基于Hyperion高光谱数据和随机森林方法的岩性分类与分析

探索利用高光谱数据的岩性填图新方法是遥感地质应用领域的重要需求之一。本文运用随机森林方法和EO-1Hyperion高光谱数据,对新疆塔里木西北部柯坪地区的局部区域进行岩性分类,并对相关问题进行分析。分别利用光谱特征以及加入光谱一阶导数特征进行岩性分类,并对不同特征对岩性分类的重要性进行分析,同时与现有的基于光谱角制图方法(SAM)进行比较。结果表明,与SAM方法相比,随机森林方法得到了更高精度的岩性分类结果,是一种有效可行的岩性分类方法。根据特征重要性的排序,蓝绿光波段、短波红外波段以及相应的一阶导数特征对研究区Hyperion数据的沉积岩岩性分类贡献更大。     

吉林西部多时相遥感数据分类方案的构建及应用

为了深化遥感监测方法在生态环境调查中的应用,本文以吉林西部为试验区,设计了一种多时相遥感数据分类方案。该方案以物候信息为主,结合地物特征变量(植被、水体和土地信息)构建的多维特征空间数据集用于土地覆被分类。该遥感分类方案提取了9种地表覆被类型,结果表明:地表植被季节变化信息和土地利用信息的引入能明显改善土地覆被的分类精度;与基于原始波段的分类方案相比,多时相遥感数据分类方案的分类精度最好,总体分类精度为95.50%,Kappa系数为95.04%。     

引导滤波联合局部判别嵌入的高光谱影像分类

高光谱遥感影像分类是高光谱遥感影像处理和应用的重要组成部分。然而,高光谱遥感影像具有波段数量较多和空间分辨率较高等特点,给分类任务带来一定的挑战。为了提高分类精度,充分利用影像的空间信息和像素间的局部信息,提出一种引导滤波联合局部判别嵌入的高光谱影像分类方法。首先,对高光谱遥感影像进行归一化,利用主成分分析方法实现特征提取,将提取的第一主成分影像作为引导图像;其次,采用引导滤波分别提取各波段影像的空间特征;然后,将提取的空间影像特征进行叠加,通过局部Fisher判别分析完成低维嵌入;最后,将得到的低维嵌入特征输入支持向量机分类器得到分类结果。采用Indian Pines和Pavia University两幅高光谱影像进行实验的结果表明：在分别从各类地物中随机选取10%和100个样本作为训练样本的情况下,其总体分类精度分别提高到98.28%和99.45%;对比其他相关方法,该方法能够获取更高的分类精度。该方法在低维嵌入的同时,有效利用了影像的空间信息,改善了分类效果。     

基于多传感器遥感数据和改进的单类随机森林的滑坡提取

提出一种利用面向对象多特征和改进的单类随机森林分类器（improved one-class random forest classifier,iOCRF）从多传感器遥感数据提取滑坡的新方法。从两时相高分辨率多光谱图像和中分辨率数字高程模型（DEM）数据中提取的图像对象多特征,来定量表达滑坡引起地表变化和滑坡区地形特征,利用iOCRF对所有特征图像进行分类以提取滑坡。据研究区两时相高分辨多光谱图像和30 m分辨率的ASTER全球DEM数据对提出的方法进行评价。结果表明,所提出方法的提取精度优于只利用部分特征提取和利用传统随机森林的提取精度;利用iOCRF计算不同特征的重要性,并分析不同特征对滑坡提取的贡献。     

若尔盖高原地物遥感分类

各种物质在遥感数据中都有其特征的波谱吸收峰。因此通过波谱识别就可以大大减少以往遥感分类方法中的漏分及混分现象。为了解决若尔盖高原地物遥感分类问题,首次对本区ETM多光谱融合数据采用了地物波谱角分类法进行地物识别。分类步骤:遥感数据定标→选择训练区样本→MNF变换减维去噪处理→利用纯净像元指数(PPI)进行样本提纯→利用n-D散度法进行样本重组→波谱角分类(SAM).其分类结果表明,类别精度评价总精度为0.806,kappa系数为0.785.其精度均符合1:5万比例尺的土地详查工作的技术要求。      

加入多尺度图像纹理的岩性分类

利用遥感图像进行岩性分类,是遥感地质应用的重要方面之一.本文运用地统计学中变差函数提取图像纹理,并与原始的光谱图像相结合用于遥感图像的岩性分类.文章分析了不同尺度的纹理信息对岩性分类的作用,并进一步分析和比较多尺度图像纹理对岩性分类的作用.结果表明,在岩性分类过程中加入不同尺度的纹理信息可不同程度地提高图像的岩性分类精度,而同时加入多尺度的纹理信息,可得到更高的分类精度.将多尺度的图像纹理信息和光谱信息综合,是一种有效的岩性分类方法.     

