一种基于众数赋值的高光谱图像地物分类方法

提出了一种融合监督分类与非监督分类结果的高光谱遥感影像分类新方法——众数赋值分类法。采用ISODATA非监督分类方法对高光谱遥感影像进行分类,并对非监督分类结果的图斑进行标记,同时用最大似然法(ML)和支持向量机(SVM)法进行监督分类,然后以监督分类结果对非监督分类后各斑块进行类别赋值。方法是:统计每个非监督分类斑块中由监督分类所获得的各类别像元数及所占比例,将非监督分类斑块的类别赋予所占比例最高的监督分类结果的类别,最终获得高光谱图像分类结果。研究表明:(1)非监督分类类别数量大于10时,其与ML分类结果融合的总体分类精度和Kappa系数均较监督分类法的分类结果好;(2)ML和20个类别的ISODATA分类结果融合的总体精度最高,为87.35%,比单独ML的总体精度高约2个百分点;(3)SVM和10个类别的ISODATA分类结果融合的总体精度提高最大,较SVM的总体精度提高近3个百分点;(4)随着非监督分类类别数量的增多,分类结果的总体精度呈现由低到高再到低的变化过程。     

高分辨率全极化合成孔径雷达数据海冰二次分类方法研究

随着高分辨率全极化合成孔径雷达(synthetic aperture radar, SAR)影像的大量出现, 传统分类方法因所得分类结果中包含斑点噪声, 导致分类精度大大降低, 因而利用基于伴生关系的二次分类方法对辽东湾RADARSAT-2卫星的海冰SAR影像进行分类, 并将所得分类结果与专家解译分类结果和经典的基于H-α分解的Wishart监督分类结果进行对比, 证明本方法可以消除斑点噪声的影响, 同时具有较好的视觉效果和较高的分类精度。     

浅海沉积物分类方法研讨

浅海沉积物分类方法已比较成熟,国内外目前普遍采用的是谢帕德分类和福克分类两种方案.然而,通过对大量调查数据分析发现,国内浅海沉积物分类定名方法和方式并不完全一致.结合前人的研究,文章对两种分类方案进行了评述,深入探讨了目前沉积物定名不统一的原因主要是由于分类方案引用不完整,缺少对含砾沉积物的分类以及分类手段多样,缺乏规...     

海洋碎屑沉积物的分类

比较研究了以Shepard和Folk等为的海洋碎屑沉积物分类方案，提出沉积物的分类应兼具描述与解释两种功能。Shepard分类已经过时，Folk等的分类方案有显著的优点，但亦有不足之处，应予以改进。沉积物的成分分类受到忽视的现象应予以改变。为适应我国海洋地质测量的需要，作者提出了一套结构分类与成分分类相匹配的多重分类系统，解决了海洋碎屑沉积物分类中的矛盾和问题。     

一种基于人工免疫网络的遥感图像分类算法

提出了一种基于人工免疫网络的遥感图像分类算法。该算法通过借鉴生物免疫网络的分类和泛化能力，训练出能反映训练数据分布特性的网络细胞，然后使用这些网络细胞进行分类。实验结果表明，基于人工免疫网络的遥感图像分类算法具有较好的分类性能，其分类总精度、kappa系数均优于一些传统分类算法。     

由等比制粒级向图式底质分类的转换研究

为解决底质获取方法不同造成的底质样本分类命名结果的差异性,对等比制粒级分类和《中国海图图式》分类两种方法的本质进行对比研究,结合海洋底质的实际情况,总结出分类命名的前提条件,并将分类命名思想归纳为“两个环节”和“三个原则”,最后引入相对占比思想,提出了等比制粒级分类向《中国海图图式》分类转换的命名模型。提出的底质分类命名模型具备底质分类转换中的可行性,其归纳的分类命名思想,可为解决多源底质数据兼容性问题和底质数据的大规模共享提供借鉴。     

基于混合分类规则的成像光谱数据分类研究

分类方法的选择对于成像光谱数据的分类精度有着直接影响,然而由于成像光谱数据的特点,使得分类器的选择变得十分困难。提出了一种基于混合分类规则的成像光谱数据分类方法。实验表明,按照该方法进行成像光谱数据的分类处理,可以得到很高精度的分类结果。     

