基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例

土地利用分类精度直接决定土地利用/土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的Landsat TM 5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0.789提高到0.849.在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。     

基于无人机可见光遥感影像的救灾帐篷信息提取

在分析救灾帐篷的光谱和形状特征基础上,将基于像元和面向对象分类方法相结合,提出一种针对无人机可见光遥感影像的救灾帐篷信息提取方法。首先基于帐篷初始样本在三维光谱空间中的范围对图像进行快速二值化初分类,通过聚类与尺寸滤波消除噪声图斑对后续信息提取的影响;然后引入不同结构模板的邻域分析和形态学方法还原对象空间形状,针对遥感影像的第一主成分,提取分割对象的光谱均值、局部二值模式对比度(LBP Contrast)均值、长轴长等特征;最后利用基于径向基函数(RBF)的支持向量机(SVM)分类方法完整提取救灾帐篷。以灾后常用的0.2m无人机可见光遥感影像为例的实验结果表明,救灾帐篷识别率高达95.5%。该方法运算效率高,克服了蓬顶内部异质性和相似物的影响,对于利用无人机可见光遥感影像开展救灾帐篷的检测与分析具有参考价值。     

无人机遥感在红树林资源调查中的应用

低空无人机（UAV,Unmanned Aerial Vehicles）遥感系统具有数据采集灵活、低成本且可快速获取超高分辨率影像的特色,是传统航空遥感和卫星遥感的重要补充。以广东省和广西壮族自治区交界处的英罗港港湾两侧为研究区域,将无人机遥感系统用于红树林资源的遥感调查,通过无人机航拍获取高分辨率影像,并且使用拼接的影像和目视解译方法提取红树林空间分布信息,进一步选择典型研究样地,采用面向对象的最近邻分类方法对红树林树种类型进行分类研究,并对比综述了无人机遥感和常规航空航天遥感技术对红树林资源调查监测的优缺点,无人机遥感系统非常适用于红树林资源调查。通过2 h 30 min的3架次无人机航飞工作,获取了研究区域25.29 km²的无人机影像,基于无人机影像和面向对象遥感分类方法提取的红树林空间分布信息精度超过了90%。未来无人机遥感系统将可成为调查和监测红树林资源的重要技术手段,可为相关管理部门对红树林资源的保护、管理、开发等方面的工作提供基础信息和技术支持。     

耦合像素坐标的遥感图像分类实验北大核心CSCD

地理距离越相近的空间单元其相似性越高,但传统遥感影像分类常忽略像素空间坐标信息的重要性。该文提出一种将传统空谱信息与像素坐标耦合的遥感影像分类方法,为避免数据过拟合现象,采用随机森林模型对特征进行重要性评估,选取具有代表性的特征。利用不同分辨率的卫星与航空遥感影像数据,基于随机森林、支持向量机和人工神经网络3种模型对该方法进行验证,结果显示:相比传统仅使用光谱和纹理信息,耦合像素坐标信息的遥感影像分类可在一定程度上关注全局地理空间位置信息,利用地理单元越相近则性质越相似规律,提高遥感影像分类效果,在不同样本量、不同模型下的分类精度均有所提升。     

遥感影像中分区分类法及在新疆北部植被分类中的应用

对遥感影像提出了一种分区分类的思想，根据影像所包含的局部特征将整体影像化为几个局部的影像，然后根据局部影像的特点对图像进行分类,使得每一区域的种类数目相对于整体减少，种类的特点得以突出，分类更具有针对性,再加以高程、坡度等地貌信息，提高分类精度。该分类法在新疆北部的植被分类中得到了应用，从NOAA影像中提出的NDVI为数据源，根据该植被区域特点，将研究区的植被区域划分为四个区，即：新疆阿勒泰草原区、昭苏区、西准噶尔区和东天山区。利用GIS软件将整个研究区的NDVI指数图像化分为四块子图，根据各个区域植被的特点，采用不同的分类标准,对四块子图分类。在此之后，再利用GIS软件将所有分类子图合并为整个区域的分类图。结果表明，该类方法可以大大提高NDVI指数的植被分类精度。     

