结合多尺度纹理的高分辨率遥感影像决策树分类

地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述地物并有效解决光谱数据分类中存在的地物破碎问题,其分类精度为81.7%,kap-pa系数为0.78;与光谱数据分类和结合单尺度纹理数据分类结果比较,分类精度分别提高了11.2%和6%,该方法有助于提高高分辨率影像的分类精度。     

基于面向对象的高分辨率遥感影像分类技术研究

在遥感影像处理过程中,如何提高分类精度一直是备受关注的问题,传统的基于像元的分类方法,精度提高方面很难再有质的飞跃。因此,面向对象的方法应运而生。本文通过对比的方法,来比较基于像元的方法和面向对象的方法的分类精度。借助已有遥感软件对内蒙古自治区呼和浩特市某区的快鸟影像进行分类试验,根据试验结果,得出面向对象的分类方法对于高分辨率遥感影像的分类有着非常好的效果。     

面向对象的山地区域多源遥感影像分割尺度选择及评价

随着遥感技术的飞速发展,通过各种传感器获取的影像种类越来越多.传统的面向像元的影像分析技术已难以适应高分辨率影像,面向对象的影像分析技术应运而生.面向对象的影像分析技术所面临的首要问题是影像分割,如何选择合适的影像分割尺度已成为面向对象影像分析技术的关键.为了提高遥感影像分割尺度选择的准确性,通过对影像分析建立了分割质量函数,针对不同分辨率的多源遥感影像进行分割实验,获取了最优分割尺度,最后提出了一种顾及面积和光谱的分割匹配指数对最优分割尺度进行评价,并研究了分割尺度与亮度均值标准差、影像空间分辨率之间的对应关系.研究结果表明,构建的分割质量函数获取的最优分割尺度避免了人工分割带来的主观性,建立的同时顾及面积和光谱因子的分割匹配指数验证了最优分割尺度选择的正确性.     

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.     

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.     

高分辨率遥感影像分割方法综述

随着遥感技术的发展,遥感影像的空间分辨率不断提升,民用商业卫星已达亚米级,这给传统的图像处理方法带来了挑战,于是提出了面向对象的分析方法,这种分析方法不再基于像元,而是基于由若干像元组成的对象,因此,面向对象方法的基础,是要求准确地获取对象,而这一点依赖于影像分割技术。本文调研整理了目前主要的遥感影像分割方法,并针对高分辨率影像的特点,对这些方法的适用性进行了分析说明,并指出了分割技术未来的发展方向。     

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。     

基于多尺度融合的高分辨率影像城市用地分类

基于面向对象的信息提取技术,针对高空间分辨率遥感影像进行城市用地分类。首先针对不同城市地物,选择适宜的提取尺度;然后探讨不同城市地物类型提取的适宜特征,充分利用光谱、空间结构、上下文关系、纹理等信息描述地物;最后融合不同地物多尺度下的提取结果。以北京市部分地区QuickBird影像为例,实现城市用地类型的自动分类,结果表明:该方法应用于城市用地分类的精度高达86.74%,为高空间分辨率遥感影像城市用地分类研究提供了新思路。     

一种改进的遥感影像面向对象最优分割尺度计算模型

面向对象的影像分析方法能够充分利用高分辨遥感影像信息,有效提取目标信息.分割尺度的选择是面向对象影像分析方法的核心问题.该文采用样本控制的方法,构建了基于面积和周长的分割对象样本一致性评价因子,针对不同的信息提取目标,提出一种改进的遥感影像面向对象最优分割尺度计算模型,并验证了其优越性.     

面向高分辨率遥感影像分类的多尺度光谱-空间-语义特征融合

在核函数集成SVM分类框架下,提出一种融合多尺度光谱-空间-语义特征的高分辨率遥感影像分类方法。首先,以多尺度影像分割集为基础,利用潜狄利克雷分配模型对分割图斑的语义特征进行建模,并结合原始影像的光谱特征以及分割图斑内的空间均值特征,在不同分割尺度下分别开展光谱-空间-语义特征的多核函数融合分类;然后根据多数投票法原则在决策级集成多尺度分类结果,通过最小尺度下的分割影像实现像素级分类结果至面向对象分类结果的转化。不同场景和分辨率数据下开展的实验结果表明,该分类方法能够实现分类结果的自适应平滑分类,并在一定程度上提高建筑物和道路等"同谱异物"地物的区分能力,分类总体精度由基于光谱特征SVM的66.7%和63.7%提升至86.8%和87.2%。     

基于多尺度层的遥感影像分类问题研究

近年来,基于面向对象的遥感影像分类方法已经被广泛使用,这种方法与传统的基于像元的分类方法相比较,精度较高,是以对象作为分类的最小单元,所以,对于面向对象的分类方法其关键就是如何获取较高精度的对象,本文是在对遥感影像进行不同尺度分割的基础上,得到不同尺度的对象,然后依据对象的分割精度,选择相应尺度再进行分类。实验证明,这种方法可以有效提高遥感影像的分类精度。     

高分辨率遥感影像在岩墙地质体信息提取中的应用

高分辨率遥感影像可明显表现地物的几何结构和纹理特征,从而使得在较小空间尺度上观察地物细节变化、进行大比例尺遥感制图成为可能。利用高分辨率QuickBird遥感影像,对新疆巴楚县麻扎尔塔格山地区的岩墙进行计算机辅助地质解译,共获得1227条岩墙。结合GIS空间分析方法获得了解译岩墙长度、走向分布等特征。结果表明:该地区76%的解译岩墙走向为NNW(135°~180°);QuickBird能够满足1∶2.5万地质调查的要求;通过地质分析综合解译结果获得了麻扎尔塔格岩体内部存在发育岩墙、岩墙形成应晚于内部的正长岩体的新认识。探讨并验证了高分辨率遥感影像在中小规模地质体解译中的可行性和有效性。     

