利用规则对Worldview-2影像进行地物信息提取研究

研究针对Worldview-2影像的地物特征,采用一种多层次规则的面向对象地物提取方法,通过建立和执行各类地物的提取规则,从多尺度分割产生的影像对象中提取不同地物。实地验证结果表明,该方法提取地物的总精度为84.2%,Kappa系数为0.791。建筑物、道路、耕地和裸地相混合误提现象较多,主要是由于这4种地物的光谱特征相似导致,应选用更敏感的识别参量或建立更高效的识别规则以提高识别精度。     

利用遥感信息决策树方法分层提取荒漠化土地类型的研究探讨

选择甘肃省民勤县绿洲作为典型荒漠化区域,根据荒漠化土地分类体系确定决策树的结构及各类地物在树形中的位置。基于各类地物的光谱反射特性和图象数据反映的综合特征,采取相应的识别和提取方法,以最大限度地利用遥感数据源。对于非荒漠化土地分类,利用土壤调节植被指数、阈值数字信号统计可以分离成一类树枝;而重点讨论的3种荒漠化土地类型的分层分类,则相继采用光谱特征提取、几何特征提取、纹理特征提取、监督分类以及植被指数等复合识别指标进行分枝。结果表明:利用决策树分层提取法可以有效地排除和避免提取地物时所有多余信息的干扰及影响,目标明确。同时,为提高分类的精度,开展野外遥感调查和特征分析是极其重要的。     

基于光谱和纹理特征的ALOS影像土地利用信息提取

针对高分辨率遥感影像易于反映地物纹理特征的特点,综合利用地物的光谱和纹理特征进行分类,探讨适用于ALOS影像的土地利用信息提取方法。以川东丘陵地区影像为例,基于GLCM提取纹理信息,将提取的纹理特征向量采用赋权值法融合为一个综合纹理信息波段,然后采用面向对象法将其与光谱特征信息共同参与分类。与最大似然法的提取结果对比表明,考虑了纹理特征的面向对象分类方法能明显提高分类精度,Kappa精度提高了0.12;避免了椒盐现象,分割的地类边界具有更好的语义表达,更贴合地物实际分布特征;建筑用地和林地具有明显的纹理特征,而旱地纹理特征不明显。该方法不仅分出了6个基本地物类型,而且对于林地、建筑用地等类型还能进一步细分。     

一种基于面向对象的城镇道路自动提取方法研究

城镇地物类型复杂多样,道路狭窄且易与周围地物混合,这导致城镇背景下的道路信息提取存在困难。该文以安徽省滁州市部分区域为实验区,使用资源三号卫星影像,采用面向对象的方法,利用光谱特征、形状特征等信息,在对象级基础上通过复合向量机的方法进行城镇背景下的道路信息循环拾取,并利用形态学方法对提取的结果进行了分类后处理。研究结果表明,该文提出的道路提取方法具有可行性。     

面向对象解译方法在遥感影像地物分类中的应用

针对高分辨率遥感影像快速高效萃取有用信息这一遥感技术应用的热点问题,探讨了基于面向对象(Object-oriented)解译方法的遥感影像自动及半自动解译和提取的新思路.文中分析了面向对象解译方法在地物信息分类应用中的优势,并提出了基于此方法的高分辨率遥感影像多尺度信息提取技术流程.具体结合广州市新白云机场开发区IKONOS高分辨率遥感数据进行地物快速提取、自动分类的试验,并对解译效果进行了评估分析,证明此方法在高分辨率遥感影像地物分类中确实高效可行.     