基于形态重建的高分辨率遥感影像城市道路提取

高分辨率遥感影像中,城市道路表现为局部灰度近似、宽度变化缓慢的狭长区域。根据城市道路这些形态特性,提出基于形态重建的道路提取方法。先对原始遥感影像作增强处理,突出影像边缘信息,用Otsu自动阈值分割法对增强处理后的图像进行初步分割;再根据图像中各要素的形态特征构建不同的标记图像,分别对原图像进行形态重构,将道路和建筑物等分别生成新的图像模块;对形态重构生成的道路模块进行轮廓提取和细化,提取出道路轮廓和中心线。实验结果表明,该方法能有效地从高分辨率遥感影像中提取出城市道路网。     

国内生态环境遥感监测的内容与方法探讨

在总结大量实际工作的基础上,就区域生态环境遥感监测的指标与分类系统问题进行了探讨,提出了尽可能与现有的土地利用分类衔接,又较容易进行遥感判读和分类的土地利用分类系统;根据目前国内遥感数据获取和使用情况提出了遥感影像选择、处理以及合成的最佳方案,推荐了通过目视判读和自动分类获得土地利用状况的方法等,以期生态环境遥感监测能真正纳入环保部门常规的监测工作中.     

基于形态学的多尺度遥感图像分割方法

基于形态学提出了多尺度遥感图像分割方法。首先使用面积形态学算子处理原始图像,构造不同尺度下的遥感图像;然后提取多波段遥感图像梯度,充分利用遥感图像的多波段信息;再在不同尺度的图像上使用区域标记方法提取标记,作为分水岭分割算法的生长点;最后使用分水岭分割实现对遥感图像的多尺度分割。该方法在Matlab中予以编程实现,并将其应用于江苏省海安SPOT影像中,实现对图像不同尺度的分割,能够有效提取出多波段遥感图像中不同尺度下的地物。     

国内生态环境遥感监测的内容与方法探讨

在总结大量实际工作的基础上,就区域生态环境遥感监测的指标与分类系统问题进行了探讨,提出了尽可能与现有的土地利用分类衔接,又较容易进行遥感判读和分类的土地利用分类系统;根据目前国内遥感数据获取和使用情况提出了遥感影像选择、处理以及合成的最佳方案,推荐了通过目视判读和自动分类获得土地利用状况的方法等,以期生态环境遥感监测能真正纳入环保部门常规的监测工作中.     

基于小波变换的高分辨率影像纹理结构分类方法

该文提出了利用小波变换获取纹理结构子图像能量参数，并用这些参数进行高分辨率图像纹理结构分类的新方法。由阐述遥感影像纹理结构识别原理人手，提出影像纹理结构特征抽取的小波变换方法，构造了有明确的数学和物理意义的参数来描述影像纹理信息，在此基础上利用这些参数进行影像纹理结构分类。试验结果表明，小波变换方法适用于具有规则和较强方向性的纹理结构影像分类。     

面向对象解译方法在遥感影像地物分类中的应用

针对高分辨率遥感影像快速高效萃取有用信息这一遥感技术应用的热点问题,探讨了基于面向对象(Object-oriented)解译方法的遥感影像自动及半自动解译和提取的新思路.文中分析了面向对象解译方法在地物信息分类应用中的优势,并提出了基于此方法的高分辨率遥感影像多尺度信息提取技术流程.具体结合广州市新白云机场开发区IKONOS高分辨率遥感数据进行地物快速提取、自动分类的试验,并对解译效果进行了评估分析,证明此方法在高分辨率遥感影像地物分类中确实高效可行.     

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。     

三峡库区土地资源的多源信息综合制图法

本方法用来编制1:10万长江三峡库区土地资源评价图,以卫星数据计算机监督分类为基础,配合以野外调查和遥感、非遥感的资料。把这些资料作为多源信息,加以综合后,编制出的土地资源评价图,经实地校核,与SPOT卫星像片、卫星数据计算机监督分类图相套合,准确率分别为88,91,93(％)。     

基于Landsat 8 OLI数据与面向对象分类的昆嵛山地区土地覆盖信息提取

利用2015年Landsat 8 OLI遥感影像和DEM作为分类数据源,结合野外调查数据,采用面向对象的分类方法对昆嵛山地区土地覆盖信息进行提取,并对分类结果进行精度评价与比较分析。研究表明：面向对象分类方法提取的各地类连续且边界清晰,分类效果与实际情况基本吻合。昆嵛山地区占主导地位的土地覆盖类型是针叶林,面积为1 546.81 km²。研究区土地覆盖分类的总体精度和Kappa系数分别为91.5%和0.88,其中针叶林、草地、水体和建设用地的生产者精度均达到87%以上。相对于监督分类方法,本研究提出的土地覆盖信息提取方法的总体分类精度和Kappa系数分别提高14.7%和0.17。基于面向对象的中分辨率遥感影像,能够获取较高精度的土地覆盖信息,为大范围土地覆盖分类研究提供方法参考。     

