共查询到20条相似文献,搜索用时 218 毫秒
1.
高分一号多光谱遥感数据的面向对象分类 总被引:3,自引:0,他引:3
文章针对高分一号(GF-1)高分辨率遥感数据,提出了一种基于多特征的面向对象遥感图像分类算法:首先,对GF-1卫星数据进行分水岭分割,并利用仿射不变矩形状特征算子获得遥感图像的几何特征;其次,利用主成分分析和灰度共生矩阵获得遥感图像的纹理特征;然后,基于多特征数据进行均值漂移滤波,并利用自动标记分水岭分割方法实现遥感图像分割;最后,结合基于像元的最大似然监督分类结果做投票分类处理,从而实现面向像元与面向对象相结合的遥感数据分类.以高分一号遥感数据进行分类实验,结果表明:本文方法可有效地提高遥感图像分类精度. 相似文献
2.
基于灰度共生矩阵提取纹理特征图像的研究 总被引:7,自引:0,他引:7
在遥感影像分类的过程中非光谱特征起着重要的辅助作用。纹理特征作为一种重要的非光谱特征对于遥感影像分类精度的提高也有很重要的作用。本文主要研究了通过灰度共生矩阵提取纹理特征图像的方法,对该方法提取纹理特征图像进行了相关的实验分析。并将其在分类中的应用进行实验,证明了灰度共生矩阵提取的纹理特征对图像分类精度提高起到一定的作用。 相似文献
3.
随着卫星遥感影像分辨率的不断提高,人们希望从遥感图像中获得更多有用的数据和信息,所以遥感影像的分类变得尤为重要.但是基于光谱特征的影像分类精度过低,不能满足生产的需要,所以研究利用其他辅助手段来提高遥感影像的分类成为未来发展的一个重要方向.本文研究了利用灰度共生矩阵提取纹理特征的方法并对利用纹理特征影像辅助光谱特征分类的方法进行了研究.实验结果表明,纹理特征辅助光谱特征分类能够提高遥感影像分类的准确性和精度. 相似文献
4.
分别利用多通道Gabor滤波器和马尔可夫随机场模型对纹理图像进行分析,得到两组特征影像。将上述两组特征影像进行融合,最后利用融合后的数据实现图像的分类。实验证明,基于上述方法的纹理特征融合分类算法大大提高了图像的分类精度。 相似文献
5.
分别利用多通道Gabor滤波器和HSV颜色模型对图像进行特征提取,得到两种特征空间。用顺序向前浮点法搜索,以J-M距离(Jeffreys-Matusitas distance)为评价指标进行特征选择,最后利用综合后的特征数据在SVM基础上实现图像的监督分类。上述方法提高了彩色纹理图像和遥感图像的分类正确率。实验表明,多特征融合的分类效果比单一特征要好。 相似文献
6.
《武汉大学学报(信息科学版)》2016,(7)
为了进一步提高遥感图像分类的精度,提出了一种基于Log-Gabor小波和Krawtchouk矩的遥感图像分类算法。首先利用Log-Gabor小波对遥感图像进行多方向、多分辨率滤波,提取遥感图像的纹理特征;同时计算遥感图像的Krawtchouk矩不变量,作为遥感图像的边缘形状特征,并与基于Log-Gabor小波提取的纹理特征构成完整的特征向量;最后依据所提取的特征向量利用支持向量机(support vector machine,SVM)分类器对待分类图像进行分类,得到最终的遥感图像分类结果。实验结果表明,与近年来提出的基于Gabor小波、基于Log-Gabor小波、基于Krawtchouk矩等3种遥感图像分类算法相比,本文算法在主观视觉效果和分类精度等客观定量评价指标上都有了明显的改善,是一种行之有效的遥感图像分类算法。 相似文献
7.
基于分类回归树分析的遥感影像土地利用/覆被分类研究 总被引:50,自引:1,他引:50
以专家知识和经验为基础,综合影像光谱信息和其他辅助信息进行分类的基于知识的遥感影像解译方法,是提高遥感影像分类精度,实现自动解译的有效途径之一。然而,知识的获取一直是其得以广泛应用的“瓶颈”问题。以江苏省江宁试验区土地利用/覆被分类为例,利用分类回归树分析(CART)从训练样本数据集中发现分类规则,集成遥感影像的光谱特征、纹理特征和空间分布特征进行分类实验,并与传统的监督分类和逻辑通道分类方法进行比较。结果表明,基于CART的分类方法的精度基本在80%以上,与另两种方法相比,有了较大的提高,而且该算法复杂性低,效率高。由此说明,利用CART算法构建决策树获取的分类规则是合理的。它可以快速、有效地获取大量分类规则,是促进基于知识的遥感影像分类方法在土地利用/覆被分类中广泛应用的一项有效手段。 相似文献
8.
合理尺度纹理分析遥感影像分类方法研究 总被引:1,自引:0,他引:1
纹理分析是提高遥感影像分类精度的重要手段之一。纹理特征与地物类别尺度密切相关,应用纹理特征进行遥感影像分类,
关键在于纹理尺度的确定。对于灰度共生矩阵纹理分析来说,就是选择大小合适的纹理窗口。根据样本半变异值在较小范围内有较
大变化的特性,研究遥感影像相邻像素之间的空间关系,将半变异值开始趋于恒值时所对应的步长作为纹理分析的窗口大小,并在
纹理特征提取过程中针对每一个像素,在最大似然分类结果的约束下,适时改变其窗口大小,提取纹理特征,提出一种合理尺度纹
理分析的遥感影像分类方法。最后,选择北京市昌平区2006年SPOT 5遥感影像,利用TitanImage二次开发环境实现了该方法。实践
证明,该方法能有效提高遥感影像的分类精度。 相似文献
9.
