人工神经网络分类及其在遥感调查中的应用

1 前言 20世纪80年代末,神经网络开始在我国应用于遥感图像分类.遥感图像分类是反映人对图像的一种理解,包括浅层的视觉生理理解和深层的逻辑心理理解两种层次.神经网络方法的图像识别是人的视觉生理现象的简单模拟.与传统方法相比,具有并行处理、自适应等优势;此外对数据源要求更宽松.     

卷积神经网络和视觉注意力语义分割模型在高分辨率遥感影像分类中的性能分析

随着深度学习语义分割的快速发展,基于计算机视觉语义分割模型的高分辨率遥感影像分类方法也大量涌现。为系统定量地研究经典的和先进的视觉语义分割模型在遥感影像分类中的性能,在总结深度学习语义分割进展的基础上,选择9种基于卷积神经网络(CNN)和视觉注意力的语义分割算法,对米级和厘米级2个尺度的遥感数据集进行分析研究。在模型构建上基于计算机视觉通用的语义分割框架,训练时采用红绿蓝3波段遥感图像并基于ImageNet预训练权重进行迁移学习训练。研究结果表明：通用的语义分割模型通过常规训练设置进行训练能取得较好的遥感影像分类效果,部分地物的交并比(IoU)可以达到90%以上;基于视觉注意力的遥感影像分类模型的精度普遍高于基于CNN的模型,且MaskFormer能更有效地提取离散的地物信息;不同类别的精度最高值并不全在总体最优模型中,部分会存在于次优模型中;类似的地物在更高分辨率遥感数据集中可以获得更高的精度。     

遥感影像地质异常分析及其应用

论述了地质异常理论在遥感找矿中应用的意义，特别是地质异常理论的思想方法在遥感找矿图像处理中的意义及遥感影像地质异常的研究内容与研究方法；认为提取和分析影像异常是遥感找矿中一种新的图像分析方法，并且以实例说明了其在遥感找矿应用中的有效性。     

开采沉陷遥感监测中多维纹理特征影像分类方法

为提高采用遥感影像监测开采沉陷演化的准确性,探讨了基于多维纹理特征的影像分类方法。首先提取影像的多维纹理特征:局部方差、局部平均梯度、局部能量和局部信息熵,然后将其与地物光谱值一并作为人工免疫算法中样本的特征向量,利用免疫算法的选择、克隆、变异算子进行自学习得到全局最优聚类中心,从而提高影像分类精度。对淮南煤田进行开采沉陷遥感监测,结果表明,该方法分类总精度为88.26%,Kappa系数为0.853,优于传统的Parallelepiped和Maximum likelihood分类方法。     

矿区高分遥感影像智能提取应用研究

文章通过深入研究广西某矿区航空遥感影像,以遥感影像基元模型为基础,辅以土地利用规划、现状信息建立影像基元与地理实体对象之间的关系,构建地理实体逻辑推理组合规则,进行遥感信息地理实体分类提取,进而对分类结果进行精度对比评价,实现高分遥感影像空间信息提取的自动化、智能化处理。     

ETM影像小波变换数据融合在土地利用中的分类研究

在ERDAS软件支持下,对ETM遥感影像数据的TM1—TM5,TM7与其全色波段TM8进行小波变换融合,对融合后的影像采用混合分类方法进行土地利用分类。并对其分类结果进行评价,总体精度达到95.43%,研究结果表明此方法可行有效。     

遥感影像分辨率分析技术在滑坡研究中的应用

采用定性与定量相结合的方法对滑坡要素进行了深入分析。将滑坡要素划分为空间要素、时间要素和岩土性质要素3个方面,并分别讨论它们与遥感影像空间分辨率、时间分辨率和波谱分辨率的关系。首先对各滑坡要素进行了定性分析,然后提出了判识滑坡空间要素的定量依据;提出了通过遥感影像计算滑动速率的公式,以此作为按照时间分辨率选择遥感数据的依据;最后提出为判识岩土性质要素应采用高波谱分辨率遥感影像的观点。     

集成多时相ETM+影像的证据推理湿地遥感分类

选择黑龙江省扎龙湿地自然保护区作为研究区,开展了基于Dempster-Shafer理论的证据推理方法(ER)湿地遥感空间分类研究,提出了一种针对ETM+多波段遥感影像的计算证据支持度的新算法,利用证据推理方法集成研究区5个时相的ETM+影像。研究表明,证据推理方法能有效集成多时相ETM+影像实现湿地空间分类,其总体分类精度比基于任一单时相影像的最大似然法(MLC)分类精度都高,提高幅度约为2%~12%。     

