基于高分二号的云南松林遥感影像提取方法研究

基于高空间分辨率的高分二号遥感影像,建立包含影像光谱特征、几何特征、纹理特征在内的分类特征集,使用面向对象的分类算法提取研究区的云南松林。研究表明:光谱特征、几何特征和纹理特征同时参与分类,得到的分类效果比单独使用一种特征或两种特征组合的分类效果更显著;与贝叶斯分类算法、K最邻近分类算法、支持向量机分类算法相比,随机森林算法的分类结果总体精度最高,为93.35%,对研究区云南松林提取的生产者精度为96.91%,用户精度为92.35%;云南松林面积占研究区面积的40.10%,是研究区最为重要的树种。     

遥感影像居民地信息自动提取方法研究进展

快速掌握居民地的时空分布和变化特征对于区域可持续发展具有重要意义。遥感技术的发展，为居民地的快速提取提供了新的途径。传统的人工目视解译费时费力，基于遥感影像的居民地信息自动提取势在必行。主要探讨了居民地信息自动提取的5种方法，即基于统计的分类法、谱间结构阀值法、归一化指数法、纹理分析法、地学专家知识分类法，讨论了各种方法的优缺点，总结了目前的研究进展。最后提出了居民地信息自动提取方法的发展趋势．认为多种分类方法相结合，建立居民地信息提取的专家系统将是今后研究的重点。     

基于多通道数据融合的无人机遥感影像地物目标提取方法

针对仅使用无人机遥感RGB影像进行目标检测时精度不高、高程信息利用不足等问题,该文采用通道叠加和类IHS变换两种多通道数据融合方法对RGB影像与高程数据进行融合,使用DeepLabv3+卷积神经网络语义分割模型提取两种融合影像地物目标,并与RGB影像提取结果进行对比分析.结果表明,基于上述两种融合影像的地物目标识别精度高于仅使用RGB影像的识别精度,其中通道叠加影像的整体像素精度、平均像素精度和Kap-pa系数分别提高了3.52％、1.42％ 和14.99％.由于不同地物目标与周围地物的高程差不同,致使各融合方法对不同地物目标识别精度的提升效果不同,道路、建筑和地面识别精度的提升效果较好.     

基于语义约束的GF-1遥感影像山区居民地提取方法

山区居民地空间分布信息是山区灾害应急响应与评估的重要基础资料。我国大力发展的高分辨遥感系统,为快速获取山区居民地空间分布信息提供了数据保障,对灾害应急与评估具有重要的现实意义。针对高分辨率遥感影像居民地提取结果误分对象较多的情况,本文提出一种基于语义约束的高分一号(GF-1)遥感影像山区居民地提取方法,其基本思路是:根据山区居民地独特的分布规律,制定山谷线、山坡、雪线等语义约束条件,并将其与面向对象方法相结合进行居民地提取。以覆盖四川省康定县的一景GF-1影像为例进行实验,采取语义约束下的山区居民地提取,正确率为82.91%,漏分率仅为7.86%。与不使用语义约束的面向对象分类法直接提取结果相比,正确率提高了1.2倍。实验表明,本文提出的山区居民地提取方法能够有效改善山区居区地信息提取效果。     

面向对象的干旱区盐渍地信息提取方法研究

随着高分辨率遥感影像的广泛应用,面向对象的高分辨率遥感影像信息提取技术得到了迅速发展。本文针对高分辨率遥感影像的盐渍地信息提取,探索了面向对象的信息提取技术运用在盐渍地信息提取方面的最优参数选择和规则建立等关键技术,并且将从ALOS影像中提取盐渍地信息的结果与传统分类方法的提取结果进行对比分析。结果表明,利用面向对象方法的盐渍地信息提取总体精度为89.38%,较传统方法提高8.24%,Kappa系数为0.88,较传统方法提高0.08。该方法能实现较为精确地提取盐渍地信息,在高分辨率遥感影像盐渍地信息提取中具有一定的优势。     

基于面向对象方法的高分辨率遥感影像城市用地分类研究

对城市用地类型进行研究,能够为城市土地的合理规划、布局及管理提供信息支撑.本文采用基于面向对象的影像分析技术依据多尺度影像分割结果,对呼和浩特市城市中心区用地进行分类研究.试验表明这种分类方法不仅速度快而且精度高,为高分辨率遥感影像城市用地分类研究提供了新思路.     

