训练样本对遥感影像分类精度影响研究

以大理SPOT-5 HRG影像和Landsat TM影像作为数据源,在构建标准训练样本数据集的基础上,探索训练样本对遥感影像分类的影响。选取不同训练样本数量组合,分别对监督分类中的平行六面体、最小距离、马氏距离、最大似然法、神经网络和支持向量机6种分类方法进行多次实验,并采用Kappa系数和总体分类精度对实验分类结果的精度进行评价。结果表明:以多次分类结果的平均值作为最终的分类结果能减小随机误差;增加训练样本数量可以减小单次分类引起的随机误差;在不同的训练样本量下,支持向量机的分类精度最高。     

高光谱遥感图像特征选择和提取方法的比较--基于试验区Barrax的HyMap数据

以西班牙Barrax地区的HyMap数据为例,利用K-L变换、波段指数、分段K-L变换、小波变换和可分性准则等常见的特征选择和提取方法,进行了特征提取和特征选择;然后,基于常用的监督分类法,通过各自的分类精度对各特征提取和特征选择法进行了比较和分析。实验结果表明使用可分性准则进行的特征选择时,基于波段指数、离散度平均值的分类精度相对较高;基于变换的特征选择中,K-L变换、分段K-L变换和小波变换的分类精度较高,三者基本上一致。而在监督分类方法的比较分析上,平行六面体法相对较差,最小距离法分类精度则相对较高,而最大似然法则比较稳定。     

基于决策树与监督、非监督分类方法相结合模型的遥感应用研究

遥感影像解译中的决策树分类法一般是引入NDVI植被指数、亮度阈值法、DTM、空间结构、纹理、和其它一些地貌特征来实现地物类别的分离;而传统的监督分类、非监督分类是直接基于像元的亮度值而进行的分类,两者各有优缺点。将两者在遥感影像解译中结合使用,建立统一的分类模型,并以皖东地区TM影像为例进行了分类实验,结果证明,采用该模型分类比单一的最大似然法分类精度提高了4.45%,Kappa指数提高了0.107,该模型能有效地提高影像分类的精度。     

遗传算法优化的支持向量机湿地遥感分类——以洪河国家级自然保护区为例

湿地遥感分类作为湿地管理、监测与评价的重要手段,受到了广泛的关注。遗传算法(GA)借鉴了生物进化规律进行启发式搜索寻优,支持向量机(SVM)是一种新型的空间数据挖掘方法,二者相结合可以发挥各自的优势,寻找到支持向量机的全局最优参数,从而较准确地对湿地进行遥感分类。以洪河自然保护区为例,采用遗传算法优化的支持向量机方法进行了湿地遥感分类研究。同格网搜索下的支持向量机湿地遥感分类及最大似然监督分类对比,结果表明,遗传算法优化较格网搜索方式总精度提高了7.29%,较最大似然监督分类提高了12.06%,方法改善了沼泽、草地与裸地三种地物间的区分,是湿地遥感分类的有效手段。     

CBERS-02B与资源三号多光谱影像的光谱可分性实验对比

以江苏省徐州市郊区为实验区,采用Jeffries-matusita距离方法分析了CBERS-02B与资源三号卫星(ZY-3)多光谱影像的光谱可分性。采用最小距离法、最大似然法和支持向量机3种分类算法进行影像分类,以用户精度、制图精度、总分类精度和Kappa系数作为分类精度的评价指标,探讨了CBERS-02B与ZY-3多光谱影像的光谱可分性。实验表明,CBERS-02B和ZY-3多光谱影像均有利于区分农田和水体类,而对建筑物、裸地及道路的光谱可分性较弱;ZY-3影像对建筑物类的光谱可分性优于CBERS-02B影像,但对裸地及道路类的光谱可分性不及CBERS-02B影像。研究结果对于卫星传感器设计和遥感数据应用具有一定的参考价值。     

基于人工免疫克隆选择算法的遥感图像识别

遥感图像分类受自然环境的复杂性和实际样本数据的分布情况约束,其结果将直接影响对土地利用、覆盖情况的认知。人工免疫系统具有自学习、自组织、记忆的能力,可解决非线性分类问题中的局部极值、鲁棒性等难点。该文将人工免疫系统引入遥感图像分类领域,设计了基于克隆选择算法的遥感图像监督分类方法,并将其应用于广州市遥感影像分类。实验结果表明:与最大似然法相比,该方法具有更高的精度;同时该方法对公路、桥梁等线状城市用地较敏感,适用于快速发展的中心城市的遥感影像分类。     

东亚飞蝗生境的遥感分类——以河北省黄骅地区为例

东亚飞蝗生境的分类研究是东亚飞蝗监测和防治的一项重要基础工作。本文以河北省黄骅地区为研究区,基于两个时相的TM图像,采用三种遥感波段组合方案,以及最大似然分类和基于知识的分层分类两种分类方法,进行了东亚飞蝗生境的分类研究。结果表明,三种组合方案的分类总精度相差不大,其中加入图像纹理信息的最大似然分类法的分类总精度最高。但是,基于知识的分层分类法的分类精度在各单项生境类型之间相差较小,从而显示出该方法在应用上仍有一定的优越性。     