基于面向对象的城市地物信息提取方法研究

20世纪90年代以来,高空间分辨率遥感影像数据的处理已成为遥感领域中的热点与难点。利用具有人的思维特点的面向对象的信息提取技术,对高分辨率遥感影像中的城市用地进行分类,分析和利用高分辨率影像的空间信息、结构信息与光谱特征等,总结了面向对象解译方法的5个步骤,即影像分割、分类方法的选择、地物种类分类,知识库构建、计算机自动分类。分类结果表明：（1）克服了“椒盐现象”;（2）信息提取的总体精度为92.19％,而且各类地物信息的提取精度均有所提高,特别是利用前期分类的拓扑关系有效提取了城市水体与建筑物阴影。     

基于多尺度融合的高分辨率影像城市用地分类

基于面向对象的信息提取技术,针对高空间分辨率遥感影像进行城市用地分类。首先针对不同城市地物,选择适宜的提取尺度;然后探讨不同城市地物类型提取的适宜特征,充分利用光谱、空间结构、上下文关系、纹理等信息描述地物;最后融合不同地物多尺度下的提取结果。以北京市部分地区QuickBird影像为例,实现城市用地类型的自动分类,结果表明:该方法应用于城市用地分类的精度高达86.74%,为高空间分辨率遥感影像城市用地分类研究提供了新思路。     

融合遥感影像光谱和纹理特征的矿区林地信息变化监测

以某超贫钒钛磁铁矿为例,基于Landsat TM/OLI数据,首先利用相关性分析和单因素方差分析法(one-way ANOVA),结合林地与其他地物的光谱、纹理特征差异,筛选了提取林地信息的最佳光谱和纹理波段;其次,融合光谱纹理特征,利用支持向量机法获取了林地的空间分布信息。结果表明,基于OLI数据光谱和纹理特征的林地提取精度达85.51%,较基于单一光谱特征的提取精度提高5.0%,且基于OLI数据的提取精度整体优于TM数据。统计显示,2015年矿区林地覆盖面积为103.26km2,较2001年减少14.21km2,超贫钒钛磁铁矿采区和尾矿库的迅速扩展是造成林地覆盖减少的主要原因。该文为获取矿区林地空间分布信息提供了一种新的方法与思路,为矿区林业资源监测提供了技术支持。     

基于影像多种特征的CART决策树分类方法及其应用

以扬州市宝应县为研究区,采用主成分分析法对研究区影像进行数据压缩和单波段数据增强,利用灰度共生矩阵分析第一主成分的纹理信息。运用基于CART算法的决策树分类方法,选用影像的光谱特征值、NDVI值以及纹理统计量值为测试变量,并通过计算确定决策树的节点规则,提取影像中主要地物信息。将分类结果与单纯依靠光谱特征的监督分类法结果相比较,表明基于影像多种特征的CART决策树分类方法分类精度较高,尤其较好地提取了围网养殖区和建设用地。     

基于知识规则的遥感影像土地利用分类研究

以重庆北碚主城区为研究区域,提出一种基于遥感影像的光谱特征、灰度共生矩阵纹理特征和形状特征建立知识规则的方法,对该研究区进行土地利用分类。对QuickBird卫星影像进行分辨率融合,重点分析典型地物的光谱特征和纹理特征,并根据形状特征建立形状指数,综合上述知识建立提取规则对地物进行自动分类。分类结果表明,该方法能够消除单纯利用光谱信息分类的不足,有效解决地物混分现象,达到了较高的分类精度。     

基于NDII及NDVI提取水稻信息的对比研究

基于水稻和银杏混合区的TM影像,分别引入NDII及NDVI提取研究区水稻信息,通过总量精度和位置精度的对比,发现NDII提取结果均优于NDVI。对研究区水稻和银杏样点的NDVI值和NDII值进行对比,发现其NDVI值相近,而NDII值相差较大。这从另一方面解释了利用NDII提取水稻结果优于NDVI。     

面向对象的高分辨率影像城市建筑物提取

依据高分辨率遥感影像的特点,采用面向对象方法提出"自下而上"的多尺度分割方法,即按照由小尺度分割至大尺度分割的顺序,并结合掩膜操作对山东师范大学IKONOS影像进行了建筑物提取试验。结果表明,该方法较传统的"自上而下"的尺度分割方法精度有显著改善,其分类结果形状较为规整,更接近实际地物。     