基于RapidEye卫星和面向对象方法的南方山区居民地提取（英文）

在中国快速城市化进程中,农村居住人口减少的同时居住用地却呈增加趋势,这一现象在南方山区尤为明显。利用遥感技术进行农村居民地信息的提取与分析具有重要意义。本研究选取江西省泰和县为典型研究区,基于RapidEye卫星影像,利用面向对象的分类方法进行居民地的分类提取。构建的分类规则集包括归一化植被指数NDVI、归一化水体指数NDWI、亮度以及长/宽比。通过多次实验,图像的最佳分割尺度设置为200。通过设置不同的分类规则参数,提取了研究区的居民地及其他土地利用类型,并进行分类结果验证和精度评价。研究区的居民地分类总体精度为78.40%,生产者精度和用户精度分别为68.75%和77.33%。结果表明通过利用面向对象的分类方法,Rapid Eye卫星影像为农村居民地信息提取提供了适宜数据源。与第二次全国土地调查结果相比,存在93.67公顷的分类差异,主要分布在居民地与其他土地利用类型的毗邻地区。     

红树林空间分布信息遥感提取方法

在区域尺度下,探索提取不同林分结构和滩涂裸露状况下红树林空间分布遥感信息的适用方法。选择ALOS PRISM/AVNIR-2为数据源,以广西北部湾两个红树林典型分布区作为实验区,第一个实验区是红树林茂密、滩涂裸露的区域,第二个实验区是红树林稀疏、低矮和滩涂不完全裸露的区域,分别采用了植被指数、监督分类、非监督分类和面向对象分类方法,进行实验。研究结果表明,在第一个实验区,用RVI、NDVI、SAVI、DVI、监督分类、非监督分类和面向对象方法进行遥感分类的总体精度分别为95.3%、94.3%、92.3%、93.3%、96.0%、97.0%和94.0%,说明这几种方法都可以较精确地提取红树林信息,其中非监督分类的结果相对较好;在第二个实验区,植被指数不能精确提取红树林信息,监督分类、非监督分类和面向对象分类的总体精度分别为92.7%、85.7%和89.3%,以监督分类的结果最好。因此,监测区域尺度的红树林,必须根据具体海湾或地段红树林的林分结构特点、成像时刻的潮位高度、红树林在遥感图像上的表征,选用适合的方法,才能确保红树林信息提取精度。在采用多源遥感数据进行红树林动态监测中,综合运用植被指数、监督分类、非监督分类、面向对象分类和图像解译方法,可以准确提取红树林信息。此外,对于斑块破碎、林木低矮且相当部分稀疏的广西北部湾乃至南中国海红树林遥感信息提取,适用的遥感图像空间分辨率应小于5m,以小于3m更适宜。     

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.     

面向对象的遥感影像分类方法在土地覆盖中的应用

本文基于面向对象的分类思想,以SPOT-5影像为数据,采用分层分类的方法,利用对象的多特征构建合适的特征空间,建立知识库,结合最邻近分类器与模糊规则两种方法,并使用空间关系对分类进行优化,结果表明该方法对高分辨率影像分类在减少分类不确定的同时还提高了分类精度。     

遥感影象中居民地信息的自动提取与制图

如何自动获得居民地矢量信息是遥感和地理信息系统领域研究的热点问题。以南京市江宁区为研究区域,基于光谱特征分析,建立决策树模型进行居民地信息的自动提取。重点研究如何将已提取的居民地图斑进行形态综合,得到满足地理信息系统数据建库与更新、遥感制图等的可视化图形数据,为灾害评估、城镇扩展和环境变化研究等提供必要的基础信息。最后,给出文章方法的实验结果并做出讨论。     

应用基于纹理的面向对象分类模糊方法提取水田信息

针对面向对象分类方法进行图像处理时出现大量冗余多边形及其分类结果出现斑点等不足,提出基于纹理特征的分割方法。先对原始图像进行纹理增强、主成分分析、低通滤波和图像分割等预处理,得到原始图像的纹理特征二值图;将二值图作为独立波段与其他波段进行假彩色合成,得到纹理增强图,再对其进行多尺度分割和模糊分类。以南京市浦口区2002年9月SPOT图像为例,分别利用上述两种方法提取图像中的水田信息,基于纹理特征的分割方法克服了面向对象分类方法的不足,并且由于在进行模糊分类时分割出的对象大量减少,一定程度上减小了确定模糊区间的难度,较好地提取出水田信息,提高了图像的分类精度。     