面向对象的喀斯特地区土地利用遥感分类信息提取

传统的面向像元分类方法虽然对光谱差异较为明显的遥感影像信息提取具有较好的效果,但会不可避免地产生“椒盐现象”,同时对纹理和形状信息不能充分应用,造成了大量信息损失。为了提高喀斯特地区土地利用遥感信息提取的精度,本文采用面向对象的分类方法,对贵州省毕节地区开展了土地利用遥感信息自动提取研究。首先对该地区Landsat-5 TM影像进行多尺度分割,形成影像对象层,然后综合应用基于知识决策树分类和基于样本的最邻近分类等技术对喀斯特地区进行遥感解译。结果表明,面向对象分类技术能较好地对喀斯特地区土地利用信息进行提取,同时避免了“椒盐现象”的产生,经野外采集样点数据验证,一级类分类精度为91.7 %,二级类分类精度为89.4 %,表明该方法在贵州省毕节地区应用效果良好。      

伊朗北部阿哈尔地区土地利用信息的遥感分类与制图

遥感作为目前快速实现全球或大区域对地观测的最佳方法,在“一带一路”沿线地区地表信息获取方面具有重要的作用。总结了遥感技术在伊朗北部土地利用分类与制图的流程和方法,在土地利用分类体系、遥感分类方法和成果制图3个方面进行了研究。通过土地利用信息遥感分类标志,建立非接触的土地利用信息分类工作方法,保证了良好的工作精度。进行了伊朗北部地区土地利用信息的遥感制图,获取了该地区土地利用状况,为我国矿业企业与地质调查部门开展“一带一路”区域合作提供了技术支撑和决策依据,为开展境外土地利用信息的提取与制图工作提供了案例。     

基于光谱—空间特征的ASTER影像岩性分类研究——以甘肃北山白峡尼山地区为例

遥感岩性制图是地质填图中的重要工作,基于光谱特征的岩性分类易受到色调、纹理等因素影响导致精度不佳。前人进行岩性自动分类研究多关注影像的光谱特征,而忽略空间特征,笔者等基于甘肃北山白峡尼山地区ASTER影像,将支持向量机、极限学习机两种机器学习分类方法与基于空间特征的快速漂移算法相结合进行岩性分类。结果表明支持向量机分类总体精度为89.17%;极限学习机不但具有需调节参数少的优势,且分类精度和速度均优于支持向量机,分类总体精度达96.70%;利用快速漂移算法提取的影像空间特征可有效减少错分区,提升岩性分类效果。研究证实将基于光谱特征的极限学习机和基于空间特征的快速漂移算法结合的岩性分类方法具有客观、高效、高精度等优势,可为后续地质填图和找矿勘查工作提供可靠数据支撑,在遥感岩性分类领域具有较高的推广价值。     

基于光谱—空间特征的ASTER影像岩性分类研究——以甘肃北山白峡尼山地区为例

遥感岩性制图是地质填图中的重要工作,基于光谱特征的岩性分类易受到色调、纹理等因素影响导致精度不佳。前人进行岩性自动分类研究多关注影像的光谱特征,而忽略空间特征,笔者等基于甘肃北山白峡尼山地区ASTER影像,将支持向量机、极限学习机两种机器学习分类方法与基于空间特征的快速漂移算法相结合进行岩性分类。结果表明支持向量机分类总体精度为89. 17%;极限学习机不但具有需调节参数少的优势,且分类精度和速度均优于支持向量机,分类总体精度达96. 70%;利用快速漂移算法提取的影像空间特征可有效减少错分区,提升岩性分类效果。研究证实将基于光谱特征的极限学习机和基于空间特征的快速漂移算法结合的岩性分类方法具有客观、高效、高精度等优势,可为后续地质填图和找矿勘查工作提供可靠数据支撑,在遥感岩性分类领域具有较高的推广价值。     

