面向对象的遥感分类应用于土地调查的可行性研究

以张家界市武陵源区土地利用现状调查为例,采用面向对象的分类技术对高分辨率遥感影像进行分割和自动分类,将分类结果导出到MapGIS环境下,进行拓扑构建和属性编辑,完成土地利用现状数据建库。     

湖南省道县土地利用变迁研究

针对高分辨率多时相遥感影像数据,通过提取不同视角的特征,表达影像内容的不同方面,在多特征融合的基础上采用支持向量机或者最大似然分类算法对多时相遥感影像进行分类,并对土地利用程度变化和土地利用动态度进行了分析。     

利用SPOT-6影像提取新增建设用地的方法研究

随着我国城镇化进程的推进,新增建设用地占用耕地不可避免,特别是在城市郊区/近郊区。为加强土地管理,国土部门对土地利用进行年度变更调查监测与核查工作,重点监测各类新增建设用地。SPOT-6影像是一种投入使用时间不长的全新遥感数据源。本文基于SPOT-6影像,结合基期土地利用图,利用SEaTH算法,采用面向对象的方法,研究新增建设用地自动提取算法。首先提取基期的非建设用地图斑,在其约束下对SPOT-6影像进行多尺度分割,以分割得到的新图斑为基本单元,利用光谱、纹理等特征构建土地类型识别知识库,基于SEaTH算法来实现特征优选和特征阈值自动确定,并构建了模糊分类规则,最后将分类结果与基期土地利用数据叠加分析,获取新增建设用地。实验结果表明,应用SPOT-6影像与基期土地利用图,提取新增建设用地的精度达到88%,满足土地利用年度变更调查监测与核查的基本要求。     

前期土地覆被数据辅助下的分类样本自动选取

 将地学知识与影像标定相结合,一直是目视解译或计算机自动分类制图的主要手段。传统的目视解译方法能够充分利用地学知识,但需要大量的人力、物力,效率较低;计算机分类中尚未出现比较成熟的高效运用地学知识的分类方法。已有研究表明,分类样本可以作为地学知识的载体,将地学知识融入分类过程中;此外,无监督聚类可以显著提高样本选取的效率,有助于提供足够的样本,为将地学知识高效地融入计算机分类提供了一定的基础。本文提出一种以前期土地利用数据辅助与影像聚类相结合的样本自动选取方法。利用自动选取的样本,通过最大似然分类器对TM影像进行分类,并与手动选取样本分类的方法进行了对比分析。研究结果表明,在分类效果上,本文提出的前期土地覆被辅助下的分类样本自动选取方法,优于手动选取样本的方法,提高了分类效率。在水体、林地、园地、城镇建设用地等7种类型上的分类整体精度达到84.18%,kappa系数为0.8066;手动选取样本进行分类的整体精度为77.04%,kappa系数为0.7196。     

基于多时相光谱库的地表覆盖自动分类研究

本文探讨了基于构建多时相光谱库对中分辨率遥感影像进行地表覆盖自动分类的有效性.通过对研究区域Landsat影像进行定量化处理,获取研究区域真实地表反射率,构建研究区域2017年夏冬季典型地物的光谱先验知识库;利用构建光谱库对研究区域2018年夏季Landsat地表反射率影像进行自动随机森林分类,并利用2018年地理国情...     

近20年来福州市土地利用时空变化的遥感分析

以1986、1996和2006年三期Landsat TM影像为基本数据源,采用最大似然法分类,并以同期高分辨率的SPOT5影像进行分类后处理,最后分类后变化检测法监测了福州市1986~2006年的土地利用变化及其转移模式。结果表明,福州市近20年间土地利用发生了较大的变化,城乡建筑用地处于快速增长阶段,而耕地数量却在不断下降。经济发展、人口增长、政府决策等因素是福州市土地利用发生变化的主要驱动力。     

