高分辨率遥感影像分割的城市绿地提取研究

城市绿地是生态文明建设的重要组成部分,绿地信息提取是城市绿地规划和建设的基础和前提。遥感影像分割是绿地信息分类提取的关键步骤,选择合适的影像分割方法能有效提高城市绿地提取精度。传统的遥感分割方法分割结果中边缘锯齿现象严重,与绿地实地边界相差较大,不符合绿地信息提取的要求。本文以高分辨率的WorldView影像为数据源,使用深度学习网络DeepLab-v3+对城市绿地进行分割研究,在分割基础上进行城市绿地信息提取。同时,本研究将该网络模型的分割和分类结果与基于Ostu、MeanShift、FNEA分割算法的分类精度进行比较。研究表明：DeepLab-v3+的分割性能最好,其分割边缘光滑,与绿地实地边界吻合度高,有效解决了传统分割算法的边缘锯齿问题;在各种分割分类算法中,DeepLab-v3+的分类精度最高,达到98.01%。     

基于对象的城市绿地信息提取技术的研究

依据高分辨率遥感影像的特征,采用基于对象的分类技术,并结合乌鲁木齐市的QUICKBIRD影像,提取城市绿地信息。研究结果表明,此种分类方法具有较高的分类精度和较快的分类速度。     

高分遥感影像城市绿地自动提取方法

城市绿地作为城市生态系统中不可缺少的一部分,也是城市建设中必须考虑的因素之一,如何更有效地得到城市绿地的分布状况对城市的建设有着深刻的意义.高分辨率遥感影像如今已经成为城市绿地调查的重要数据.为了探究最适用于高分影像中城市绿地自动提取的方法,以南京市某区域为例,以高分二号高分辨率影像为数据源,分别使用了监督分类、利用归一化植被指数(NDVI)分类和基于规则的面向对象分类这三种信息自动提取方法,并将得到的分类结果与精度评价进行了对比分析,结果表明,基于规则的面向对象分类方法的精度明显高于其他两种方法.     

绿地信息提取研究

城市绿地作为城市结构中的主要元素,在城市中起着一个重要的作用。本文基于TM遥感影像,对大连市城市绿地专题信息进行提取,并对绿地格局进行研究和探讨。通过计算各组成分分量和归一化植被指数ND-VI之间的相关系数来进行波段组合,提高了遥感影像的分类精度。结果显示该方法可以准确地得到绿地信息。     

无人机遥感影像的城市绿地信息提取

针对传统人工城市绿地调查费时、费力等问题,该文提出了一种利用无人机遥感进行城市绿地信息提取的思路和方法。设计构建了基于固定翼无人机平台的遥感系统,对宁波市部分区域进行航飞实验。采用PixelGrid软件对无人机影像进行了预处理,得到测区正射影像。采用基于像元统计特征分类和面向对象分类两种方法,对研究区进行绿地信息快速提取并进行了精度验证。研究结果表明,利用最大似然分类法和归一化绿红差异指数法提取精度最高,分别为81.73%和80.23%。     

应用面向对象的高分辨率遥感数据提取城市绿地

绿化建设是一个城市建设的重要工作,城市绿地覆盖率是衡量一个城市绿化程度最主要的指标,高分辨率遥感影像给城市绿地覆盖率计算提供了更为有效、便捷的手段。本文以南京市某区域为研究对象,基于RS和GIS等技术手段,采用面向对象的方法,在不同的尺度利用光谱特征并采用针对性的算法提取出了精度较高的QuickBird和IKONOS高分辨率遥感影像的城市绿地。最后通过对比和分析两者的精度,证明面向对象的方法是有效的。     

基于分类规则挖掘的遥感影像分类研究

分析了目前遥感影像的统计分类、神经网络分类及基于符号知识的逻辑推理分类方法的优缺点.以GIS为平台,构建了多源空间数据库,将数据挖掘的思想和方法引入遥感影像分类中,提出了面向分类规则挖掘的遥感影像分类框架.针对遥感光谱数据及其他空间数据的特点,定义了连续属性样本分类概念和分割点评价指标,提出了一种新的连续属性样本分类规则挖掘算法.选择一个试验区,采用该算法分别对遥感光谱数据、遥感光谱和DEM数据相结合的数据进行分类规则挖掘、遥感影像分类和分类精度比较.结果表明：（1）该算法具有较高的分类精度;（2）加入DEM等与分类相关的其他空间数据可以提高遥感影像的分类精度.通过挖掘分类规则进行遥感影像分类,扩展了基于知识的逻辑推理分类方法中知识获取渠道,提高了分类规则获取的智能化程度.新的连续属性样本分类规则挖掘算法,扩展了归纳学习算法对连续属性样本分类的适应性.     