改进随机决策树群算法在监督分类中的应用

通过添加树平衡系数、设定节点不纯度和区分样本类型,对现有的随机决策树群算法进行了改进,提出了改进的随机决策树群算法.以广东省龙门县土地覆盖的ALOS遥感影像为研究对象,利用改进的随机决策树群算法对研究对象进行遥感监督分类,并将研究结果同传统的最大似然分类方法的结果进行对比,发现分类总体精度从81.46%提高至92.45%,Kappa系数达0.9091.改进的随机决策树群算法考虑了极不均衡决策树、节点不纯度和训练样本区分对随机决策过程运行效率的影响,可有效提高遥感分类效率和分类精度.     

多源遥感影像红树林信息提取方法比较

选取2012年2月24日的SPOT 5遥感影像和2013年12月6日的Landsat 8、"高分一号"遥感影像,应用最大似然法、支持向量机和面向对象方法提取红树林信息,并引入F值评价提取效果。研究结果表明,用最大似然法和支持向量机提取红树林信息的精度相似,与影像的特征光谱信息量相关性较强;而对于SPOT 5影像等更高分辨率遥感影像,面向对象方法降低了最大似然法和支持向量机分类的红树林斑块破碎程度,其信息提取精度与影像的空间分辨率正相关。     

像元信息分解和决策树相结合的影像分类方法

该文提出了一种基于像元信息分解和决策树相结合的遥感自动分类方法。选择广州市番禺区作为研究区。用像元信息分解和多变量决策树法把TM影像分为水体、植被、水泥地、土壤4种基本组分,分离成4类树枝;分别以4种基本地物组分作为分类掩膜,采用BP神经网络分类、形状指数提取、光谱特征提取等复合方法进行分枝,并开展野外遥感调查,以提高和验证分类精度。结果表明：该方法保证了分枝时地物的纯洁度,有效地避免了地物提取时多余信息的干扰和影响,提高了分类精度。结合实地调查数据与最大似然分类算法进行对比实验,表明该模型比最大似然总体分类精度高16％。     

多源遥感影像土地覆盖分类结果一致性评价与集成应用

针对多源遥感影像土地覆盖分类结果一致性与分类精度改进的要求,对两组中等空间分辨率的光学影像进行土地覆盖分类,以支持向量机分类结果为基础,采用Kappa统计量、双错误测量、Q统计量、相同错误率从不同角度评价了不同分类结果的一致性。实验表明,多源遥感数据分类结果总体上常规一致性程度较好,二值先验一致性程度尚可,错误一致性程度较小;不同土地覆盖类别的一致性程度并不相同,有的类别甚至出现不一致现象。提出组合法和替换法两种策略以综合数据优点、实现多传感器数据集成应用,能够有效提高分类精度。     

SNB—SAR数据在大范围水稻种植面积调查中的应用：以广东省早稻调查为例

研究了在GSI支持下，Radarsat SNB-SAR数据用于广东省大范围水稻种植面积调查的方法与应用。首先，对SAR数据预处理，包括辐射校正、Frost滤波和几何精校正等；然后对预处理影像的后向散射值进行信息定量判断，结合GIS的辅助分析，剔除不可能是水稻信息的像元；最后对剔除非水稻信息后的影像进行最大似然法的有监分类，获取各区域水稻分布的影像并统计面积。结果表明，该方法对于大范围的水稻种植面积调查具有实用、快速的特点，其精度在平原地区具有较高的可靠性，山区因为地形的复杂性等原因尚需进一步研究以提高精度。     

近5年青海省植被覆盖变化的遥感监测

This paper used five years （2001-2006） time series of MODIS NDVI images with a 1-km spatial resolution to produce a land cover map of Qinghai Province in China. A classification approach for different land cover types with special emphasis on vegetation, especially on sparse vegetation, was developed which synthesized Decision Tree Classification, Supervised Classification and Unsupervised Classification. The spatial distribution and dynamic change of vegetation cover in Qinghai from 2001 to 2006 were analyzed based on the land cover classification map and five grade elevation belts derived from Qinghai DEM. The result shows that vegetation cover in Qinghai in recent five years has been some improved and the area of vegetation was increased from 370,047 km^2 in 2001 to 374,576 km^2 in 2006. Meanwhile, vegetation cover ratio was increased by 0.63%. Vegetation cover ratio in high mountain belt is the largest （67.92%） among the five grade elevation belts in Qinghai Province. The second largest vegetation cover ratio is in middle mountain belt （61.80%）. Next, in the order of the decreasing vegetation cover ratio, the remaining grades are extreme high mountain belt （38.98%）, low mountain belt （25.55%） and flat region belt （15.46%）. The area of middle density grassland in high mountain belt is the biggest （94,003 km^2）, and vegetation cover ratio of dense grassland in middle mountain belt is the highest （32.62%）, and the increased area of dense grassland in high mountain belt is the greatest （1280 km^2）. In recent five years the conversion from sparse grass to middle density grass in high mountain belt has been the largest vegetation cover variation and the converted area is 15931 km^2.     