基于多重分割关联子的高分辨率遥感场景分类

高分辨率遥感影像提供了丰富的外观信息和空间结构信息,广泛应用于土地利用分类当中,源于文章领域的视觉词袋（Bag-of-Visual-Words,BoVW）模型现已成功应用于图像分类领域。传统的BoVW模型忽略了特征之间的空间布局信息和像素一致性信息,提出多重分割关联子特征,融合图像的外观信息、空间布局信息和像素一致性信息,实验表明该方法能够获取优于许多经典的遥感图像特征的性能。     

一种基于标记分水岭的高分辨率遥感影像分割方法

为避免分水岭分割高分影像的过分割现象并充分利用高分影像的特点,该文提出一种基于标记的分水岭分割方法,即基于影像先验知识指导分割的原则,对遥感影像进行各向异性扩散平滑滤波后,计算生成融合了光谱和纹理特征的梯度图像;从梯度图像中提取标记重建对象的边缘特征,并执行基于标记的分水岭变换,得到最终的分割结果.实验表明,该方法能够充分利用高分影像的特征信息,并能有效地抑制分水岭过分割现象.     

基于形态学的多尺度遥感图像分割方法

基于形态学提出了多尺度遥感图像分割方法.首先使用面积形态学算子处理原始图像,构造不同尺度下的遥感图像;然后提取多波段遥感图像梯度,充分利用遥感图像的多波段信息;再在不同尺度的图像上使用区域标记方法提取标记,作为分水岭分割算法的生长点;最后使用分水岭分割实现对遥感图像的多尺度分割.该方法在Matlab中予以编程实现,并将其应用于江苏省海安SPOT影像中,实现对图像不同尺度的分割,能够有效提取出多波段遥感图像中不同尺度下的地物.     

基于高分辨率遥感影像的城市典型乔木树种分类研究

为探索高分辨率遥感影像对城市复杂环境优势乔木树种分类的有效性,采用面向对象分类方法,基于WorldView-2影像对首都师范大学及周边地区(CNU)、北京师范大学及周边地区(BNU)两个研究区进行优势乔木树种(泡桐、法国梧桐、杨树、国槐、银杏)分类。首先对WorldView-2影像进行分割,获得树冠区域及其49个属性特征,包括31个光谱属性和18个纹理属性;随后利用随机森林RF与支持向量机SVM两种分类算法对树冠区域进行分类。CNU研究区SVM与RF总体分类精度分别为86.5%、75.8%,Kappa系数为0.801、0.648;BNU研究区SVM与RF总体分类精度分别为66.9%、65.3%,Kappa系数为0.541、0.520。实验表明WorldView-2影像能有效实现城市非阴影区域优势乔木树种分类,但异质性较高、树种分布分散的区域分类精度低于异质性较小、树种分布密集的区域;WorldView-2影像的4个新增波段尤其是红边波段的派生属性在分类过程中所占权重值较高。     

基于多分类器组合的高分辨率遥感影像目标识别

研究多分类器组合的形式及其在目标识别中的应用.设计和实现了基于多分类器组合从高分辨率遥感影像中提取目标的具体方法.以楼房的识别与提取为例,选用QuickBird高分辨率影像,利用投票法、加权求和、完全一致规则及或运算合并等多分类器组合方法进行目标识别,比较了多分类器系统与单一分类器的精度与性能,从理论和实验两方面分析了多分类器组合用于目标识别的精度影响因素,提出了相应的改进策略.实验表明,在采用合理的组合规则下,多分类器组合能使目标识别结果达到高识别率和高置信度.     

遥感影像中分区分类法及在新疆北部植被分类中的应用

对遥感影像提出了一种分区分类的思想，根据影像所包含的局部特征将整体影像化为几个局部的影像，然后根据局部影像的特点对图像进行分类,使得每一区域的种类数目相对于整体减少，种类的特点得以突出，分类更具有针对性,再加以高程、坡度等地貌信息，提高分类精度。该分类法在新疆北部的植被分类中得到了应用，从NOAA影像中提出的NDVI为数据源，根据该植被区域特点，将研究区的植被区域划分为四个区，即：新疆阿勒泰草原区、昭苏区、西准噶尔区和东天山区。利用GIS软件将整个研究区的NDVI指数图像化分为四块子图，根据各个区域植被的特点，采用不同的分类标准,对四块子图分类。在此之后，再利用GIS软件将所有分类子图合并为整个区域的分类图。结果表明，该类方法可以大大提高NDVI指数的植被分类精度。     

高分辨率遥感在城市发展动态监测中的应用

与传统的遥感影像相比，高分辨率遥感影像有着空间分辨率高、时间分辨率高、信息量大、所包含的地物的几何和纹理信息更加明显、能提取地物三维信息等优点。城市中的研究对象多属于一些尺寸相对较小且空间信息较为重要的地物，再加上已形成一套全新的面向对象的高分辨率遥感数据的处理和信息提取方法。这使得高分辨率遥感技术成为城市发展动态监测以及相关信息提取的最有效手段。动态监测中获得的数据还进一步运用于城市规划布局、市容市政管理、城市生态环境保护、城市交通建设规划、城市防震减灾以及数字交通和数字城市的建设等诸多方面。