基于TM影像的广州市主城区城市绿地的提取和分析

利用遥感技术能够实现快速提取城市绿地信息,准确地计算出城市绿地面积及覆盖情况等。本文以广州市TM遥感影像为数据源,进行一系列预处理,对监督分类和先计算NDVI再采用非监督分类这两种提取方法进行比较分析。结果表明,先计算NDVI再采用非监督分类法精度较高,说明该方法是一种有效的绿地信息提取方法。     

基于DeepLabv3+语义分割模型的GF-2影像城市绿地提取

高效准确地提取城市绿地对国土规划建设意义重大,将深度学习语义分割算法应用于遥感图像分类是近年研究的新探索。提出一种基于Deep Labv3+深度学习语义分割网络的GF-2遥感影像城市绿地自动化提取架构,通过网络的多孔空间金字塔池化(atrous spatial pyramid pooling,ASPP)等模块,提取高层特征,并依托架构完成数据集创建,模型训练,城市绿地提取以及精度评估。研究表明,本文架构分类的总体精度达到91. 02%,F值为0. 86,优于最大似然法(maximum likelihood,ML)、支持向量机(support vector machine,SVM)和随机森林法(random forest,RF) 3种传统方法及另外4种语义分割网络(PspNet,SegNet,U-Net和DeepLabv2),可以准确提取城市绿地,排除农田像元干扰;此外,对另一地区的提取试验也证实了本架构具有一定的迁移能力。所提出的GF-2遥感影像城市绿地自动化提取架构,可实现更精确、效率更高的城市绿地提取,为城市规划管理提供参考。     

基于高分一号影像的两种地表覆盖分类方法对比研究

以高分一号影像为数据源,分别应用最大似然分类法和面向对象分类法对影像进行遥感分类,比较不同影像分割尺度,对分类结果进行精度评价,结果显示:面向对象分类方法综合利用多类遥感指数,提高了分类精度,可以有效应用于遥感影像快速分类。面向对象分类方法中分割尺度对分类精度影响较大,但如何设置最优分类尺度仍需进一步研究定量确定方法。     

基于ERDAS的遥感影像分类方法研究

为了提高遥感影像分类精度,对传统的非监督分类、监督分类和专家分类进行机理分析,提出将影像中的纹理信息作为专家知识改进分类精度的技术方案。以胶州市QuickBird遥感影像作为试验数据,基于ERDAS IMAG-INE 8.6软件平台,对非监督分类、监督分类和专家分类进行实验数据比较分析,实验数据表明改进的专家分类方法分类精度最高,由于纹理信息参与专家分类,可较好地解决“同谱异物”和“同物异谱”对分类的干扰,优化分类后的影像,提高信息提取的准确度。     

高分六号影像在自然资源调查中的应用研究

以广州市南沙区自然资源调查为例,针对高分六号遥感影像的特点,建立了高分六号影像可以适应的自然资源分类体系。分析了面向对象的遥感影像分类过程中的各个过程,研究了多尺度影像分割在不同参数设置下的分类效果,得出了较为合适的多尺度分割参数,进行了面向对象分类实验和分类精度评价,影像分类精度达到了78.66%。通过对南沙区影像在实验各个流程中的区别及联系进行了横向对比,总结了其中的规律,显示了基于高分六号的面向对象遥感影像分类方法在自然资源调查中的应用价值。     

