基于支撑向量机的遥感影像分类方法比较研究

对支撑向量机的分类方法作简单介绍,并通过对MSS遥感影像数据的分类实验与多种常用的遥感影像分类方法进行对比,发现在分类精确度上,支撑向量机优于其他分类方法,但是速度稍慢,这也是支撑向量机需要改进的.     

一种基于支撑向量机的遥感影像不完全监督分类新方法

不完全监督分类是研究在只有目标类训练样本的情况下如何准确地将目标类从数据集中提取出来。在许多遥感应用问题中,往往只需要从遥感影像中提取某一类地物。如果分类过程中只要选取目标类训练样本,将节省在训练样本选取过程中的大量人力物力。因此不完全监督分类是一个值得研究的遥感分类问题。提出了一种基于加权无标识样本支撑向量机(WUS-SVM),并在其基础发展出一种不完全监督分类方法。该方法分3个步骤:(1)在影像中随机选取一定量的无标识样本,将它们作为具有不同权重的非目标类训练样本;(2)用目标类的训练样本和加权无标识训练样本一起训练WUS-SVM,得到初步的分类器;(3)利用初步的分类器确定无标识样本的类别,并与原目标类训练样本一起再次训练SVM得到最终的分类器。通过对模拟数据和遥感影像的分类试验初步证明了该分类方法的有效性。     

支撑向量机及其遥感影像空间特征提取和分类的应用研究

提出了基于支撑向量机（SVM）的遥感影像空间特征提取的新方法，并以SPOT全色波段影像上城市特征信息的提取为应用实例，并与人工神经网络（ANN）等特征提取方法进行综合比较，认为SVM方法不但能够获得比较高的分类精度，而且在学习速度、自适应能力、特征空间高维不限制、可表达性等方面具有优势。     

基于混合核函数的支撑向量机及其在遥感影像土地利用分类中的应用

提出了将波谱信息和上下文信息包含其中构建分类特征向量的方法，提出了一种基于混合核函数的支撑向量机用于分类，在人工彩色纹理数据分类和SPOT5遥感影像数据土地利用分类中，验证了其有效性。     

基于支持向量机的高光谱遥感分类进展

支持向量机作为一种最新的也是最有效的统计学习方法,近年来成为模式识别与机器学习领域一个新的研究热点。支持向量机因其适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法。在分析基于支持向量机的高光谱遥感影像分类进展的基础上,对若干需要进一步研究的问题包括多类分类策略、训练样本与特征空间优化、不确定性控制、核函数选择与优化等进行探讨。     

基于SOM神经网络的城市土地覆盖遥感分类研究

土地覆盖及其变化的研究作为区域及全球环境变化研究所需的极为重要的地表参数,是遥感应用分析的主要内容之一。以往所采用的遥感分类方法主要针对侧重于土地社会属性的土地利用类型的分类研究且很难获得理想的精度。本文在非监督的自组织映射神经网络的基础上进行了一定的改进,构建了有监督的神经网络模型,以湖南省长沙市主城区的土地自然属性为侧重点,对其土地覆盖进行分类。实验结果表明:利用本文所使用的方法得到的分类结果,其总体精度和Kappa系数均高于传统的分类方法得出来的分类结果。     

用SPOT-VGT数据制作中国2000年度土地覆盖数据

土地覆盖是自然环境与人类活动相互作用的中心,准确而现势性强的土地覆盖数据是科学研究、资源管理和环境监测等应用的基础资料。该研究作为欧盟联合研究中心2000年全球土地覆盖计划(GLC2000)的一部分,利用2000年的1km空间分辨率的SPOT-4VGTS10数据与DEM、积温和降水等通过AHP方法合成的自然因子数据,采用FAO的土地覆盖分类系统(LCCS),通过非监督分类方法制作中国2000年的土地覆盖图。研究结果表明,在HANTS方法去云处理的基础上,结合气候分区,利用一年内每10天最大值合成的NDVI时间序列自然因子数据集可对除干旱区外大部分地区进行很好的分类,对干旱区则采用8月下旬的VGT原始数据取代NDVI数据参加分类,可达到较好的分类结果。     

信息向量机、相关向量机和支持向量机在机载LiDAR点云数据分类中的应用

机载LiDAR点云数据分类技术是LiDAR数据后处理的关键步骤。信息向量机、相关向量机及支持向量机可以在LiDAR点云数据分类中发挥重要作用。本文将三种分类器应用到点云数据分类中,通过实验验证了它们在点云数据分类中的性能,总结了它们在点云数据分类任务中的应用潜力。     