一种基于面向对象的城镇道路自动提取方法研究

城镇地物类型复杂多样,道路狭窄且易与周围地物混合,这导致城镇背景下的道路信息提取存在困难。该文以安徽省滁州市部分区域为实验区,使用资源三号卫星影像,采用面向对象的方法,利用光谱特征、形状特征等信息,在对象级基础上通过复合向量机的方法进行城镇背景下的道路信息循环拾取,并利用形态学方法对提取的结果进行了分类后处理。研究结果表明,该文提出的道路提取方法具有可行性。     

基于高分辨率遥感图像的树冠面积提取方法

树冠面积调查是城市绿化调查中的一个主要内容。随着遥感技术的发展,如何利用高分辨率遥感图像快速、准确地提取树冠面积信息已成为城市绿化遥感研究的问题。该文提出一种基于射线法的半自动树冠面积提取算法,通过设定树冠中心点位置,引出若干条光谱射线,进行高次曲线拟合,求其拐点作为树冠边界点,从而得到树冠的面积信息。实验表明,对于重叠较少的树冠面积提取精度为87.82%,重叠较多的树冠面积提取精度为84.91%。     

一种基于遥感数据快速提取居民地信息的新方法

基于Landsat TM/ETM+遥感影像的谱间关系,利用居民地与背景地物光谱值在波段3、波段4、波段5的差异,提出了一种新的建筑指数(New Built-up Index,NBI),并利用该指数提取居民地信息.选用常州市为研究区,以2007年Landsat TM影像为数据源,居民地提取精度达90%;进一步在多丘陵地区桐庐县进行验证,融入植被指数,居民地提取精度达91%.     

面向地震应急准备的居民地遥感提取及量化分析

运用灰度共生矩阵、数学形态学等方法提取新疆新源地区高分一号2 m分辨率影像居民地信息,运用目视解译、影像叠加分析、缓冲区分析等方法,进行居民地量化分级,为地震应急准备提供数据支持。结果表明：研究区在地震烈度为Ⅷ度及以下区域,埋压主要集中在单层结构为主的建筑区;当地震烈度高于Ⅷ度且造成多层建筑大面积倒塌时,县城等人口密集区为首要救援区;在地震应急准备时,应对交通条件三等区和交通条件四等区重点关注,增加应急物资储备点,对山区居民地,应考虑道路毁坏情况,转换救援方式,做好应急预案。     

应用国产高分一号卫星数据提取风蚀荒漠化遥感信息方法研究

基于国产高分一号卫星数据,建立荒漠化遥感信息产品指标体系,利用风蚀荒漠化影响因子对荒漠化遥感信息进行分级提取。该方法以国产高分一号影像数据为风蚀荒漠化分类特征波段,利用面向对象方法,分离非荒漠化信息、建立风蚀荒漠化分类提取方法,并进行风蚀荒漠化提取方法精度评价。本文介绍了在民勤地区应用国产高分一号卫星遥感数据提取风蚀荒漠化分级信息的实例。     

基于面向对象法的Landsat 8影像山区细小水体提取方法

利用Landsat系列影像提取水体的方法有很多种,细小的水体漏提或误提现象严重,依靠单一的方法难以取得突破。本研究结合现有的方法提出一种新的思路:1)基于DEM数据提取河网数据;2)辅以河网缓冲区数据将Landsat 8影像的1-7波段和全色波段用于多尺度分割,根据形状特征提取线状的细小水体;3)假设2.5 m分辨率影像提取的结果为实际水体,与基于像元的MNDWI法进行对比。结果表明水体的总体提取精度提高11.7%,细小水体提取比例从13.3%上升到59.6%,因此本方法简单易行,有利于线状的细小水体提取,可在一定程度上减少山区细小水体的漏提,提高水体提取整体精度。     

面向对象的高分辨率影像城市建筑物提取

依据高分辨率遥感影像的特点,采用面向对象方法提出"自下而上"的多尺度分割方法,即按照由小尺度分割至大尺度分割的顺序,并结合掩膜操作对山东师范大学IKONOS影像进行了建筑物提取试验。结果表明,该方法较传统的"自上而下"的尺度分割方法精度有显著改善,其分类结果形状较为规整,更接近实际地物。