面向对象方法支持下的土地利用分类

面向对象的影像分析技术在高分辨率影像地物信息的提取中有着重要应用.利用Sentinel-2高分辨率多光谱影像数据,以合肥市包河区作为研究区域,应用多尺度分割技术将影像分割成对象,并对特征空间进行选择和优化,基于面向对象分类方法提取出研究区域最近邻的六种典型地物,分类结果与面向像元的最大似然分类、支持向量机、神经网络的结果进行比较.结果表明:利用面向对象方法进行土地利用分类的总体精度88.90％,Kappa系数为0.8579,优于三种传统的监督分类方法.证明了面向对象的影像分析技术在土地利用分类中的实用性.     

基于高分辨率遥感影像的建筑物快速提取

建筑物作为与人类生活密切相关的主要人工地物,是城市问题研究中的重要研究对象。介绍一种基于高分辨率遥感影像面向对象的建筑物快速提取技术,利用对影像多尺度逐级分割分层的方法来提取地物目标,并对遥感影像进行分类,从而提取建筑物信息。通过试验验证,该方法能较完整地提取整个试验区的建筑物,利用性高,具有一定的推广意义。     

顾及地物空间关系的卫星影像水系信息提取

为了更好地提取影像阴影部分的信息,本文采用一种顾及地物间空间关系的水系提取方法,将地物之间的空间关系与面向对象的方法相结合。通过多尺度分割算法生成同质的影像对象,利用决策树、隶属度函数和阴影与建筑物的邻接关系对水体进行提取。以昆明某区域影像为实验数据进行了试验,试验结果表明,所提出的方法可以有效解决阴影对水系提取造成的影响,大大提高了水系提取的精度。     

顾及地物空间关系的卫星影像水系信息提取

为了更好地提取影像阴影部分的信息,本文采用一种顾及地物间空间关系的水系提取方法,将地物之间的空间关系与面向对象的方法相结合。通过多尺度分割算法生成同质的影像对象,利用决策树、隶属度函数和阴影与建筑物的邻接关系对水体进行提取。以昆明某区域影像为实验数据进行了试验,试验结果表明,所提出的方法可以有效解决阴影对水系提取造成的影响,大大提高了水系提取的精度。     

遥感影像线状地物智能化提取算法研究

对遥感影像线状地物的提取进行了深入研究分析,分别采用Snakes模型、二值形态学和面向对象处理等3种算法智能化提取线状地物。通过实验验证,3种智能算法都是行之有效的,且Snakes模型在各种线状地物提取上表现稳定,而二值形态学和面向对象算法在部分线状地物提取上表现较为突出,整体稳定性却不如Snakes模型。     

利用规则进行高分辨率遥感影像地物提取

针对高分辨率遥感影像中地物的复杂性和多变性带来的地物提取难点,提出了一种基于多层次规则的面向对象的典型地物提取方法。改进了基于区域增长的影像分割方法,利用小区域内的全局最优策略进行初始增长,避开了种子点的选择。利用影像分割得到的影像对象作为地物提取的基元,针对影像上典型地物选择提取特征,利用多层次的提取规则进行地物提取,总的提取精度达到87.1%。     

利用MRF方法的高分辨率影像道路提取

高分辨率遥感影像提供了地物更丰富的信息,包括光谱信息、地物结构、形状、纹理以及地物之间的空间关系等多方面的信息。面向对象的影像分析方法以目标地物为研究对象,充分考虑目标地物的形状、结构及空间关系等信息进行目标的提取和分析,是当前高分辨率信息提取技术的主要方法。研究了采用面向对象目标的思想将MRF方法应用于高分辨率遥感影像的道路目标提取中,并进行了道路提取实验。     