10.
利用模式识别中特征提取和特征选择的相关理论对遥感影像的纹理特征进行遴选和变换处理,得到描述纹理的二次特征。实验证明这些新特征能够提高影像分类精度和分类效率。 相似文献
11.
基于改进的像素级和对象级的遥感影像合成分类 总被引:1,自引:0,他引:1
像素级和对象级的分类研究分别作为两个独立的方向开展,二者的结合与优势互补还没有引起关注。本文对像素级和对象级分类方法的结合做出新的探索,提出了基于改进的像素级和对象级的遥感影像合成分类方法。首先,以一种改进的RBF神经网络分类器进行像素级分类、以一种基于改进模糊支持向量机和决策树的层次分类模型进行对象级分类,获得多层次分类结果。然后,提出了一个具体的像素级分类与对象级分类的合成算法,对多层次分类结果进行合成。实验表明,合成分类方法能有效地提高分类结果的精度,提供比单一像素级方法或对象级方法更准确的分类结果。 相似文献
12.
高分辨率遥感影像5种面向对象分类方法对比研究 总被引:1,自引:0,他引:1
针对主流的面向对象分类方法在遥感影像处理中的使用范围不明确的问题,以e-Cognition软件平台为基础,处理标准数据集,综合考虑视觉效果、总体精度和用户精度3方面,系统地比较分析了主流的面向对象分类方法在高分辨率影像中的分类效果和精度分析。试验结果表明:使用不同的分类方法均存在混分现象且混分对象不完全一样。在处理同一标准数据集时,隶属度函数分类方法的精度最高但分类速度最慢,Bayes的分类效果最差但操作简单,支持向量机(SVM)、决策树(DT)、随机森林(RF)的分类速度均较快且都有较高的精度,其中SVM分类方法在区分相似性高的对象方面具有明显优势。在选择高分影像分类方法时,要充分考虑分类影像的特征选择从而选择合适的分类方法。 相似文献
13.
14.
15.
影像分类技术是遥感影像分析与解译的重要基础。纹理特征是影像的重要特征,本文主要实现基于纹理特征的遥感影像监督分类。首先对地物样本进行提取,通过样本训练统计各类地物纹理特征向量,建立纹理特征库;然后以各类地物的特征向量作为基准,采用最短距离分类器对影像进行分类;最后采用混淆矩阵对分类结果进行精度评定,并与ERDAS专业软件分类结果进行对比分析。实验证明,本分方法取得了与ERDAS软件相当的分类效果,从而验证本文方法的可靠性。 相似文献
16.
煤田火区特征的土地覆盖分类方法
——以乌达煤田火区为例 总被引:1,自引:0,他引:1
土地覆盖变化是土地分析与评价和生态环境变化预测的重要科学基础, 通过精确的土地覆盖分类方法
获取高精度的土地覆盖图是研究煤田火区生态环境变化的必要手段。本文以最大似然法、光谱角度法、面向对象
分类法和基于复合分区的分层分类法进行乌达煤田火区土地覆盖分类的方法研究。研究结果表明, 基于复合分区的
分层分类方法分类精度较高, 总体分类精度为92.97%, kappa 系数为0.9155。该方法通过基于地表热辐射特征、热
异常状况、地貌类型, 以及对生态系统扰动状况等的划分, 减少了地物信息的混淆度, 即通过提 相似文献
17.
BS-GEP算法在水利遥感图像分类中的应用 总被引:1,自引:0,他引:1
在地物环境状况较为复杂时传统基于统计学遥感分类算法难以得到较高的分类精度。针对这一问题,这里将基于分组策略的改进基因表达式编程算法(BS-GEP)应用到遥感图像分类问题中,避免传统的基因表达式编程算法由于种群多样性破坏引起局部收敛,解决地物状况复杂时难以得到较高分类精度的问题。实验结果表明:基于分组策略的基因表达式编程算法的分类器提取的分类规则能转为数学表达式形式并能获得较高的分类精度,与基因表达式编程算法(GEP)相比分类结果混淆程度相对较低,与最大似然法相比分类结果相对清楚,模型分类精度达到93%。 相似文献
18.
通过对已有的数据分级模型及分级模式进行分析,提出引导型专题数据分级处理流程。首先运用分级数确定模型给出分级数,再利用"秩和比法+熵值法"对系统中各个分级模型的分级结果进行评价,最后以向用户推荐分级数和分级模型的形式辅助用户选择合适的分级处理模型。结合实例,对引导型专题数据分级处理过程及关键步骤进行详细说明,并通过原型系统显示实例结果。结果表明,此数据分级处理模式能让普通用户快速准确地进行数据处理。 相似文献
19.
角度分类器与距离分类器比较研究——以盐渍土分类为例 总被引:3,自引:1,他引:3
选择理想的分类器是进行遥感图像自动分类的关键。距离分类器是以已知地物类别的亮度值作为分类基准,通过比较未知类别像元与已知类别像元亮度值间的距离进行分类。角度分类器是以光谱谱线角为分类基准,通过比较n维波段空间中未知类别像元与已知类别像元光谱角度进行分类。本通过上述两种分类器对同一遥感图像进行分类,对两种分类器的分类效果进行了比较。 相似文献