支序分类在海草分类划分中的应用

海草的分类划分同题相当混乱,作者在通过数值分类对海草的分类进行探讨基础上,利用支序分类,借助计算机技术,详细地探讨海草各科间的系统演化关系,对海草进行新的分类划分。     

多波束海底底质分类软件Simrad Triton的应用

研究了利用声学信号对海底底质自动分类的技术。介绍了挪威Simrad公司海底底质分类软件Triton的分类原理，它所应用的分类方法及其软件的体系结构。最后，用实例来说明Simrad Triton在海底底质分类中的应用。     

基于BP神经网络的海洋监测数据等级划分

数据的分类是数据处理和应用的重要环节和前提。在海洋领域中,海洋数据呈现多元、多类等的复杂多样性,给数据的分类带来一定的技术挑战。主要针对海洋数据分类难这一问题,首先利用BP神经网络技术对海洋环境监测数据进行分类,且通过对获取的海洋环境监测数据进行分类预测,最后,实验验证了海洋环境监测数据分类方法的正确性和可行性,给海洋监测数据根据秘密等级进行数据分类提供了支持。     

基于国产高分遥感的人工种植红树林种间分类方法研究——以广西茅尾海红树林为例

红树林的种间结构组成对红树林生态系统的健康和发展至关重要,而红树林种间分类问题一直以来都是基于遥感手段的红树林监测中的难点。针对该问题,以人工种植为特点的广西茅尾海红树林遥感种间分类为例,基于面向对象的分类思想,提出了一种现场样本与分割对象相结合的红树林种间分类方法。利用GF-2 PMS1高分辨率卫星遥感影像数据,开展了广西茅尾海红树林湿地典型植被精细分类和空间分布研究,并将分类结果与基于像素和传统面向对象SVM分类方法进行了对比。结果显示:总体上,面向对象分类方法更适合用于茅尾海红树林湿地典型植被分类;对于局部混生明显的区域使用基于像素SVM分类方法效果会更好;传统面向对象分类方法中将整个影像分割对象单元作为训练样本可能会在某种程度上造成负面影响。因此,使用文中提出的样本选择新方法进行面向对象分类精度最高,总体精度达到了93.13%,Kappa为0.89。     

基于ENVI 的唐山湾三岛土地利用遥感分类方法的比较分析

对唐山湾三岛2010年10月10 m分辨率的SPOT5多光谱数据源,采用不同分类方法进行识别和判断,并对比不同分类器在遥感影像分类中的应用效果和分类精度。有针对性地探究海岛土地利用遥感分类过程中不同方法的优劣,获取最适于岛陆地区土地利用的遥感分类方法。根据土地利用现状分类标准(GB/T21010-2007)和海岛陆域土地利用类型划分的相关规定,将唐山湾三岛主要分为滩涂、裸地、林地、草地、居住区、内陆水体和潮间带(潮水覆盖区)6类。并分别构建结合人为控制的非监督分类、监督分类和基于专家知识的决策树分类系统,参照更高分辨率影像、先验知识和野外调查资料,评价分类结果与实地调查结果的吻合程度,最终通过总体分类精度和Kappa系数等指标对各分类器精度进行评价和对比分析。     

基于相似系数的1种算法在遥感图像分类中的应用

用基于向量夹角余弦的相似系数方法对黄河三角洲 1 998年 1 2月份的 Landsat- 5TM遥感影像进行了分类 ,分类精度分析表明用夹角余弦作为分类的相似性度量指标是合理的。这种遥感图像的分类方法简单 ,在实际分类中可以作为常用的方法之一。     

纹理分析方法在海岸带地物分类中的应用

在海岸带地物分类过程中引入纹理特征分析,提出了逐步判别法用于纹理特征值的筛选,从192个纹理特征值组合中优选出5种最能代表海岸带地物纹理信息的特征值进行分类实验,不仅使纹理特征集得到了有效的降维,而且保证了分类精度.在纹理分析的基础上,构建了基于图像纹理的神经网络分类模型,实现了基于纹理信息的海岸带地物分类,分类精度达...     

