共查询到20条相似文献,搜索用时 125 毫秒
1.
2.
基于eCognition的遥感图像面向对象分类方法研究 总被引:1,自引:0,他引:1
随着高分辨率遥感图像越来越普及,传统的面向像元的图像分类方法不能满足对高分辨率遥感图像区域分类的需求,高分辨率遥感图像对图像处理的软件与硬件都有了更高的要求,因此,出现了相较于面向像元有着更高精度更为合理的面向对象分类方法,也更加适用于高分辨率遥感影像。本文通过采用面向对象分类的基本方法,运用eCognition软件,以山东省胶州市地区遥感影像为例,进行多尺度分割和面向对象分类。并用ENVI做监督分类,基于目视解译精度评定,对不同方法作出分析评价。结果表明:面向对象分类方法精度更高,更具有可靠性。 相似文献
3.
4.
高分辨率遥感影像解译是遥感信息处理领域的研究热点之一,在遥感大数据知识挖掘与智能化分析中起着至关重要的作用,具有重要的民用和军事应用价值。传统的高分辨率遥感影像解译通常采用人工目视解译方式,费时费力且精度低。所以,如何自动、高效地实现高分辨率遥感影像解译是亟待解决的问题。近年来,随着人工智能技术的飞速发展,采用机器学习方法实现高分辨率遥感影像解译已成为主流的研究方向。本文结合高分辨率遥感影像解译的典型任务,如目标检测、场景分类、语义分割、高光谱图像分类等,系统综述了5种代表性的机器学习范式。具体来说,本文分别介绍了不同机器学习范式的定义、常用方法以及代表性应用,包括全监督学习(如支持向量机、K-最近邻、决策树、随机森林、概率图模型)、半监督学习(如纯半监督学习、直推学习、主动学习)、弱监督学习(如多示例学习)、无监督学习(如聚类、主成分分析、稀疏表达)和深度学习(如堆栈自编码机、深度信念网络、卷积神经网络、生成对抗网络)。其次,深入分析五种机器学习范式的优缺点,并总结了它们在遥感影像解译中的典型应用。最后,展望了高分辨率遥感影像解译的机器学习发展方向,如小样本学习、无监督深度学习、强化学习等。 相似文献
5.
6.
遥感图像自动解译面临的问题与解决的途径 总被引:20,自引:2,他引:18
遥感图像自动解译的目的是为了满足人们从海量遥感数据中快速识别与获取不同专题信息的需要。目前图像自动解译主要依赖地物光谱特征 ,其解译精度不高。解决这一问题的主要途径包括 :抽取遥感图像多种特征并综合利用这些特征 ,利用遥感图像解译背景数据库 ,在地理信息系统支持下实现背景数据与遥感信息覆合 ,采用专家系统完成遥感图像自动解译。 相似文献
7.
8.
基于视觉特征的高分辨率光学遥感影像多任务分类研究 总被引:2,自引:1,他引:1
正计算机技术的进步推动了高分辨率遥感图像空间信息智能提取相关研究的发展,如何利用计算机视觉领域的特征表达有效地描述高分辨率遥感图像,并采用高效的分类模型融合不同的特征,是当前遥感图像自动化解译的一种有效思路。遥感影像分辨率的提升使得遥感场景越来越复杂,但同时地面目标也越来越清晰。由于遥感地物种类繁 相似文献
9.
10.
《国土资源遥感》2021,(3)
针对无人机获取的高分辨率遥感图像分类需求,提出一种K-means聚类引导的阈值分类方法。首先计算出无人机遥感图像数据集的Average Silhouette值,作为K-means的最优聚类数目;然后对原始图像进行Kmeans聚类初分割,对初分割结果中的非目标区域进行手工剔除;再对处理之后的新对象进行阈值分割和图像优化,完成对象的提取;最后对所有处理得到的地物标签进行合并,实现遥感图像的识别与分类。基于MATLAB/GUI平台,对提出的分类方法处理步骤进行集成,开发了无人机遥感图像分类处理系统,可对无人机遥感图像进行快速处理,实现半自动解译。对分类结果进行精度验证,其总体精度为91.09%,Kappa系数为0.88,表明该方法用于无人机遥感图像分类处理,能够实现地物的精确分类与信息提取。 相似文献
11.