基于谱间特征与多种指数分析的居民地信息提取方法

本文在分析现有居民地提取方法的基础上,提出将归一化建筑指数(NDBI)、改进归一化差异水体指数(MNDWI)、土壤调节植被指数(SAVI)、比值居民地指数(RRI)相结合进行居民地信息提取的方法。以浙江省宁波市为例,通过光谱采样及各类地物在4种指数上的取值分析,建立模型进行居民地信息提取及精度验证,结果表明:利用该模型可以实现居民地信息的自动提取,能提高居民地与裸地的可分性,减少背景地物的影响,总体精度为91.08%。     

SPOT卫星影像居民地信息自动提取的决策树方法研究

以南京市江宁县为研究区域，首先分析了该区域居民地的影像特征，然后研究了居民地及其背景地物在SPOT—4(Ⅺ)卫星影像4个波段上的光谱特征，并由此探讨了它们在光谱特征上的可分性。研究发现，除道路在光谱特征上与居民地差异不大而难以完全分开外，其它背影地物均可以依据各波段亮度值的大小关系或适当的阈值与居民地分开。但道路和居民地在形状上存在明显差异，因此可以利用形状指数的差异加以去除。最后分析建立了基于光谱特征和形状特征的简单决策树模型，对研究区域居民地信息进行了提取并对结果进行了精度评价。结果表明，该方法的总体提取效果较好，特别是对于面积大于10000m^2的城镇和集村。其提取精度与通常的监督分类方法相比有了很大的提高，只是在水际交界处和道路两侧有误判现象。因此，利用该模型可以将背景地物类型复杂的江南地区的城镇和集村居民地自动提取出来，并且模型受时相影响较小，只是在域值大小上会存在一些差异。     

基于谱间特征与多种指数分析的居民地信息提取方法

本文在分析现有居民地提取方法的基础上,提出将归一化建筑指数(NDBI)、改进归一化差异水体指数(MNDWI)、土壤调节植被指数(SAVI)、比值居民地指数(RRI)相结合进行居民地信息提取的方法。以浙江省宁波市为例,通过光谱采样及各类地物在4种指数上的取值分析,建立模型进行居民地信息提取及精度验证,结果表明:利用该模型可以实现居民地信息的自动提取,能提高居民地与裸地的可分性,减少背景地物的影响,总体精度为91.08%。     

面向对象分类方法在全国第二次土地调查中的应用

在RS技术支持下，选取适当区域及遥感影像，采用面向对象分类法，针对第二次土地调查研究不同地类信息快速提取的方法。该方法具有较高分类精度，尤其对有林地、水田、茶园、河流水面和道路等地物类别进行识别与分类方面效果较优。分类成果能有效辅助内、外业影像解译，提高土地调查效率，从而快速高效地完成全国第二次土地调查。     

利用“修改型”植被盖度反演模型提取辽西北沙化土地信息

以辽西北为研究区域,选取2017年6月Landsat-8 OLI影像作为基本数据源,引入面向对象多尺度分割技术,利用水体指数、居民地指数、植被指数、形状指数相结合的二值逻辑运算方法提取出沙化土地信息。基于二阶抽样与遥感影像谱间结构相结合,构建"修改型"植被盖度反演模型,从而实现沙化土地信息的分等定级提取。研究结果表明:该方法可以排除提取地物时的干扰信息,实现沙化土地信息的自动、准确提取。     

一种全自动提取居民地的方法

对遥感影像中居民地提取的各种方法作了一般性的阐述,并在吸收这些算法优势的同时,提出了一种全自动实现遥感影像中居民地目标的提取方法：先求取非最大值抑制后的梯度图,而后进行高斯模糊处理,以提高影像上居民地区域纹理特征一致性;通过增强大津法和形态学的方法全方位腐蚀与膨胀,完成面状地物居民地的提取;最后进行图象矢量化处理。论述方法的同时,展示和分析了实验结果。     