人工神经网络方法及其在遥感地质找矿中的应用

文章探讨了三层神经网络结构及其误差逆传播学习算法在遥感图像分类中的应用,并利用其技术优势对滇西红山试验区进行了研究实践,结果表明人工神经网络识别在遥感地质找矿研究中具有广泛的应用前景。     

Undrained lateral load capacity of piles in clay using artificial neural network

This paper describes the application of the artificial neural network model to predict the lateral load capacity of piles in clay. Three criteria were selected to compare the ANN model with the available empirical models: the best fit line for predicted lateral load capacity (Q_p) and measured lateral load capacity (Q_m), the mean and standard deviation of the ratio Q_p/Q_m and the cumulative probability for Q_p/Q_m. Different sensitivity analysis to identify the most important input parameters is discussed. A neural interpretation diagram is presented showing the effects of input parameters. A model equation is presented based on neural network parameters.     

人工神经网络在岩体质量分级中的应用

结合四川省金沙江某水电站工程实例，应用BP人工神经网络方法建立3层BP网络模型，选取岩石单轴抗压强度等6个影响因素为输入变量，对坝基复杂岩体进行质量分级。通过机算机Visual C 语言编程实现神经网络模型，进行网络的学习和运算。以神经网络合理结构分析方法选取合理结构，确定合理隐层单元的数量，提高网络测试的精度。对测试结果的分析发现，经过优化的BP网络模型经多次学习后，测试精度提高，结果可靠，取得较好的实际应用效果。     

遥感图像边缘提取研究

本文在全面剖析基本遥感图像处理方法的基础上 ,提出了遥感图像边缘提取研究应重点考虑的几个因素。系统归纳了几种遥感图像边缘提取方法的特点 ,并结合实例分析了秘鲁 (Peru)NearNasca地区岩浆岩山脉边缘的提取。     

基于典型相关分析的遥感影像变化检测

多通道遥感影像由于通道之间相关性的影响,相对于单通道影像的变化检测更为困难,因此需要有效的集中分布在各个通道上的变化信息,构造出不同时相之间的差异影像,以便于变化信息的分析解译。针对多通道变化信息集中的难点和通道之间相关性的影响难以消除的问题,引入多元统计分析中的典型相关分析方法,将2个时相的多通道遥感影像示作2组多元随机变量,采用多元变化检测变换,对多个波谱通道上的所有差异信息或变化信息进行重组,分配到一组互不相关的结果变量中,最大限度地消除通道间的相关性对变化检测的不利影响,初步解决了差异影像构造的问题。     

遥感影像在六库城市地质灾害调查中的应用

根据地质灾害的特点,以六库城区排路坝滑坡和芭蕉河泥石流两地为遥感影像判译地质灾害实例,提出了六库城市地质灾害遥感影像特征判译标志     

Urban development and flooding in Houston Texas, inferences from remote sensing data using neural network technique

The effects of urban development on the natural ecosystem and its link to the increased flooding in Houston, Texas were evaluated. Houston is suitable for this type of analysis due to its 1.95 million population, large geographic area and fast growth rate. Using neural network techniques, four Landsat Thematic Mapper images were grouped into five land use classes for the period 1984 to 2003: vegetation, bare ground, water, concrete and asphalt. Results show that asphalt and concrete increased 21% in the time period 1984–1994, 39% in 1994–2000 and 114%, from 2000 to 2003, while vegetation suffered an overall decrease. When change detection data are compared with runoff ratio data, a relationship between increased runoff and urban development is apparent, which indicates increased chances of flooding. Initial results of this work are made available to the public in GIS format via internet using Arc Internet Map Server (ArcIMS) at .     

基于遗传算法优化BP神经网络的玉米遥感估产方法

以内蒙古自治区开鲁县玉米作物为研究对象,将生育期内玉米遥感影像所提取的多种植被指数和实地采样点的测产数据作为训练值,利用BP(back propagation)神经网络和遗传算法优化BP(GA-BP)神经网络估产模型,得出网络预测的玉米产量数值。通过决定系数R 2和均方根误差RMSE,比较实测产量与预测产量之间的精度,BP神经网络模型R^2为0.8452,RMSE(%)为28.37;遗传算法优化BP神经网络模型R^2为0.9850,RMSE(%)为6.70,表明遗传算法优化BP神经网络估产模型具有一定可行性和可信度。     

人工神经网络在澜沧江某电站坝基右岸复杂岩体分类中的应用

结合云南省澜沧江某水电站工程实例,应用BP人工神经网络方法建立3层BP网络模型。选取岩石单轴抗压强度、岩体完整性系数、RQD、节理面粗糙度系数、节理面风化变并系数、透水性系数等6个影响因素为输入变量,对坝基右岸复杂岩体进行质量分类。通过对比分析发现,BP网络模型经多次学习后,预测岩体质量类别时辩识能力较强,结果可靠,取得了较好的实际应用效果。