨率遥感影像信息提取试验,分析了其与基于像元方法的信息提取结果的差异,试验研究表明,在目视效果上,传统方法的分类结果图中椒盐现象非常明显,而面向对象方法可以有效地避免椒盐现象;在分类精度上,面向对象方法分类结果的总体精度、Kappa系数、生产者精度、用户精度、Hellden精度和Short精度均明显高于传统方法,各类地物提取效果显著提高。面向对象方法在高空间分辨率遥感影像信息提取中具有明显的优势。     

Remote Sensing and Geographical Information System for canopy cover mapping

Availability of remote sensing data from earth observation satellites has made it convenient to map and monitor land use/land cover at regional to local scales. A land cover map is very critical for a various planning activities including watershed planning. The spectral and spatial resolutions are major constraints for mapping the crop resources at microlevel. The cropping pattern zones have been mapped using the false color composite, physiography, irrigation and toposheets. The IRS LISS-III data is classified into various categories depending on spectral reflectance from crop canopy and are overlaid on cropping zones map. The re-classified resultant map provides land use/land cover information including dominant cropping systems. The canopy cover is estimated monthly considering the crop calendar for the area.     

利用纹理特征提取城市用地信息方法探索

就利用灰度共生矩阵纹理特征提取城市用地信息做了初步探索。计算灰度共生矩阵四个纹理特征量,选择建筑用地与其它地类的纹理特征统计量差别较大的特征,用于提取建筑用地信息。通过计算选择了对比度纹理特征,对该特征图像进行分类、密度分割及后处理,得到城市用地信息。通过精度评定证明了纹理特征用于分类可以提高分类的精度,并能提高土地利用动态监测的自动化程度。     

Use of Landsat Thematic Mapper for urban land use/land cover mapping

Visual interpretation of Landsat Thematic Mapper data coupled with ground checking has been used to extract information for urban areas. The emphasis has been given on development of land use/land cover scheme and image interpretation keys for interpretation and delineation purposes using satellite remote sensing data. Lucknow city and its surroundings have been studied to evaluate the usefulness and potentiality of satellite data particularly Landsat Thematic Mapper for urban area studies. This study has demonstrated that remote sensing can provide a valuable tool for urban data acquisition.     

基于北京二号与地理国情数据的林地提取

由于地理国情林地数据不包含实地面积小于400 m²的树木或四旁单排林,若仅利用地理国情的林地数据统计区域森林覆盖率,将对四旁树面积较大地区的林地统计结果产生较大误差。为提取区域内准确的林地覆盖与空间分布状况,本文借助地理国情地表覆盖数据,提出了一种基于北京二号高分辨率遥感影像的林地提取方法。首先,根据遥感影像光谱特征,将研究区按植被、道路、铁路、建筑用地进行地类划分,并基于遥感影像进行各地类的样本提取,通过可分离检验的样本利用最大似然分类提取研究区内植被覆盖范围;然后,借助地理国情地表覆盖数据,使用叠置分析剔除误分、错分地类,得到区域林地的空间分布。试验结果表明：(1)研究区内林地覆盖率为20.3%,尚未满足北京新一轮林地规划需求;(2)地理国情地表覆盖数据内林地面积占提取林地总面积的54.03%,说明在部分地区使用本文方法对地理国情林地数据进行补充是有必要的。通过将试验结果与遥感影像进行目视比对并结合外业调查结果发现,提取的林地空间分布情况与实际分布基本相符。本文为地理国情的应用提供了一种新方法,研究结果可辅助区域的绿色发展规划,有助于构建科学的生态空间格局。     

单一时相遥感数据土地利用与覆盖变化自动检测方法

针对基期(用于该研究的前一时期数据)T1仅拥有土地利用和覆盖图件(矢量格式)而另一期T2拥有遥感数据的情况,构建了基于知识引导的土地利用和覆盖变化自动检测技术与方法。T1时期土地利用与覆盖与T2期遥感数据在配准叠加情况下,以T1完整的土地利用与覆盖类型图斑为单元构建土地各类别遥感数据知识库,然后以图斑单元或以像素为单位计算遥感影像特征统计量,通过与知识库相关数据的比较与匹配自动检测出变化并识别出相应的土地利用与覆盖类别。文章最后通过试验验证了该方法的有效性。