SPOT卫星影像居民地信息自动提取的决策树方法研究

以南京市江宁县为研究区域，首先分析了该区域居民地的影像特征，然后研究了居民地及其背景地物在SPOT—4(Ⅺ)卫星影像4个波段上的光谱特征，并由此探讨了它们在光谱特征上的可分性。研究发现，除道路在光谱特征上与居民地差异不大而难以完全分开外，其它背影地物均可以依据各波段亮度值的大小关系或适当的阈值与居民地分开。但道路和居民地在形状上存在明显差异，因此可以利用形状指数的差异加以去除。最后分析建立了基于光谱特征和形状特征的简单决策树模型，对研究区域居民地信息进行了提取并对结果进行了精度评价。结果表明，该方法的总体     

应用高分二号提取二级类建设用地

为更好地利用国产遥感数据研究土地利用资源分布,基于面向对象和指数分类的方法,开展高分二号遥感影像建设用地二级类提取.实现了研究区居民点、仓储用地、工业用地、公共管理与公共服务用地及交通用地的提取,提取总精度达96.9％,Kappa系数达0.94.结果表明本研究方法可以较准确提取高分二号遥感数据的二级类建设用地,对国产数据地物信息提取的研究有一定借鉴意义.     

面向对象的矿山地表要素信息提取方法研究

矿山地表要素提取,可为矿山的合理开发利用、尾矿的管理、土地复垦、生态修复提供数据支撑,具有重要的实践意义。本文以湘西花垣县某铅锌矿区IKONOS影像为数据源,使用4种融合方法:Brovey变换、主成分(PCA)变换、Gram-Schmidt Pan变换、缨帽(KT)变换,对全色影像及多光谱波段进行融合,发现与原始影像相比,KT变换融合影像的光谱信息、空间信息保持得最好。基于ENVI中面向对象分层分类的方法,提取研究区内的典型地物,主要包括植被、裸地、道路、建筑物、矿石堆、尾矿库及蓄水池,并进行识别精度评价,总体精度达86.12%,Kappa系数为0.834 7。结果表明,面向对象分层分类的方法能有效地应用于复杂铅锌矿区的地物提取。     

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.     

基于无人机遥感和面向对象法的简单地物分类研究

近年来,全国各地进行了大范围的土地利用调查,随着无人机遥感技术越来越成熟,无人机影像分析技术已深入应用到土地利用调查中,其中最多的用途是地物分类。本文选择昭通市昭阳区某乡镇区域为研究区,对采集到的无人机影像进行预处理,生成对应的正射影像;基于多种可见光植被指数,计算每3种指数合并得到影像的OIF指数,确定最佳波段组合;采用基于规则和基于样本两种面向对象分类方法,提取房屋、道路、植被等简单地物及背景。分析结果:两种方法的提取精度均达到90%以上,基于规则的面向对象分类方法精度较高,但耗时较长;基于样本的面向对象方法耗时较短,精度相对较低。两种方法相结合的全自动分类提取是下一步研究的目标。     

GF-2影像面向对象典型城区地物提取方法

国产高分遥感影像信息丰富,提供了精准的地物空间细节,深入研究高分数据处理及其提取城区地类目标信息的方法具有重要意义。本文以国产高分二号（GF-2）遥感影像为数据源,利用规则集的面向对象分类方法,通过ESP尺度分析工具选取得出最优分割尺度,建立各类地物的特征体系及分类规则,最终提取出研究区典型城区地物信息,并将之与传统基于像元的SVM监督分类结果作比较。结果表明：规则集的面向对象分类总体精度为92.23%,Kappa系数为0.9,比SVM监督分类有大幅度提高。对高分二号等高分辨率影像,面向对象的分类方法精度更高,图示效果更好,是城区地物提取的有效方法。     

基于面向对象分类的城市土地利用变化检测

以新疆乌鲁木齐某区域2013年的GeoEye影像和2015年的IKONOS影像为辅助数据,进行基于面向对象分类的城市土地利用变化检测实验;根据各类地物的提取规则,提取了实验区域的地物信息,并利用ENVI5.1软件进行了变化检测。结果表明,面向对象分类的变化检测方法总体精度为85.97%。为了提高该方法的精度,结合目视解译方法,面向对象方法 +目视解译的变化检测精度为87.00%,说明目视解译方法在一定程度上提高了检测精度。