高分辨率遥感影像目标分类与识别研究进展

高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究进展。首先,讨论了高分辨率遥感影像的目标分类与识别问题的主要研究层次和内容;其次,深入分析了高分辨率遥感影像目标分类与识别,在滤波降噪、特征提取、目标检测、场景分类、目标分类和目标识别的关键技术及其所存在的问题;最后,结合并行计算、神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案。具体包括：（1）高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+OpenMP+CUDA的高分辨率遥感影像混合并行处理架构;（2）深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;（3）认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案。此外,根据媒体神经认知计算的相关研究,探讨了遥感影像大数据的目标分类和识别的发展趋势和研究方向。     

土地利用变更的遥感应用分析

发现变化区域和变更类型是土地利用变更信息提取的主要任务,随着遥感技术的发展,土地利用变化信息提取的方法趋向于结合高分辨率的卫星影像和现有的影像处理方法来产生变化信息模板。本文全面总结分析了土地利用变更信息获取的技术和方法,并在此基础上进一步研究了基于RS和GIS技术的土地利用变更信息获取技术方法,以及高分辨率遥感影像在土地利用变更信息提取中的应用分析。     

山东省土地利用类型动态变化监测系统开发与验证

快速准确地区域土地利用分类是土地利用变化监测的重要部分。该文以山东省为例,使用Terra MODIS地表反射率产品(MOD09),根据山东省遥感影像在不同月份上地物反射率特征构建决策树,在VC平台上开发基于该决策树的针对MOD09数据的土地利用类型自动分类及变化分析的系统,对2000—2009年MOD09每月数据进行分类及其变化分析,并将结果与MODIS地表分类产品进行对比,验证了该系统的高效性和实用性。     

论遥感影像在土地更新调查中的应用

随着经济建设的发展,原有的土地利用变更手段比较落后,精度难以保证,基础资料已经无法做到图、数、实地相一致,实践证明,利用SPOT-5高分辨率遥感影像进行土地利用现状更新调查是一种行之有效的手段。本文主要应用大同市新荣区的遥感影像,建立起了土地利用现状图的解译标志,为土地利用数据库的建立作好准备。并利用SPOT-5的2.5m全色数据和l0m多光谱遥感影像的融合数据,集合外业、内业土地更新现状调查的数据,采用了监督分类及目视解译的方法,完成了土地更新调查的基本图件,充分显示了遥感技术在土地利用详查中所发挥的作用。应用遥感技术则可以快速获得土地利用和土地覆盖的动态变化信息。     

亚像元制图适应性分析与评价——以天津市津南区和北京市海淀区土地覆被制图为例

亚像元制图作为一种降尺度分类方法,可利用低分辨率影像获取高分辨率分类图。本文旨在探讨亚像元制图的降尺度分类结果与高分辨率影像分类精度和分类特征上的一致性。实验以天津市津南区和北京市海淀区为研究区,分别对中空间分辨率影像（TM或HJ）进行亚像元制图和对高空间分辨率影像（ALOS或ZY）进行硬分类得到相同空间分辨率的分类结果,从绝对精度、相对精度、空间结构和空间格局上,对2幅分类结果进行分析和评价。实验结果显示：（1）分类精度上,TM和HJ影像的亚像元制图结果,以地面验证样本为参考的绝对总体精度分别为84%和82%,以高分辨率影像（ALOS和ZY影像）硬分类结果,为参考的相对总体精度分别为82%和77%;（2）分类特征上,中空间分辨率影像亚像元制图结果的空间相关性较强、斑块数量较少、聚集度较高,但与高分辨率影像分类结果的总体结构相似,各类别的面积比例基本一致。因此,亚像元制图结果在分类精度和分类特征上与高空间分辨率影像分类结果具有较强的一致性,在缺少高分辨率土地覆被制图时,可将亚像元制图获取的降尺度分类图作为替代数据。     