联合空-谱信息的高光谱影像深度森林分类

为了提高高光谱影像分类精度,设计了联合空-谱信息的高光谱影像深度森林分类方法。该方法由空间特征提取、多粒度扫描和深度森林分类三部分组成。首先提取高光谱影像的形态学属性剖面特征,将所提取的特征与原始光谱特征进行拼接获得融合后的空-谱特征;然后通过多个尺度的滑动窗口对空-谱特征进行多粒度扫描,以实现特征重用;最后将多粒度扫描后的特征输入到深度森林分类器中进行分类。采用Pavia大学高光谱数据集和Salinas高光谱数据集进行分类试验,所设计的分类方法在两组高光谱数据上分别取得了98.44%和98.47%的总体分类精度。试验结果表明所设计的分类方法能够有效地提高高光谱影像的分类精度。     

高光谱遥感岩矿识别方法对比研究

高光谱遥感作为全新的遥感技术,在我国目前处于探索研究阶段。本文在高光谱遥感图像处理基础上,对美国Cuprite矿区岩矿开展了基于像元统计和基于波谱特征的分类识别实验研究,提取了八类岩矿分布信息,并应用混淆矩阵评价了不同分类方法、不同岩矿种类的分类精度,研究成果表明:岩矿空间分布越集中,波谱特征越明显,其分类精度越高;分类方法上,基于波谱特征的分类法优于基于传统统计分析的分类法,这为高光谱遥感技术在遥感地质矿物填图的应用提供理论依据。     

基于决策树模型的上海城市湿地遥感提取与分类

城市湿地是上海重要的生态基础并具有复杂多变的自然特性。研究采用决策树分类方法,以TM影像多光谱波段特征为主要分类变量,采用经K-T变换、IHS变换等光谱增强后的数据以及利用灰度共生矩阵分析影像第一主成分的纹理统计量作为辅助分类变量,结合城市湿地几何特征信息,构建上海城市湿地决策树分类模型,进行上海市湿地信息的遥感提取和分类。结果表明：（1）上海城市湿地总面积为1 277.40 km²;其中水田面积最大,占总面积的65.30%;其次为河流、库塘、湖泊和芦苇。（2）决策树模型的分类方法在一定程度上提高了城市湿地提取和分类的精度,使其达到89.05%;与传统的最大似然法相比,总精度提高了约10%。     

遥感影像的分类与识别技术在土地资源调查中的应用

遥感图像记录了地物在空间域、时间域、光谱域的变化信息。利用图像的分类技术 ,能够识别土地利用类型。计算机遥感分类识别原理 ,是利用地物的光谱能量特征差异性和结构特征差异性来识别地物信息。根据北京某地遥感图像实例资料 ,将土地利用类型分为监督分类、非监督分类、最大似然法分类、神经网络分类等。不同的分类方法有各自的特点且分类结果也有一定的差别 ,其中神经网络分类与真实情况最为接近     

基于PCA+RBF的多光谱卫星遥感影像分类

多光谱卫星遥感影像具有波段多,信息量大的特点,传统的分类方法难以达到比较高的精度.这里首先采用主成份分析对多波段遥感图像进行降维,再采用训练后的RBF(radial basis function)神经网络做图像的监督分类.通过对ETM 的遥感数据进行实验,结果表明,这种分类方法的分类精度,明显优于最大似然法、最小距离法等传统的分类方法.同时,与基于像元的RBF神经网络法相比,也有一定的优势.     

