基于矢量数据的土地利用分类研究

基于矢量数据的土地利用分类方法进行分类研究,对复杂条件下的基于矢量数据的土地利用分类给出了实例及实现方法,对利用矢量数据进行遥感图像分类进行了深入探讨。     

基于地形区域分割的复杂地区遥感影像分类

提出了一种基于地形区域分割的分类方法,在影像中利用地形特征数据预先划分出每种地物的分布区域,然后以区域为基本单位对影像进行分类,同时利用DEM数据对影像进行地形校正,减小了同种地物内部由于地形起伏造成的光谱离散的现象。利用湖北西部山区的TM影像和DEM数据的试验证明,利用地形特征数据进行分割的分类方法与仅考虑光谱特征的分类方法相比较,分类精度有了明显的提高。     

基于遥感影像的城镇建筑物分类

震害损失主要是由建筑物损毁造成的,对城镇建筑物进行有效分类可以做好震害风险防范,通过遥感影像信息提取的方法对建筑物进行分类能提高工作效率。采用多分割图层及多尺度分割技术,利用特征库阈值分类与样本最邻近分类相结合的方法对遥感影像建筑物进行信息提取及分类。分类结果精度评价表明该方法优于利用单一分割图层样本最近邻分类结果,可以用于城镇建筑物分类。根据建筑物分类结果对震害风险进行了划分。     

一种地物点云数据栅格化分类新方法

激光技术的不断发展对利用点云数据进行地物分类的方法提出了更高的要求。基于此提出了一种结合遥感领域地物分类特点,利用地物反射率的不同来实现地物分类的方法。该方法首先提取数据的反射率信息,然后将其作为栅格化后的属性值,最后利用监督分类、非监督分类和支持向量机分类方法对栅格化后的栅格影像进行地物分类。通过实验表明,支持向量机方法在保持较高训练和分类速度的同时还具有较高的分类精度,总精度和Kappa系数达到了88.69%和0.86,为点云数据分类提供了一种新的途径。     

基于面向对象特征提取的BP神经网络分类——以武陵源地区为例

采用面向对象影像分类与BP神经网络分类相结合的方法,对高分辨率无人机影像进行土地利用分类。利用光谱、形状、纹理、对象间关系等影像特征,通过基于面向对象的方法对影像提取特征进行初步分类,再将初步分类结果应用于BP神经网络,结合原影像数据进行进一步分类,提高分类精度、纠正分类错误。结果表明,该方法最终分类结果达到了88.9%的总体分类精度和0.863的Kappa系数,影像分类结果对比传统影像分类方法的总体精度与Kappa系数均有所提高。     

一种面向对象的高分辨率遥感影像信息提取方法

针对传统面向对象分类方法的不足,根据研究对象特征构建了一种改进的面向对象的高分辨率遥感影像信息提取分类方法.首先利用SLIC超像素算法对影像进行分割,并提取分割后影像的纹理、光谱和形状特征;再利用SVM分类器提取影像信息,区分相似性较高的耕地和道路;然后利用随机森林算法提取水体和人工表面;最后对不同地物信息的提取结果进行拼接,实现土地利用分类.结果表明,与传统的面向对象分类方法相比,该方法的分类精度更高.     

综合单点和点簇的建筑物点云分类方法

在单点分类方面主要对分类特征进行了比较全面的分析和综合,而在点簇分类方面则依据建筑物的实际形态提出了一种高效的基于决策树的分类法则。综合性方法是上述两种方法的配合使用,首先利用单点分类提高精度,再利用点簇分类提高可用性。实验结果表明,综合方法不仅有着非常高的精度,并且其结果方便后期利用。     

光谱角法在ASTER影像土地利用分类中的应用

为了验证光谱角法(SAM)对ASTER影像分类效果,本文对SAM分类的原理进行了阐述和分析,采用了SAM方法以ASTER遥感影像数据为数据源对泸沽湖地区的土地利用进行分类研究,并对分类精度进行了分析。研究结果表明SAM方法用于ASTER数据是一种有效的分类方法,对提高ASTER影像分类精度具有重要的意义。     