基于 NDVI 物候特征的华南地区冬种马铃薯遥感提取方法

马铃薯是华南地区的特色冬种农作物,其地块的“早稻―晚稻―冬种马铃薯”三季种植模式具有特有的植被指数时间序列曲线特征。利用这一特征,提出一种基于 NDVI 时间序列数据和 SAM 的冬种马铃薯种植面积提取方法。以广东省惠州市稔平半岛为研究区,冬种马铃薯面积为研究对象,采用 2011 年 HJ-1 A/B CCD 遥感数据为主要数据,计算每一景影像的 NDVI 后以时间为坐标轴排列成 NDVI 时间序列数据集,在此提取冬种马铃薯种植区的 NDVI 时间序列参考曲线,使用光谱角度匹配（SAM）方法,计算每个像元的 NDVI 时间序列曲线与 NDVI时间序列参考曲线的光谱夹角值,根据 Rule 图像的统计参数确定夹角阈值,达到快速有效地在遥感影像上提取冬种马铃薯对应像元的目的。结果表明：研究区总体提取精度为 82.70%,重点种植区域提取精度为 93.75%,可见基于 NDVI 物候特征的 SAM 方法能够有效提取研究区冬种马铃薯的种植面积。     

黄河三角洲农作物种植分区的遥感研究

本文选取了一年中三个不同时相的TM影像,分别求出了三幅影像的NDVI分布图,将其合成为一幅影像图。由于不同区域种植的作物在三个时相中的NDVI变化是不同的,因此在NDVI合成图上会呈现不同的颜色区域。通过对不同颜色区域进行采样分析,可以确定桃红色区域为冬小麦、玉米(大豆)轮作区,蓝紫色区域为棉花、春玉米、杂粮种植区,亮蓝区域为水稻种植区,亮绿色区域为林地、草地。最后,根据不同颜色区域的NDVI变化特征用非监督分类和监督分类相结合的方法对影像进行了分类提取。这样便可对黄河三角洲农作物的种植情况进行宏观的了解,为农作物种植合理布局及农业可持续发展提供依据。     

基于纹理特征与LSSVM的青土湖地物提取

纹理特征作为一种非光谱信息能够增强地物之间的特征差异,这对于高分辨率遥感影像的地物提取有着重要意义。以青土湖为研究区,以Worldview-2影像为数据源,通过引入权重因子定义联合概率函数来确定最佳窗口尺度,利用灰度共生矩阵提取最佳窗口尺度下的纹理特征,将其与原始遥感影像合成,采用最小二乘支持向量机（LSSVM）进行地物提取,将提取结果与仅利用光谱信息的支持向量机（SVM）提取结果、辅以纹理特征的SVM提取结果对比分析。结果表明：此方法可以更加快速准确地提取青土湖地物,精度高达85.86%,优于仅利用光谱信息的SVM的65.13%,辅以纹理特征的SVM的73.45%,可为地物破碎的干旱区高分辨率遥感影像地物提取提供有益借鉴。     

新疆荒漠稀疏植被覆盖度信息遥感提取方法比较

植被覆盖度信息是荒漠生态环境表征的重要指标之一。荒漠区地表植被稀疏,在遥感光谱信息中表现较弱,通用的植被覆盖度遥感提取方法应用于干旱荒漠区存在一定的局限性,为了探寻一种满足大尺度荒漠地区的植被覆盖度信息的提取方法,必须对比和分析现有的遥感方法在干旱荒漠区的应用效果。以新疆荒漠区为例,利用MODIS遥感影像和野外植被覆盖度实测数据,对常用的6种遥感植被覆盖度提取方法（改进的三波段梯度差法、像元二分法、线型混合像元分解法、归一化植被指数法、增强型植被指数法和修正型土壤调整植被指数法）的结果进行精度验证和对比分析。结果表明：MODIS影像上较难提取纯荒漠植被像元,用农作物的像元值代替会降低像元二分法和线性混合像元分解模型的模拟精度;植被指数法对地面实测数据依赖性较大,模拟的精度差异很大,仅考虑红光和近红外的归一化植被指数法模拟精度最低,而综合考虑土壤和大气因素的增强型植被指数法的模拟结果精度最高;改进的三波段最大梯度差法虽然模拟精度稍次之（R²=0.74;RMSE=13.46）,但依据光谱的物理特性,能显著地反映南、北疆荒漠植被覆盖度的差异,是目前大尺度的荒漠区覆盖植被信息提取较为适宜的方法之一。     

