引导滤波联合局部判别嵌入的高光谱影像分类

高光谱遥感影像分类是高光谱遥感影像处理和应用的重要组成部分。然而,高光谱遥感影像具有波段数量较多和空间分辨率较高等特点,给分类任务带来一定的挑战。为了提高分类精度,充分利用影像的空间信息和像素间的局部信息,提出一种引导滤波联合局部判别嵌入的高光谱影像分类方法。首先,对高光谱遥感影像进行归一化,利用主成分分析方法实现特征提取,将提取的第一主成分影像作为引导图像;其次,采用引导滤波分别提取各波段影像的空间特征;然后,将提取的空间影像特征进行叠加,通过局部Fisher判别分析完成低维嵌入;最后,将得到的低维嵌入特征输入支持向量机分类器得到分类结果。采用Indian Pines和Pavia University两幅高光谱影像进行实验的结果表明：在分别从各类地物中随机选取10%和100个样本作为训练样本的情况下,其总体分类精度分别提高到98.28%和99.45%;对比其他相关方法,该方法能够获取更高的分类精度。该方法在低维嵌入的同时,有效利用了影像的空间信息,改善了分类效果。     

基于面向对象分类的稀土开采区遥感信息提取方法研究

离子吸附型稀土矿是我国宝贵的矿产资源,运用遥感影像分类技术提取稀土开采区可以准确地实现对稀土开采状况的监测,但仅利用光谱信息往往难以保证分类精度。本文以江西寻乌稀土矿区为研究区,以IKONOS影像为数据源,应用面向对象分类方法提取了稀土开采区的遥感信息。针对稀土开采区的分布特点,选择基于边缘的分割算法进行影像分割;结合地形信息、光谱信息及几何信息建立规则集,进行特征提取;最后采用隶属度函数法实现面向对象分类,并与传统的光谱角填图分类进行对比分析。研究结果表明,面向对象分类法提取稀土开采区的总体精度为92.49%,Kappa系数为0.857 6,与传统监督分类方法相比有了很大的提高。     

基于GF-1影像多尺度-光谱差异分割的不同喀斯特地貌区土地利用信息提取

影像分割是高分辨率遥感影像信息提取的前提,遥感影像分割的精确程度直接影响遥感分类的精度。为提高喀斯特山区遥感影像信息提取的精度,采用多尺度-光谱差异分割对喀斯特山区高分辨率影像分割,通过标准最近邻分类法提取土地利用信息,对比了仅多尺度分割、多尺度-光谱差异分割两种分割方法下喀斯特山区土地利用信息提取的精度。结果表明:（1）多尺度-光谱差异分割能改善过分割和欠分割现象。（2）多尺度-光谱差异分割优于单一使用多尺度分割。（3）多尺度-光谱差异分割综合了影像的光谱、纹理、形状等特征,进而提高了喀斯特山区影像分割分类的精度。      

基于灰度共生矩阵的图像纹理特征地物分类应用

针对传统遥感影像分类方法的分类精度不高,在分析图像的光谱信息的基础上,对基于灰度共生矩阵的纹理特征在地物分类中的应用进行了研究.本研究利用原始图像进行主成分分析后的前两个主成分,经过编程运算,提取了基于灰度共生矩阵方法的不同测度的纹理特征,将提取的纹理特征作为新的波段,与原始波段进行组合,再对组合图像进行监督分类,探索...     

纹理特征在Aster影像数据分类中的应用

利用灰度共生矩阵的多光谱影像纹理分析的方法,实现了利用k-mean算法对Aster影像数据进行分类,并对基于单波段影像纹理的分类结果、单纯光谱信息分类结果和结合基于主要波段影像纹理的分析方法及在分类过程中结合掩膜等技术所得纹理特征影像分类结果进行比较。     

基于光谱—空间特征的ASTER影像岩性分类研究——以甘肃北山白峡尼山地区为例

遥感岩性制图是地质填图中的重要工作,基于光谱特征的岩性分类易受到色调、纹理等因素影响导致精度不佳。前人进行岩性自动分类研究多关注影像的光谱特征,而忽略空间特征,笔者等基于甘肃北山白峡尼山地区ASTER影像,将支持向量机、极限学习机两种机器学习分类方法与基于空间特征的快速漂移算法相结合进行岩性分类。结果表明支持向量机分类总体精度为89. 17%;极限学习机不但具有需调节参数少的优势,且分类精度和速度均优于支持向量机,分类总体精度达96. 70%;利用快速漂移算法提取的影像空间特征可有效减少错分区,提升岩性分类效果。研究证实将基于光谱特征的极限学习机和基于空间特征的快速漂移算法结合的岩性分类方法具有客观、高效、高精度等优势,可为后续地质填图和找矿勘查工作提供可靠数据支撑,在遥感岩性分类领域具有较高的推广价值。     