结合纹理特征的SVM海冰分类方法研究

海冰分类是遥感监测领域中的重要应用之一,海冰分类的准确性对于评估海冰冰情、保证航海安全和开辟北极航道具有重要的意义。针对海冰分类问题,本文选用Sentinel-1遥感数据,结合纹理特征分析,提出了一种改进的SAR海冰分类方法。该方法选用灰度共生矩阵提取特征值,通过实验得到适宜用于海冰分类的多特征组合,在此基础上利用支持向量机开展SAR海冰类型的分类研究。实验结果表明,该方法可以实现对海冰SAR图像中一年冰、多年冰和海水3种类型识别,与传统的海冰分类方法神经网络和最大似然法相比较,使用SVM分类方法,结合纹理特征开展海冰类型监测是可行的,同时也表明多特征组合有利于提高SAR图像的分类精度,从而验证了本方法的有效性,为海冰分类提供了一种新思路。     

粘土矿物的分类

五十年代以来,许多学者曾致力于粘土矿物的分类工作,提出不少方案,如Cailler和Henin的分类,Frank-Kamenetskr的分类,都具有一定的特色,1980年国际粘土学会亦公布了一个分类方案.1981年笔者曾受第一届全国粘土学术会议筹备组的委托,与中国科学院南京土壤研究所许翼泉同志共同拟订了一个粘土矿物分类表,经大会组织专题讨论、修改、推广使用,最近笔者在此基础上作了部分补充.本文拟介绍这一分类表的分类原则和方案.     

高光谱影像分类及组合分类器的应用

高光谱影像包含有丰富的地物类别信息,但由于受分类方法等因素的限制,这些信息并不能得到充分的挖掘。组合分类器由于可以实现各分类结果信息的互补,因而总有着较各单分类器效果更好的分类性能。将组合分类方法引入到高光谱影像的分类实践中,并对组合的关键问题一组合规则进行探讨,提出了混合组合规则的概念。实验表明,利用该组合分类方法对高光谱影像进行分类,可以得到良好的处理结果。     

SVM核函数对南汇潮滩湿地高分二号卫星数据分类精度的影响分析

针对支持向量机在高分二号卫星遥感图像分类中的核函数选择问题,以长江口南汇典型潮滩湿地为研究区,进行了支持向量机不同核函数分类结果的对比分析。首先,根据实地测量以及无人机航拍影像标记六类地物共计1800个优质样本点,然后将标记样本点的像元值投影到三维空间中,分析了支持向量机分类过程中最优分类超平面的构建以及误差来源,最终从标记样本点中选取训练样本和测试样本,进行了支持向量机不同核函数的分类训练,得到分类结果和分类精度。研究结果表明,在训练样本数量相同的情况下,线性核函数支持向量机的分类结果好于RBF核函数和Sigmoid核函数的分类结果。三种核函数的分类精度都随着训练样本数量的增加逐渐增高并趋于稳定,RBF核函数和Sigmoid核函数支持向量机分类精度变化趋于对数分布。     

海底声学底质分类技术的研究现状与前景

对海底声学底质分类技术的研究现状进行了分析。介绍了目前典型的底质分类设备、软件以及可采取的分类方法,探讨了我国开展海底声学底质分类技术研究、开发的可行性与具体实现的思路。     

PolSAR数据区域海冰LSSVM分类

本文给出了一种结合影像分割和最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)的海冰监督分类方法。考虑到SAR数据的斑点噪声影响分类精度,首先利用分水岭算法和等级区域合并执行影像分割,利用分割后的区域代替像素开展分类研究,由于分割尺度影响分类精度,文中利用LSSVM算法对不同尺度下的分割结果执行分类,通过评估分类精度确定最优分类结果及其对应最优分割尺度,从而克服经验选择分割尺度缺乏理论依据的不足。利用两组SIR-C数据验证了算法,实验结果表明本文算法的总体分类精度超过85%,能较好的识别不同类型的海冰。