基于MODIS的土地覆盖遥感分类特征的评价与比较

选取华北地区为研究区,利用MODIS遥感数据多光谱、多时相优势进行分类特征提取,依据土地覆盖分类特征如地表反射率、植被指数、纹理特征等,并对这些分类特征分别从光谱维、时间维、空间维三个角度进行阐述,结合DEM数据,使用最大似然法进行土地覆盖遥感分类特征的评价与比较。结果表明,不同分类特征对分类精度影响不同,将多种分类特征结合能够有效提高区域尺度土地覆盖分类精度,但分类特征的加入不一定能提高某些类别的分类精度。     

基于LBV数据变换方法的海岸带多光谱影像分类方法研究

在传统的海岸带多光谱影像分类方法的基础上,提出了运用LBV数据变换方法对海岸带多光谱影像进行地物分类识别的方法,通过图像数据变换能够分别提取出表示地物总辐射水平、可见光-近红外辐射平衡和表示波段辐射变化矢量(方向和速度)L、B、V的值.通过应用青岛海岸带TM多光谱影像,提取LBV变换图像并与原始假彩色合成图像比较,分别进行监督分类试验.运用LBV数据变换方法获得的图像信息量更丰富,地物类别更鲜明,有利于图像的目视解译,分类精度提高约3.12%.     

基于机载成像光谱数据的宜兴市土地利用/土地覆盖分类方法对比研究

对宜兴市机载成像光谱数据辐进行射畸变纠正、几何精确纠正和辐射定标等预处理,获得高光谱反射率图像。利用相关系数、均方差、离散度等统计特征进行面向土地利用/土地覆盖目的的波段优选,采用高光谱像元提纯分析工具获得分类所需的终端单元,并利用终端单元进行了研究区土地利用/土地覆盖分类对比研究。研究发现:最大似然法分类精度低,整体精度为84.89%,而二进制编码、神经网络分类和光谱角分类方法精度较高,整体精度分别为87.12%,88.75%,90.41%。这说明光谱角分类是最有效的高光谱影像土地利用/土地覆盖分类方法,文章研究采用的高光谱预处理以及波段选择方法是正确的。     

基于决策树模型的海岸带分类方法研究

海岸带地物分布复杂,地物混淆常造成海岸带提取困难。该文以江苏省粉砂淤泥质海岸为研究对象,运用图像光谱特征、纹理特征并引入地学知识,构建研究区遥感图像分类决策树模型,并利用ETM 图像进行海岸地物分类研究。结果表明:采用的决策树模型可以较好地结合纹理信息和地学知识,解决遥感图像中复杂地物分类过程中的混淆现象,分类精度达89.26%,比最大似然法分类精度提高了15.19%。     

ALOS融合影像质量评价及其土地盐渍化应用研究

将经过配准的同一地区不同空间分辨率和光谱分辨率的遥感影像进行融合是提高土地覆盖/土地利用分析精度的有效途径。采用PCA、IHS、HPF和小波变换融合法对内蒙古杭锦后旗中部地区的ALOS全色和多光谱影像进行融合,并对融合结果进行了定性和定量评价。基于地物光谱特征、解译标志和监督分类法提取试验区土地盐渍化信息,比较多光谱影像和融合影像的土地盐渍化信息提取精度。结果显示,PCA、IHS和HPF融合影像的空间细节表现能力得到提升,而PCA和小波变换融合影像的光谱保真度优于IHS和HPF融合影像;PCA融合影像的盐渍化分类精度、总分类精度和Kappa系数均为最高,是最适于试验区土地盐渍化分类研究的融合方法。     

中巴02B卫星多光谱影像中LBV数据变换方法研究

通过对实际获得的多光谱影像的光谱特征分析,提出了可用于中巴02B卫星多光谱影像的LBV数据变换公式,使得LBV数据变换方法在国产中巴02B卫星数据上的应用成为可能;运用该变换公式处理得到的中巴LBV数据变换图像比中巴原始数据假彩色合成图像颜色更鲜艳,地物类别更易区分,具有更好的目视解译效果。将LBV变换图像与中巴数据假彩色图像分别用最大似然法进行分类,分类图像和精度检验结果表明:用LBV变换公式得到的LBV结果图像能很好地提高图像计算机分类的精度,该变换方法在中巴02B卫星数据的应用中具有很大潜力。     

基于ASTER图像的干旱区土壤盐碱化遥感应用研究

土壤盐碱化是干旱地区常见的一种土地退化现象。为了对土壤盐碱化程度进行快速的评估,采用ASTER遥感数据敏感波段组合结合光谱角度制图（SAM）的方法进行了探索性的研究。研究从分析干旱区盐碱地表光谱特征的角度出发,采用图像像元纯度指数分析（PPI）方法提取不同盐碱化水平的地表特征纯像元,结合实地测量光谱数据和采样分析数据确定纯像元的物理意义,并应用光谱角度制图方法进行了土壤盐碱化程度分级制图。经检验,总体分类精度达到79．1％。这种方法对常规数据的依赖性较小,提供了一种适合盐碱化快速定量评估的有效途径。     

结合多尺度纹理的高分辨率遥感影像决策树分类

地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述地物并有效解决光谱数据分类中存在的地物破碎问题,其分类精度为81.7%,kap-pa系数为0.78;与光谱数据分类和结合单尺度纹理数据分类结果比较,分类精度分别提高了11.2%和6%,该方法有助于提高高分辨率影像的分类精度。     

一种基于地物诊断性波谱吸收特征的高光谱遥感图像降维方法

高光谱遥感数据具有波段数目多、波段宽度窄、数据量庞大、波段间相关性高等特点,在一定程度上为图像的进一步处理和信息提取带来困难.为解决这一问题,在分析已有降维方法的基础上,提出了基于地物诊断性波谱吸收特征的高光谱遥感图像降维方法,将地物的诊断性吸收波谱特征区间作为一个独立的子空间进行处理,尽可能保留地物独有的吸收特征;在此基础上,进行子空间的特征提取和特征选择.为验证该方法的优越性,将其与传统的基于波谱区间的子空间划分方法进行分类对比,研究表明:基于该文方法降维后的图像分类精度更高,丰富了现有降维方法理论,具有一定的实用和推广价值.     

光谱角余弦与相关系数测度组合的光谱匹配分类方法与实验

光谱相似性测度是高光谱影像光谱匹配分类的准则,但单一的光谱相似性测度不能综合考虑光谱曲线的形状、辐射等多种特征,因此将其用于高光谱影像光谱匹配分类时精度较低,研究发现两种或多种相似性测度的组合能够有效提高光谱匹配分类的精度。在光谱角余弦测度和相关系数测度的基础上,采用算术平均的组合方式,得到光谱角余弦-相关系数测度,将其用于光谱匹配分类,实现光谱角余弦与相关系数测度组合的光谱匹配分类方法。提出了基于光谱角余弦-相关系数测度的光谱匹配分类流程,通过ROSIS和OMIS两组高光谱影像分类实验表明,相比于光谱角余弦测度和相关系数测度,将光谱角余弦-相关系数测度用于光谱匹配分类能够得到较高的总体分类精度,对单一地物的分类精度也有一定程度的改善。