融合时间特征的遥感影像分类

为了克服基于光谱纹理特征的影像分类法的不足,提出一种融合时间特征的遥感影像分类方法。以历史时期土地利用矢量图为辅助数据,对新时期遥感影像进行带约束的影像分割以获取像斑;采用迭代统计的方法计算新时期遥感影像的地物类别转移概率;利用地物类别转移概率表达时间特征,将其融入到像斑的后验概率中,构建顾及时间特征的像斑联合概率;依据后验概率最大原则获取影像分类结果。采用Quick Bird遥感影像进行的实验结果表明:与基于光谱纹理特征的分类方法相比,所提出的方法能够显著提高影像分类的精度,总体分类精度与kappa系数分别提高了9.8%和17.9%,验证了所提方法的可行性和可靠性。     

基于布谷鸟算法的遥感影像智能分类

提出了一种新的基于布谷鸟算法的智能式遥感分类方法。采用布谷鸟智能优化算法,自动搜索遥感影像各波段的最优阈值分割点,并定义各波段最优阈值分割点和影像分类目标类别的连线为布谷鸟的最佳解,构造以If-Then形式表达的遥感分类规则。将所提的基于布谷鸟算法的影像分类方法应用于ALOS影像分类中,并与蜂群智能遥感分类方法和See5.0决策树方法进行了对比分析。结果表明,布谷鸟智能遥感分类的总体精度和Kappa系数均比蜂群智能遥感分类和See5.0决策树方法更高,该智能遥感分类方法具有更好的分类效果。     

纹理特征辅助遥感影像分类技术的探讨

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.     

多源遥感影像及处理方法在城市发展普查中应用的对比研究

利用多种遥感影像处理技术从不同分辨率影像中提取城市绿地以及城镇居民地,以同时期航片中对应的地物为基准,进行误差统计;研究表明IKONOS影像利用植被指数提取城市绿地的精度高于其他方法以及影像;分辨率越高的影像,提取城镇居民地的精度越高,IKONOS使用比值变换融合的影像提取城镇居民地的精度最高,但是处理过程花费时间长。     

多源遥感影像及处理方法在城市发展普查中应用的对比研究北大核心CSCD

利用多种遥感影像处理技术从不同分辨率影像中提取城市绿地及城镇居民地,以同时期航片中对应的地物为基准进行误差统计。研究结果表明:IKONOS影像利用植被指数提取城市绿地的精度高于其他方法及影像;分辨率越高的影像,提取城镇居民地的精度越高;IKONOS使用比值变换融合的影像提取城镇居民地的精度最高,但是处理过程花费时间较长。     

JPEG 2000压缩对遥感影像监督分类精度的影响

遥感图像压缩会影响分类精度,是值得研究的问题。以高分辨率遥感影像(Quick Bird)的监督分类精度评定为尺度,采用ER Mapper软件的JPEG 2000图像压缩模块对图像进行压缩,再在eCognition软件中对这9种压缩比图像进行面向对象的监督分类,生成分类精度报告。通过分析分类精度的变化,研究了JPEG 2000压缩对遥感影像分类的影响程度及其在遥感影像压缩方面的应用潜力。     

复杂山地环境下典型地物解译规则库研究

选择重庆市山地区域为研究区,以World View-2影像为研究对象,基于植被构面成果,采用面向对象的分类方法探讨了复杂山地环境背景下典型地物的光谱、纹理、几何、结构等特征;构建了适合山地环境地物遥感分类的解译规则库,自动进行地物的分类解译,并对分类结果进行了精度评价。结果表明,面向对象分类方法构建的解译规则库能够适用于复杂山地环境遥感影像的分类,保证了地物形状和属性的完整性,提高了遥感影像的分类精度;基于植被构面成果建立的解译规则库解决了地物分类时林地和果园难以区分的困难,提高了复杂山地环境下遥感影像的分类精度。     

GIS辅助下的基于知识的遥感影像分类方法研究——以土地覆盖/土地利用类型为例

提高计算机遥感影像的分类精度，是遥感应用中研究的主要问题之一。作者以规则的形式表示遥感影像解译知识，使用ＴＭ影像数据和ＤＥＭ、坡度、土地利用图等地理辅助数据，从遥感影像处理／地理数据／专家知识一体化的角度出发，使用基于知识的方法进行了研究，改善了分类精度。实例研究证明了方法的正确性。