基于光谱—空间特征的ASTER影像岩性分类研究——以甘肃北山白峡尼山地区为例

遥感岩性制图是地质填图中的重要工作,基于光谱特征的岩性分类易受到色调、纹理等因素影响导致精度不佳。前人进行岩性自动分类研究多关注影像的光谱特征,而忽略空间特征,笔者等基于甘肃北山白峡尼山地区ASTER影像,将支持向量机、极限学习机两种机器学习分类方法与基于空间特征的快速漂移算法相结合进行岩性分类。结果表明支持向量机分类总体精度为89.17%;极限学习机不但具有需调节参数少的优势,且分类精度和速度均优于支持向量机,分类总体精度达96.70%;利用快速漂移算法提取的影像空间特征可有效减少错分区,提升岩性分类效果。研究证实将基于光谱特征的极限学习机和基于空间特征的快速漂移算法结合的岩性分类方法具有客观、高效、高精度等优势,可为后续地质填图和找矿勘查工作提供可靠数据支撑,在遥感岩性分类领域具有较高的推广价值。     

基于ALOS遥感影像的湿地地表覆被信息提取研究

为了验证ALOS遥感影像湿地地表覆被信息提取的可行性,以黑龙江省三江平原典型内陆淡水沼泽湿地为研究对象,通过ALOS遥感影像波段的光谱及纹理特性分析,探讨适合水体、旱地、水田、沼泽、林地、建设用地、草甸等覆被类型的分类特征;基于非监督、监督及面向对象分类方法,遴选能实现最优分类结果的特征组合,为湿地地表覆盖分类数据源及方法的选择提供参考。结果表明：非监督、监督及面向对象分类方法的总体精度分别达到63.86%、96.14%和85.26%;非监督分类方法整体分类效果不够理想;面向对象方法虽然得到了相对较高的分类精度,但是针对建设用地、林地及草甸地类信息提取的精度处于较低水平;监督分类方法能取得较好效果,最适合于湿地地表覆被信息提取。     

高分一号卫星在京津矿山遥感监测中的应用

高分一号卫星于2013年成功发射,可获取 2 m全色影像与8 m多光谱影像,在矿山遥感监测中有很大的应用空间。研究并总结了高分一号卫星在矿山遥感监测应用时的数据处理流程和方法,根据高分一号影像特征建立了矿山遥感解译标志并对部分图斑进行了野外验证,最后进行了京津矿山遥感调查与监测工作。通过应用研究得出结论,高分一号卫星拥有较高的分辨率和较好的数据质量,地物轮廓纹理清晰、数据处理方便、解译精度较高,运用高分一号卫星进行矿山遥感监测可以取得良好的效果,可以为国土资源部门制定矿产资源规划、整顿矿产资源开发秩序、治理矿山地质环境等提供技术支撑和决策依据。     

张家界石英砂岩峰林地貌奇峰三千之遥感佐证

随着航天技术和遥感传感器技术的快速发展，已能方便地从商业渠道获得空间信息更丰富、目标细节更清楚的高分辨率遥感影像。高分辨率遥感影像的纹理信息非常丰富，而光谱信息往往较弱（波段较少）的特点，决定了仅依靠光谱信息、以像素为基本单元进行分类难以达到较高分类精度这一现实。     

用ASETR图像和地统计学纹理进行岩性分类

运用新获取的ASTER数据可以对岩性进行识别与分类：首先运用地统计学中的变差函数来计算分析几种选定的岩性单元的灰度值空间变化特征；运用ASTER数据的可见光一近红外波段、短波红外(SWIR)波段以及二者的组合进行岩性的分类，分析分类精度的变化。用变差函数作为纹理的计算函数来提取图像纹理，并与原始的光谱数据结合，进行岩性的分类。结果表明，与单纯的光谱分类相比，加入纹理信息可显著改善分类精度；用不同方向的滞后距离提取的图像纹理对图像的分类结果有一定的差异，尤其是对存在明显的各向异性的岩石单元。     

缓倾斜煤层走向长壁式工作面地表沉陷盆地模型

为准确描述地表沉陷盆地分布形态,基于幂指数函数模型,结合缓倾斜煤层走向长壁式工作面地表沉陷盆地的特征,采用理论分析与数值模拟相结合的方法,建立适用于缓倾斜煤层走向长壁式工作面的沉陷盆地模型,分析模型参数的影响因素及参数的变化规律,并验证模型的适用性和预计精度。研究表明:模型参数n反映下沉盆地底部范围大小,主要与采动程度有关,取值范围为1~3,其取值精度取决于观测点个数;参数k反映下沉盆地边缘的收敛速度和下沉影响范围,主要与采煤方法、顶板管理方法及松散层厚度有关,其值可通过地表最大下沉值或煤厚进行确定;在对常村煤矿地表沉陷进行预计时,预计值与实测值的差值平方和为3.08×106,中误差为267.59 mm,为最大下沉值的6.47%。研究缓倾斜煤层走向长壁式工作面地表沉陷盆地模型旨在对常村煤矿地表沉陷的预测和预防工作提供理论基础。      