基于深度学习的高分辨率遥感影像土地覆盖自动分类方法

土地覆盖变化是全球变化研究的核心,而精准分类是开展土地覆盖变化研究的基础。高分辨率遥感卫星技术的快速发展对地表分类的速度和精度提出了双重挑战,近年来人工智能等新技术的发展为图像自动分割提供了实现途径,而以卷积神经网络为代表的深度学习方法在遥感图像分类领域也具有独特的优势。为对比深度学习模型设计对高分辨率图像分类结果的影响,本文以郑州市2019年高分1号影像作为输入,对比研究了基于UNet模型改进的4种不同深度学习网络模型在高分辨率影像土地覆盖自动分类应用中的差异,探讨了残差网络、模型损失函数、跳层连接和注意力机制模块等编码和解码设定对于分类精度的影响机制。研究发现：同时加入多尺度损失函数、跳层连接和注意力机制模块的MS-EfficientUNet模型对郑州市土地覆盖分类结果最优,基于像元评价的整体分类精度可达0.7981。通过在解码器中引入多尺度损失函数可有效提高林地、水体和其他类别的分类精度;而对编码器进行改进,加入跳层连接和注意力机制可进一步提高草地、水体和其他类别地物的分类精度。研究结果表明,深度学习技术在高分辨率遥感影像自动分类中具有潜在应用价值,但分类结果精度的进一步提高和多级别大范围的精细分类方法仍是下一步研究的重点。     

基于eCognition平台的第三次全国国土调查应用研究

第三次全国国土调查是我国一项重要的调查工作,是全面查清国土资源的重要手段。本文基于eCognition的面向对象分类方法结合光谱特征、纹理特征和几何特征进行高分辨率遥感影像的土地利用分类,研究结果表明该分类方法具有较好的分类结果和较高的精度评价。该分类方法已应用于第三次国土调查成果的检查,提高了不一致图斑提取的工作效率,同时可为年度土地变更调查、自然资源调查监测工作提供技术支持。     

亚像元制图适应性分析与评价——以天津市津南区和北京市海淀区土地覆被制图为例

亚像元制图作为一种降尺度分类方法,可利用低分辨率影像获取高分辨率分类图。本文旨在探讨亚像元制图的降尺度分类结果与高分辨率影像分类精度和分类特征上的一致性。实验以天津市津南区和北京市海淀区为研究区,分别对中空间分辨率影像(TM或HJ)进行亚像元制图和对高空间分辨率影像(ALOS或ZY)进行硬分类得到相同空间分辨率的分类结果,从绝对精度、相对精度、空间结构和空间格局上,对2幅分类结果进行分析和评价。实验结果显示:(1)分类精度上,TM和HJ影像的亚像元制图结果,以地面验证样本为参考的绝对总体精度分别为84%和82%,以高分辨率影像(ALOS和ZY影像)硬分类结果,为参考的相对总体精度分别为82%和77%;(2)分类特征上,中空间分辨率影像亚像元制图结果的空间相关性较强、斑块数量较少、聚集度较高,但与高分辨率影像分类结果的总体结构相似,各类别的面积比例基本一致。因此,亚像元制图结果在分类精度和分类特征上与高空间分辨率影像分类结果具有较强的一致性,在缺少高分辨率土地覆被制图时,可将亚像元制图获取的降尺度分类图作为替代数据。     

最优分割尺度下的多层次遥感地物分类实验分析

为了快速、准确地提取我国海岸带地区土地利用及其变化信息,选择高分辨率遥感影像作为数据源,提出了最优分割尺度下的遥感多层次地物识别分类方法。首先,通过改进的局部方差法进行最优分割尺度的确定,建立影像中各对象的方差均值与变化率随分割尺度变化曲线,确定方差均值的峰值,以变化率开始呈现下降趋势时所对应的分割值为最优分割尺度参考...     