利用高光谱遥感影像的空间纹理特征,可以提高高光谱遥感影像的分类精度。提出了一种多层级二值模式的高光谱影像空-谱联合分类方法。该方法将高光谱影像转化为局部二值模式特征图像获取像元微观特征,基于特征图像生成多层级特征向量获取像元宏观特征。为验证该方法的有效性,选取PaviaU、Salinas和Chikusei高光谱影像数据,利用核极限学习机分类器,分别针对光谱、局部二值模式、多层级二值模式等特征开展实验。结果表明,多层级二值模式空-谱分类总体精度分别达到97.31%、98.96%和97.85%,明显优于传统光谱、3Gabor空-谱等分类方法。该方法可为高光谱影像分类提供更加有效的类别判定特征,有助于提高影像分类精度并获取更加平滑的分类结果图。 相似文献
12.
13.
An Evaluation of Four Different Wavelet Decomposition Procedures for Spatial Feature Discrimination in Urban Areas 总被引:2,自引:0,他引:2
Texture or spatial arrangement of neighborhood objects and features plays an important role in the human visual system for pattern recognition and image classification. The traditional spectral–based image processing techniques have proven inadequate for urban land use and land cover mapping from images acquired by the current generation of fine–resolution satellites. This is because of the high frequency spatial arrangements or complex nature of urban features. There is a need for an effective algorithm to digitally classify urban land use and land cover categories using high–resolution image data. Recent studies using wavelet transforms for texture analysis have generally reported better accuracy. Based on a high–resolution ATLAS image, this study illustrates four different wavelet decomposition procedures – the standard, horizontal, vertical, and diagonal decompositions – for urban land use and land cover feature extraction with the use of 33×33 pixel samples. The standard decomposition approach was found to be the most efficient approach in urban texture analysis and classification. For comparison purposes and to better evaluate the accuracy of wavelet approaches in image classification, spatial autocorrelation techniques (Moran's I and Geary's C ) and the spatial co–occurrence matrix method were also examined. The results suggest that the wavelet transform approach is superior to all other approaches. 相似文献
14.
15.
地理信息系统支持下的山区遥感影像决策树分类 总被引:6,自引:2,他引:6
山区遥感影像分类是遥感研究的一大难题。本文利用一种决策树生成算法(C 4.5算法)自动提取知识,基于知识建立决策树用于山区影像分类,并结合研究区土地利用类型与DEM空间统计关系的先验知识,在GIS空间分析的基础上进行影像分类的后处理。与传统的最大似然法分类结果相比,该方法极大地改善了山区地表覆被分类的精度,得到试验区较为可靠的遥感分类图像。 相似文献
16.
This letter presents a hyperspectral image classification method based on relevance vector machines (RVMs). Support vector machine (SVM)-based approaches have been recently proposed for hyperspectral image classification and have raised important interest. In this letter, it is genuinely proposed to use an RVM-based approach for the classification of hyperspectral images. It is shown that approximately the same classification accuracy is obtained using RVM-based classification, with a significantly smaller relevance vector rate and, therefore, much faster testing time, compared with SVM-based classification. This feature makes the RVM-based hyperspectral classification approach more suitable for applications that require low complexity and, possibly, real-time classification. 相似文献
17.
18.
特征提取和选择是模式识别核心问题之一,它极大地影响着分类器的设计和性能,高维的特征选择更是一个NP难题。针对特征选择这一组合优化及多目标优化问题,本文提出了改进的融合启发信息ACO(Antcolony optimization)特征选择的新方法,该算法比不用启发信息的ACO方法能更好地找出代表问题空间的最优特征子集,降低分类系统的搜索空间,从而提高搜索效率。以航空纹理影像的特征选择和分类问题为例,利用原始蚂蚁算法和改进的蚂蚁算法选择的特征分别进行识别,结果证明该算法不仅能够比没有改进的蚂蚁找出有效特征集、降低图像特征空间维数、减少图像分类的工作量,而且提高了分类识别正确率。 相似文献
19.
Wenzhong Shi Kimfung Liu Hua Zhang 《International Journal of Applied Earth Observation and Geoinformation》2011
The multiple classifier system (MCS) is an effective automatic classification method, useful in connection with remote sensing analysis techniques. Combining MSC with induced fuzzy topology enables a decomposition of image classes. This fuzzy topological MCS then provides a new and improved approach to classification. The basic classification methods discussed in this paper include maximum likelihood classification (MLC), minimum distance classification (MIND) and Mahalanobis distance classification (MAH). 相似文献