基于ASTER GDEM数据喀斯特区域地貌类型划分与分析

以30 m分辨率ASTER GDEM数据为基础,通过GIS空间分析和非监督分类的方法进行地貌基本类型的自动划分。研究结果表明:①ASTERGDEM数据能够满足1∶10万比例尺下喀斯特区域的地表形态表达;②以流域为单位提取地形因子符合地貌发育的基本规律,提取的地形因子能客观的反应地表真实形态;③采用非监督分类法能够有效的实现1∶10万比例尺下地貌基本形态的定量化、自动化分类。     

绿洲植被覆盖度遥感信息提取——以敦煌绿洲为例

以敦煌绿洲为研究区,利用Landsat TM遥感数据,通过归一化植被指数(NDVI)和混合像元分解两种方法,提取了敦煌绿洲的植被覆盖度信息。在基于NDVI提取植被覆盖度时,选取了基于NDVI的像元二分模型; 在混合像元分解过程中,对遥感影像进行波段反射率归一化处理和最小噪声变换(MNF),确定了3个类型端元:植被、不透水表面/土壤、水体/阴影; 最后利用高分辨率遥感影像验证对比了两种提取方法的精度。结果表明:混合像元分解更能准确地提取敦煌地区植被覆盖度信息,其线性相关系数为0.8915,均方根误差为0.0882,而且提取结果更符合实际情况,可以为敦煌植被状况监测及生态环境保护提供科学建议。     

Comparative assessment of semantic-sensitive satellite image retrieval: simple and context-sensitive Bayesian networks

In recent years, Bayesian networks using unsupervised extracted image features have been applied in many remote sensing information mining systems to enable semantic-sensitive image retrieval. However, a simple Bayesian network insufficiently accounts for the spatial information, that is, the relations among image regions, for the semantic inference process. This drawback significantly impacts the retrieval performance, especially if the utilised features contain no or little spatial information. Therefore, this article proposes a context-sensitive Bayesian network, which infers semantic concepts of image regions based on the spectral and textural characteristics of the regions themselves as well as their contexts, that is, the adjacent regions. In order to compare the context-sensitive Bayesian network with the simple Bayesian network, comprehensive experiments were conducted based on high-resolution multispectral IKONOS imagery. The results show that the incorporation of the image regions' spatial relations not only significantly improves the accuracy of the semantic concepts inference, but also allows more flexibility in choosing the type of low-level features.     

基于谱间特征和归一化指数分析的城市建筑用地信息提取

以福州市ETM+影像为例,研究了城市建筑用地信息快速准确提取的原理和方法。通过对归一化差异型指数构成原理的分析以及对同名异义和异名同义现象的甄别,选取了归一化差异建筑指数(NDBI)、修正归一化差异水体指数(MNDWI)和土壤调节植被指数(SAVI)来代表城市建成区的三种最主要的土地利用类型--建筑用地、水体和植被。在此基础上进一步对这三个新的指数波段进行谱间特征分析,最后利用基于规则的逻辑判别运算将城市建筑用地信息提取出来。研究表明这一方法可以使繁杂的多波段谱间分析得以简化, 是一种快速准确、未经人工干预的建筑用地信息提取方法。本文还探讨了在城市建成区的研究中采用SAVI指数替代NDVI指数的优点。