高分辨率遥感影像特征分割及算法评价分析

图像分割一直是图像处理和计算机视觉领域中的一项关键技术。本文首先从遥感影像地学处理与应用的角度阐述了影像分割技术对于遥感信息提取和目标识别的重要性,然后提出了基于特征的高分辨率遥感影像信息提取技术框架,建立了一套基于特征的遥感影像分割方法及分类体系。同时,鉴于遥感影像分割方法评价的重要性, 阐述了一种高分辨率遥感影像分割方法评价的思路,并对几种典型的基于特征的遥感影像分割方法进行定性和定量的试验和评价,对其各自的性能和适用面进行对比分析。最后,指出了遥感影像特征分割方法所存在的问题及其发展趋势。     

基于高分辨率遥感目标特征库的地震灾情快速评估方法

高分辨率遥感影像已逐步成为地震灾害快速评估的主要数据源之一,但现有的遥感地震灾害信息提取方法存在对研究人员目视解译经验依赖性强和利用高分辨率影像提取结果精度不高的问题。因此,本文提出了一种基于目标特征库的高分辨率遥感灾害信息快速提取方法,用于提升遥感影像灾害信息提取的效率和自动化程度,并对基于目标特征库进行地震灾情快速评估的几项关键技术（目标特征库构建、样本匹配方法和自动分类方法）进行了阐述,最后,以云南鲁甸地震龙头山镇地区为研究区,基于高分辨率遥感影像在目标特征库支持下开展了地震灾情快速评估实验。通过与灾后调查数据的对比分析发现,基于高分辨率遥感灾害目标特征库的地震灾情快速评估结果在精度上可以满足灾情快速评估的业务需要,同时还具有更好的时效性。     

无人机影像的面向对象水稻种植面积快速提取

基于抽样技术的地面调查与遥感影像分类相结合的方法在大范围作物种植面积提取中得到广泛使用。无人机影像具有低成本、高时效、高分辨率的一系列优点,可以快速实现特定区域范围内的农情采样任务。本文以水稻样地为研究对象,采用便携式无人机Mavic Pro进行航拍。对所获取无人机影像进行预处理生成分辨率为3.95cm/pix的正射影像,采用面向对象的思想,目视评价和ESP工具相结合快速选择了最优分割尺度为300,应用了支持向量机、随机森林和最邻近监督分类方法对影像进行了地物分类和水稻面积快速提取。采用目视解译分类结果进行分类结果和面积精度评价,总体精度最高的方法为最邻近分类法,此时水稻分类用户精度为95%,面积一致性精度为99%。研究结果说明了无人机遥感和自动分类能够在平原水稻种植区快速获取样方内高分辨率影像并提取水稻种植面积,弥补了农田被遮挡时地面调查数据的缺失,为大范围水稻种植面积、产量等信息的计算提供样本和验证依据。     

基于高分二号卫星影像的城市不透水面提取

受到分类目标趋于多样化和影像因素复杂的影响,基于高分辨率遥感影像提取城市不透水面的方法普遍精度不高。本文旨在探索快速有效地利用高分辨率遥感影像提取不透水面方法。以梧州市高分二号遥感卫星影像为例,采用支持向量机方法应用于不透水面分类中。这种方法首先根据高斯核函数训练出样本空间,然后直接对经过HSL色彩空间变换后的影像进行分类,使得有效特征信息增加进而分类精度提高。实验结果证明了这种方法的有效性。     

土地利用遥感动态监测技术方法介绍

采用遥感技术进行土地利用动态监测是一条行之有效的方法。遥感监测方法多种多样。但为了确定变化类型,要引入遥感图像分类方法。遥感分类方法一直是遥感技术方法研究的重要领域。迄今为止,目视解译仍是成功的分类方法;在今后相当长的一段时间内,目视解译分类与计算机自动分类将协调发展。我国土地利用遥感动态监测方法主要采用目视解译、计算机自动分类及目视解译与计算机图像处理相结合的方法,其中,目视解译的方法一直占有重要地位。随着高分辨率传感器的相继问世,利用多平台遥感数据融合进行监测研究将有利于提高分类、监测精度。我国的土地利用遥感监测研究正深入开展,并将在计算机信息提取及监测方法上取得更大的成果。