面向对象的喀斯特地区石漠化遥感信息提取研究——以贵州省大方地区为例

针对现有基于像素的监督和非监督分类方法在地质环境复杂、地形起伏较大、阴影明显的喀斯特石漠化地区难以满足石漠化信息提取精度要求的问题,采用基于纹理特征数据和地形数据辅助面向对象方法进行喀斯特地区石漠化信息的提取。该方法首先依据石漠化分布在TM/ETM+影像面积大小不均匀的特征,利用纹理和地形因子计算最优分割参数进行多尺度分割;然后根据植被覆盖率、岩石裸露率以及坡度因子构建石漠化分级指标;最后参照石漠化分级标准、光谱信息以及纹理特征等建立的分类规则提取喀斯特地区石漠化信息。选取贵州省石漠化严重的大方县时序TM/ETM+影像进行石漠化信息提取试验,结果表明:与基于像素的监督分类和非监督分类方法相比,基于面向对象的分类可以有效地减少因复杂地形导致石漠化信息提取结果"椒盐化"现象,提取精度明显优于基于像素的监督分类和非监督分类方法。      

Image processing applications for customized mining and ore classification

During the mining operation, ore sorting and directing different grade ores to different processing circuits is a manual task in most of working mines, but this work puts a step forward toward automation of this process. The radical development in the area of image and data processing allows speedy processing of the full color digital images for the preferred investigations. In this paper, an approach has been proposed to classify the ores for blast furnace feed, based on the visual texture of the ore particles. The visual texture of ore particles vary with the mineral contents, for example, blue dust, hard ore, soft ore, etc. This information can be quantified by using image processing technique in red, green, and blue color space and first- and second-order statistical analysis. Commonly used Hartlics textural features were calculated along with red, green, and blue color values for 5?×?5-pixel size windowpanes extracted from five separate images. Results obtained show encouraging accuracy to apply the approach to develop an expert system for online ore quality monitoring to control the ore blending in the feed ore circuits as well as separating gangue minerals present in the feed ores. Matlab 6.5 was used for visual textural analysis and classification.     

面向基元的高空间分辨率矿区遥感影像土地利用分类

为了合理开发矿产资源和有效监测矿区生态环境,采用面向基元的分类方法,对广西横县某矿区的高分辨率航空遥感影像进行了土地利用分类.通过优化分形网络演化多尺度分割方法,高效提取了矿区两个尺度上的影像基元层;基于基元信息,详细分析了各地表地物光谱特征、空间特征以及类相关特征,建立了研究区土地利用的分类知识库;采用决策支持的模糊逻辑推理法进行分类,使分类的精度从53%提高到了90%.表明面向基元的方法能较好地利于高空间分辨率矿区影像的各种特征进行高精度的土地利用分类.      

Application of a fuzzy operator to susceptibility estimations of coal mine subsidence in Taebaek City,Korea

Quantitative determination of locations vulnerable to ground subsidence at mining regions is necessary for effective prevention. In this paper, a method of constructing subsidence susceptibility maps based on fuzzy relations is proposed and tested at an abandoned underground coal mine in Korea. An advantage of fuzzy combination operators over other methods is that the operation is mathematically and logically easy to understand and its implementation to GIS software is simple and straightforward. A certainty factor analysis was used for estimating the relative weight of eight major factors influencing ground subsidence. The relative weight of each factor was then converted into a fuzzy membership value and integrated as a subsidence hazard index using fuzzy combination operators, which produced coal mine subsidence susceptibility maps. The susceptibility maps were compared with the reported ground subsidence areas, and the results showed high accuracy between our prediction and the actual subsidence. Based on the root mean square error and accuracy in terms of success rates, fuzzy γ-operator with a low γ value and fuzzy algebraic product operator, specifically, are useful for ground subsidence prediction. Comparing the results of a fuzzy γ-operator and a conventional logistic regression model, the performance of the fuzzy approach is comparative to that of a logistic regression model with improved computational. A field survey done in the area supported the method’s reliability. A combination of certainty factor analysis and fuzzy relations with a GIS is an effective method to determine locations vulnerable to coal mine subsidence.     

加入多尺度图像纹理的岩性分类

利用遥感图像进行岩性分类,是遥感地质应用的重要方面之一.本文运用地统计学中变差函数提取图像纹理,并与原始的光谱图像相结合用于遥感图像的岩性分类.文章分析了不同尺度的纹理信息对岩性分类的作用,并进一步分析和比较多尺度图像纹理对岩性分类的作用.结果表明,在岩性分类过程中加入不同尺度的纹理信息可不同程度地提高图像的岩性分类精度,而同时加入多尺度的纹理信息,可得到更高的分类精度.将多尺度的图像纹理信息和光谱信息综合,是一种有效的岩性分类方法.