高分辨率遥感图像中采矿塌陷地的提取--以龙口矿区为例

采矿引起的地面塌陷是生态环境恶化的重要原因,并引起一系列社会、经济问题。文章中采用Quickbird遥感图像作为基础资料,经过图像校正、图像融合增强处理,通过目视判读与计算机自动分类相结合的方法快速准确的提取龙口矿区地面塌陷的现状,为矿区环境综合治理提供了可靠的基础数据。研究结果表明,高分辨率遥感图像应用于采矿塌陷地的提取是一种快速高效的方法。     

基于蚁群规则挖掘算法的多特征遥感数据分类

蚁群算法作为一种新型的智能优化算法,已经成功应用在许多领域,然而应用蚁群优化算法进行遥感数据处理则是一个新的研究热点。蚁群规则挖掘算法是基于分类规则挖掘进行分类,能够处理多特征的数据。因此,论文将蚁群规则挖掘算法应用到多特征遥感数据分类处理中,并采用北京地区的Landsat TM和 Envisat ASAR数据作为实验数据,对选择的遥感数据进行了多特征分类实验。实验结果分别与最大似然分类法、C4.5方法进行对比,分析表明:1)蚁群规则挖掘算法是一种无参数分类的智能方法,具有很好的鲁棒性,2)能够挖掘较简单的分类规则;3)能够充分利用多源遥感数据等。它可以充分利用多特征数据进行土地覆盖分类,从而能够提高分类的效率。     

利用NOAA-AVHRR数据进行积雪监测与制图的方法研究

本文在总结分析国内外现有方法的基础上,并根据大量的实验研究,介绍了利用NOAA－AVHRR遥感数据进行积雪监测和流域雪盖制图的方法。文章侧重介绍了AVHRR数据在积雪制图应用中的数据处理方法。也较为详细地介绍了利用遥感数据和地形数据的复合进行积雪信息提取的方法。研究表明：在地形相对复杂的地区使用AVHRR数据进行积雪监测和制图,采用监督分类的方法可获得较为理想的分类结果。利用GIS的空间分析方法,实现遥感和地形数据的复合分是积雪遥感制图高效和实用的方法之一。     

土壤类型遥感识别推理决策器研究

介绍了干旱区土壤类型遥感识别推理决策器的设计原理与实现方法。在用TM遥感图像对土壤类型进行非监督分类的基础上，建立了正向推理与逆向推理相结合的推理机制，对土壤类型进行分类识别决策。用知识表示的产生式规则与框架式规则相结合的数据结构表示土壤学专家的土壤分类识别知识。用像结构模式建立了土壤分类识别的规则，构造了土壤分类判决树，并用典型像例模式进行了各类型土壤判据文件的组织。用该方法对新疆天山北麓阜康试验区的土壤分类识别进行了试验研究。结果表明，该方法分类精度可靠，为干旱区土壤分类识别开辟了一条新的途径。     

Land cover classification by an artificial neural network with ancillary information

Abstract

Remote sensing is an important source of land cover data required by many GIS users. Land cover data are typically derived from remotely–sensed data through the application of a conventional statistical classification. Such classification techniques are not, however, always appropriate, particularly as they may make untenable assumptions about the data and their output is hard, comprising only the code of the most likely class of membership. Whilst some deviation from the assumptions may be tolerated and a fuzzy output may be derived, making more information on class membership properties available, alternative classification procedures are sometimes required. Artificial neural networks are an attractive alternative to the statistical classifiers and here one is used to derive a fuzzy classification output from a remotely–sensed data set that may be post–processed with ancillary data available in a GIS to increase the accuracy with which land cover may be mapped. With the aid ancillary information on soil type and prior knowledge of class occurrence the accuracy of an artificial neural network classification was increased by 29–93 to 77–37 per cent. An artificial neural network can therefore be used generate a fuzzy classification output that may be used with other data sets in a GIS, which may not have been available to the producer of the classification, to increase the accuracy with which land cover may be classified.     

基于遥感技术的银川市土地利用/覆被研究

为消除地形复杂地区不同地物的同谱异物现象,在遥感(RS)和地理信息系统(GIS)技术的支持下,采用分区分类方法对宁夏银川市1991和1999年的Landsat TM/ETM 影像进行解译,得到了银川市两期土地利用/覆被变化数据。在此基础上,通过转移矩阵和土地利用/覆被变化幅度、动态度及状态指数模型,对银川市土地利用/覆被变化的状况和变化过程进行了研究。结果表明,在研究期内,银川市各土地利用/覆被变化类型都有不同程度的变化。林地、耕地和城市用地转入大于转出,朝着规模增加的方向发展,而草地和水体转出大于转入,朝着规模缩小的方向发展,未利用地虽然转入大于转出,但变化缓慢;土地利用/覆被年变化率最大的是草地,其次为耕地,未利用地的最小。