基于判别空间条件熵加权的土地覆盖分类方法研究

针对遥感专题类别信息的机理问题,从土地覆盖参考数据的偏差程度对分类精度的影响角度,提出了一种基于判别空间条件熵加权的土地覆盖分类方法。引入判别空间模型概念,基于此模型生成土地覆盖数据类别,并分析了土地覆盖信息类别与数据类别的语义偏差出现的深层次原因;计算信息类别与数据类别的对应关系矩阵,据此得到二者的条件熵,实现对土地覆盖信息类别与数据类别的语义偏差的量化;根据信息类别与数据类别的条件熵计算修正判别变量的权重因子,实现基于判别空间条件熵加权的土地覆盖分类。采用一景SPOT-5影像进行分类实验,并利用同一地区的Landsat 5TM影像进行方法验证。实验表明,条件熵加权修正方法使土地覆盖分类精度有了显著提高,并对不同分辨率的遥感影像具有适用性。     

基于ASTER影像的近海水产养殖信息自动提取方法

水产养殖地已经成为海洋环境监测的热点目标之一。采用具有高光谱分辨率和较高空间分辨率(15m)的ASTER遥感影像,以九龙江河口地区为研究示范区,进行近海水产养殖信息的自动提取方法研究。结果表明,利用ASTER影像的光谱信息和水产养殖地的纹理结构信息,可以实现近海水产养殖地的自动提取。先利用监督分类方法提取混淆有其他水体的水产养殖信息,采用邻域分析来增强水产养殖地的空间纹理信息。通过综合监督分类和水产养殖地空间纹理增强的结果,在专家决策分类器中建立决策规则,进行水产养殖地的自动提取,提取的精度达93%。     

遥感影像混合像元分解中的端元选择方法综述

端元选择是进行遥感影像混合像元分解的首要步骤,也是最关键的步骤,其直接影响混合像元分解的精度。该文对遥感影像混合像元分解中端元产生的特定背景、当前存在的端元选择途径和端元选择方法进行综述,并通过对当前端元选择方法的分析,提出了选择或构造端元选择方法应遵循的几个原则。     

基于纹理特征的高分辨率遥感图像土地利用分类研究

为了提高高分辨率遥感图像土地利用分类精度,该文以金沙江下游河谷地带SPOT 5遥感图像350×350像元作为试验区,在ERDAS IMAGINE 9.0和ENVI 4.1软件平台支持下,采用灰度共生矩阵方法提取遥感图像对比度、角二阶矩、熵、同质度等纹理指标辅助遥感图像分类,分析结果表明,相对于传统监督分类方法,基于纹理特征辅助监督分类方法总Kappa系数提高了9.15%,耕地、林地、水域、建设用地、未利用地Kappa系数分别提高了7.60%、6.17%、3.59%、15.74%和2.96%,分类结果面积准确率分别提高了3.38%、13.47%、4.65%、10.22%和1.53%,说明纹理辅助监督分类方法相对于传统监督分类方法有效提高了土地利用分类精度。     

全球及区域模式中陆面过程的地表植被覆盖分类方法

全球和区域尺度上陆面生态系统与气候密切相关。全球和区域模式的发展对于我们认识气候与陆地生态的变化起到重要作用。在这些模型中，植被覆盖是影响大气-植被间热量、水分和CO2等交换的重要陆面参数。在分析了陆地植被覆盖分类原理基础上，介绍了目前全球不同植被覆盖分类方案，包括基于地基观测的植被分布、基于生物气候特征的分类方案（如：Holdridge的方案）；特别近年来陆面过程试验表明，各种遥感数据源（如：NOAA—AVHRR，EOS—MODIS，Landsat—TM）等为我们提供了有利的工具来监测全球植被动态，完善植被分类，并且采用高时空分辨率的全球土地覆盖状况特征，在不同时空尺度揭示植被-大气相互作用。本文分析了代表性的3种基于卫星遥感技术的陆面植被分类方案，分别是BATS（18类）、SIB（9类）、SIB2（12类）和BIOME—BGC（31类）陆地模式的植被覆盖分类方案．最后分析了目前可用于全球植被覆盖分类的新的遥感数据库。