基于MKSVM和MRF的高光谱影像分类方法

为充分利用高光谱遥感影像中丰富的光谱和空间信息,提出了一种基于多核支持向量机(multiple kernel support vector machine,MKSVM)和马尔科夫随机场(markov random field,MRF)的影像分类方法。该方法首先利用MKSVM分类器对影像进行分类处理,再利用MRF对初始分类结果进行空间结构规则化,得到最终分类结果。通过对AVIRIS高光谱影像的分类实验表明,该方法有效地消除了分类结果中同质区域内的"噪声",分类精度提高了3%左右。     

面向对象的城市水体信息提取方法

以北碚主城区为研究区域,利用面向对象方法对高分辨率遥感影像的水体进行提取,首先对QuickBird卫星影像进行分辨率融合,然后充分利用影像的光谱信息、拓扑关系、形状特征、大小信息等构建知识库进行分类。实验表明,该分类方法消除单纯利用光谱信息的缺陷,提高了分类精度。     

综合纹理与光谱的土地利用模糊分类

针对利用TM影像进行土地利用传统分类精度不高的问题,该文提出了一种综合应用影像纹理与光谱特征对TM影像进行土地利用模糊分类的方法。采用主成分分析法对研究流域TM影像的光谱及纹理特征信息进行压缩与融合,并对融合后的TM影像数据进行3个组别的多尺度分割,在影像分割对象单元的基础上应用面向对象的模糊逻辑隶属度函数法实现影像的软语义分类。相对传统分类方法而言,该方法在充分利用影像光谱信息的基础上综合了影像的纹理信息,且分类理论思想更加符合人们对于客观事物的认知规律,分类精度有了显著的提高,为TM影像分类方法的改进提供一定的参考。     

面向对象的高分辨率影像土地利用信息提取

运用面向对象的分类方法对实验区高分辨率影像进行最优分割尺度的影像分割。首先利用ESP算法确定影像的最佳分割尺度,再运用CART决策树分类对土地利用信息进行提取,并对分类结果进行后处理,进一步提高分类精度。最终分类结果精度达到80.38%。     

Research on PoISAR Image Classification Based on SSVM Algorithm and Texture Feature Introducion

在极化SAR影像极化特征的基础上,引入影像的纹理信息,利用带核函数的SSVM算法对极化SAR影像进行分类研究。该方法首先利用精致LEE滤波器对极化SAR影像进行去噪处理;然后采用小波变换对去噪后的总功率影像Span进行纹理特征提取;最后将纹理信息和极化信息结合,并采用SSVM方法对极化SAR影像进行分类。利用NASA／JPLAIRSAR获取的L波段SanFrancisco海湾和荷兰中部Flevoland地区的影像对该方法进行验证,结果表明,SSVM算法可有效地用于极化SAR影像分类,且分类精度和分类效率都优于SVM算法。同时纹理信息的引入使SSVM算法的分类精度得到了进一步提高。     

引入纹理特征的SSVM算法在极化SAR影像分类中的应用

在极化SAR影像极化特征的基础上,引入影像的纹理信息,利用带核函数的SSVM算法对极化SAR影像进行分类研究。该方法首先利用精致LEE滤波器对极化SAR影像进行去噪处理;然后采用小波变换对去噪后的总功率影像Span进行纹理特征提取;最后将纹理信息和极化信息结合,并采用SSVM方法对极化SAR影像进行分类。利用NASA/JPL AIRSAR获取的L波段SanFrancisco海湾和荷兰中部Flevoland地区的影像对该方法进行验证,结果表明,SSVM算法可有效地用于极化SAR影像分类,且分类精度和分类效率都优于SVM算法。同时纹理信息的引入使SSVM算法的分类精度得到了进一步提高。     