基于多源遥感数据的第四系覆盖物分类方法研究:以内蒙古旗杆甸子幅1∶5万填图试点为例

遥感图像分类技术对于荒漠草原浅覆盖区第四系覆盖物分类具有重要意义。以内蒙古旗杆甸子幅1∶5万填图试点为例,基于ASTER、GF-2等多源遥感数据,利用植被抑制法、波段比值法、主成分分析以及纹理信息提取等多种方法,充分考虑了多光谱数据的光谱信息和高分辨率数据的形状、空间结构、纹理信息等特征,结合面向对象分类法,对研究区第四系覆盖物进行了分类,并比较分析了不同分类方法的分类效果与精度。结果表明:将波段比值、主成分分析以及纹理分析多种特征作为辅助数据参与分类,其分类效果优于基于单一ASTER数据进行的分类;通过几种不同分类方法的比较分析,发现多特征面向对象分类的总体精度最高,达到85.40%,比多特征传统监督分类的总体精度提高了约11%,分类影像上地物边界清晰。该法分类技术可以为荒漠草原浅覆盖区的地质填图提供相关技术支持。     

多源遥感数据图谱协同岩石单元分类方法

岩石单元的结构、构造、差异风化和出露状况在遥感图像上综合表现为图形纹理特征即“图”标志，其矿物成分和组合则表现为光谱特征即“谱”标志.传统遥感岩石单元分类以利用其光谱特征为主，图形纹理特征为辅，因此分类精度有限.以新疆维吾尔自治区与甘肃省交界的北山西段为研究区，开展岩石单元图形指数和光谱指数协同分类方法研究.基于Worldview-2全色图像构建的图形指数，能够量化岩石单元的层理、构造、展布形态和微地貌等特征，包括0°和45°定向滤波图像及灰度共生矩阵计算出的同质性和异质性特征图像、熵特征图像；光谱指数基于Worldview-2多光谱图像和ASTER（Advanced Spaceborne Thermal Emission and Reflection Radiometer）短波红外波段图像利用比值、和-差方法构建.多源遥感图像构建的光谱指数其光谱波段涵盖可见光-近红外及短波红外，包括RI（Ratio index）_ASTER、SI（Spectral index）_ASTER、SI_Worldview-2.采用面向对象方法对建立的图谱指数进行多尺度分割，依据不同岩石单元出露规模建立适宜的分割尺度，利用光谱指数自动提取相应岩石信息，实现岩石单元自动分类.结果表明，实验区基于图谱协同方法共划分出17类岩石单元，总体精度达到83.62%，而单独利用Worldview-2和ASTER图像，仅划分出13类和14类岩石单元.提出的图谱协同岩石分类方法可为我国西部高海拔深切割无人区地质调查及找矿工作提供新思路和遥感技术支撑.      

面向对象的遥感图像分类方法研究

影响遥感图像分类效果的主要因素之一是空间分辨率。通过融合多分辨率遥感图像,引入面向对象的思想,有效地克服了多光谱图像空间分辨率低的问题。该方法由图像分割和分类等一系列技术组成,首先用基于区域分割法则对正射校正SPOT图像进行分割,然后把它作为参考用最大似然法分类器和其他一些经验规则对TM图像进行分类。对土地覆盖图分类进行精度测试,取得了良好的应用效果。     

西昆仑山崇测冰川区多源遥感影像的冰川信息提取方法研究

冰雪独有的性质与特性使得基于遥感影像对其进行信息提取成为可能,如何进行精准的冰雪信息提取是冰雪时空变化研究的关键和基本要求。利用多源遥感影像（TM、IRS-P5和SAR）对西昆仑山崇测冰川区的冰川进行信息提取,采用不同分类方法和数据融合方法,分别针对光学影像和微波影像进行处理,提取冰川信息并进行比较分析。结果表明：面向对象分类方法是最优的冰川信息提取方法;图像融合处理有助于提高冰川信息的提取精度,特别是多光谱和高分辨率图像融合后再分类,提取效果更为理想。     

ASTER数据在深圳东部滨海地区土地利用调查中的应用

以深圳市东部滨海地区为试验区,对2004年11月21日ASTER遥感数据进行辐射和几何精校正处理,实地建立分类样地;根据多边形样地矢量数据计算分析12类地物在ASTER各波段光谱反射图和分类叠合图,同时进行植被指数和短波红外5个波段主成分分析;结合GIS并利用ASTER光谱波段、第一主成分、植被指数、立体像对生成的地形因子建立土地利用分类决策树表;再根据决策树表对ASTER影像进行土地利用分类。经验证,分类结果总体精度达到85.1%。应用效果表明,利用ASTER数据进行土地现状资源调查具有很好的性价比,能够满足土地利用现状调查的准确度和精度。