遥感图像在土地利用更新中的应用研究：以里下河地区防汛信息系统（ …

以里下河地区防汛信息系统为例,阐述了利用ＴＭ遥感图像进行ＧＩＳ土地利用更新的试验研究。采用了最大似然分类和模糊分类两种监督分类方法进行分类试验。提出了两种提高训练区采样效率的基于ＧＩＳ本底数据的采样方法,即半人工采样方法和全自动分类区直方图提取法。对上述方法分别做了土地利用分类试验,对分类结果进行了分析比较,并作出了相应的结论。     

基于决策树方法的海岛土地利用分类研究

以山东省荣成市镆铘岛为例,利用SPOT 5卫星数据,探讨了基于决策树方法的海岛土地利用类型的遥感分类.结果表明,利用决策树分类方法进行海岛土地利用类型分类,可以得到较好的分类结果(分类的平均精度达到86.46％,Kappa系数为0.8414);与其他分类方法比较,决策树分类法的分类精度有明显的提高,在海岛土地利用类型调查中具有较好的应用潜力.     

基于高分辨率遥感影像分类的地图更新方法

提出了一种在对遥感影像分类的基础上进行地图更新的方法，讨论了利用高分辨率遥感影像，通过不同空间分辨率和光谱分辨率的影像进行融合，利用合适的高通滤波对影像进行边缘检测．构建一个三层的MLP分类器对影像进行分类，提取城市建筑物与道路信息．并在此分类基础上通过对现有地图的叠加来实现地图的更新。实验结果表明，基于影像融合，利用较少数量的训练样本也能生成具有较高精度的分类图，利用分类结果图进行地图更新能取得令人满意的效果。     

利用流形学习进行空间信息服务分类

对现有的Web服务分类方法中存在的问题进行了分析,阐述了流形和流形学习的概念以及将流形学习引入到Web服务领域的目的,提出了利用流形学习进行空间信息服务分类的方法.该方法在空间信息服务降维前后保持各服务间的相似(近邻)关系不变,并通过对服务进行降维可视化指导,确定初始聚类数和聚类中心,从而提高利用聚类分析实现空间信息服务无监督分类的精度.实验表明,本文方法不仅能够对抽象的Web服务进行数值化表示,而且能够有效地提高服务分类的性能.     

遥感图像在土地利用更新中的应用研究——以里下河地区防汛信息系统(LXFPGIS)为例

以里下河地区防汛信息系统为例 ,阐述了利用 TM遥感图像进行 GIS土地利用更新的试验研究。采用了最大似然分类法和模糊分类法两种监督分类方法进行分类试验。提出了两种提高训练区采样效率的基于 GIS本底数据的采样方法 ,即半人工采样方法和全自动分类区直方图提取法。对上述方法分别做了土地利用分类试验 ,对分类结果进行了分析比较 ,并作出了相应的结论。     

基于mGA-SVM算法的高分影像面向对象分类研究

高分辨率遥感卫星影像是获取地物精细类别的重要数据源,快速准确地获取土地利用和土地覆盖分类信息可为土地利用规划、土地管理等提供重要的数据支撑和决策依据。本文开展了高分辨率影像面向对象分类研究,首先,利用多尺度分割方法对高分辨率影像进行分割,基于分割对象,选取不同地物类别样本并计算光谱特征、纹理特征、几何特征。然后,针对特征冗余问题,利用最大相关最小冗余算法选择优先级较高特征,在此基础上结合遗传算法对特征集进行适当扩充(m GA)。在面向对象分类过程中,通过利用遗传算法对支持向量机模型进行快速参数寻优,并在此基础上对分割对象进行分类。最终地物总体精度达到85.93%,Kappa系数为0.828 2。并将分类结果与最近邻分类和随机森林分类结果进行了比较,地物分类精度提高了4.05%和6.81%。实验结果表明:基于m GA特征优化及SVM参数选择进行改进的面向对象的分类方法是有效的。