基于支持向量机和多变量分析的高光谱遥感数据分类

从支持向量机和多变量分析的基本理论出发,建立一个基于支持向量机和多变量分析的高光谱分类器,并利用国产OM IS传感器获得的北京某地区高光谱遥感数据进行试验,采取网格搜寻的方法来确定误差惩罚参数和径向基核参数的值。主要选取独立成分分析和主成分分析这两种多变量分析方法。结果表明,当进行独立成分分析后的数据应用支持向量机分类的时候,分类精度随着维数的增加而递增,10~20维的时候达到最大值,然后随之递减,分类精度最大为78.93%。随后的主成分分析中,得到同样的结论,但精度最高的时候是选择5维特征,精度为88.61%。     

土地覆盖及土地利用遥感研究进展

简要综述了国内外遥感技术在土地覆盖和土地利用方面研究的进展及新数据库的开发应用情况,并对本世纪该领域可能出现的新动向作了初步分析,为可持续发展决策提供客观准确的资料数据,可成为指导政府行为的重要依据.     

NWFE结合纹理特征的SVM土地覆被分类方法研究

为提高土地覆被分类精度,采用非参数权重特征提取(nonparametric weighted feature extraction,NWFE)结合纹理特征的支持向量机(support vector machines,SVM)的分类法,对新疆玛纳斯河流域绿洲区2006年的土地覆被进行分类,并将该方法与主成分分析(principal component analysis,PCA)结合纹理特征的SVM分类、原始波段结合纹理特征的SVM分类进行对比。结果表明,NWFE结合纹理特征的SVM分类结果优于其他2种分类结果,不仅反映了土地覆被分布的整体情况,而且使不同土地覆被类型得到较好的区分,总体分类精度达89.17%。     

Application of Earth Remote Sensing and GIS in Mapping Land Cover Patterns in Kinangop Division, Kenya

<正>Land cover is a fundamental variable that links many facets of the natural environment and a key driver of global environmental change.Alterations in its status can have significant ramifications at local,regional and global levels.Hence,it is imperative to map land cover at a range of spatial and temporal scales with a view to understanding the inherent patterns for effective characterization,prediction and management of the potential environmental impacts.This paper presents the results of an effort to map land cover patterns in Kinangop division,Kenya,using geospatial tools.This is a geographic locality that has experienced rapid land use transformations since Kenya's independence culminating in uncontrolled land cover changes and loss of biodiversity.The changes in land use/cover constrain the natural resource base and presuppose availability of quantitative and spatially explicit land cover data for understanding the inherent patterns and facilitating specific and multi-purpose land use planning and management.As such,the study had two objectives viz.(i) mapping the spatial patterns of land cover in Kinangop using remote sensing and GIS and;(ii) evaluating the quality of the resultant land cover map.ASTER satellite imagery acquired in January 23,2007 was procured and field data gathered between September l0 and October 16,2007.The latter were used for training the maximum likelihood classifier and validating the resultant land cover map.The land cover classification yielded 5 classes,overall accuracy of 83.5%and kappa statistic of 0.79,which conforms to the acceptable standards of land cover mapping. This qualifies its application in environmental decision-making and manifests the utility of geospatial techniques in mapping land resources.     

数字挖掘方法在遥感分类中的应用研究

随着空间信息领域技术的提高,利用卫星遥感数据获取地表信息的数据量也飞速的增长,快速有效地在海量遥感数据源中获取感兴趣的地表信息成为一项重要的研究方向。数据挖掘方法具有从海量数据集中提取隐含其中信息的功能,使得数据挖掘方法在遥感图像分类和专题信息提取中具有较好的应用,但不同的数据挖掘算法具有各自的独特性,使得在遥感分类中使用数据挖掘方法并不容易,本文通过介绍几种常用的数据挖掘算法,分析和探讨了这些方法在遥感分类应用中的优势和局限性,为在遥感分类中更好的、有针对性的选择数据挖掘算法提供借鉴。     

基于遥感数据的哈尔滨土地利用/覆被变化研究

以哈尔滨市为例,基于Landsat数据,利用遥感技术和GIS技术对2000和2015年的遥感影像数据进行解译分类,通过对分类结果的统计分析,定量研究哈尔滨市15年间的土地利用变化过程,结果显示:哈尔滨市土地综合利用程度较高,区域内耕地面积减少;相反,城市建成区面积大幅增加,区域内绿地面积逐年减少,应注意生态环境维护保持。     

基于高分遥感数据的地表覆盖专题监测研究

为推动高分遥感数据在地理国情地表覆盖专题监测工作中的应用,研究了基于高分遥感数据开展地理国情地表覆盖专题监测的技术路线和数据处理与分析方法,探讨了专题监测系统的模块和功能设置,以期为地理国情地表覆盖专题监测工作提供参考。     

全球地表覆盖高分辨率遥感制图

全球地表覆盖分布及变化是气候变化研究、生态环境评估、地理国情监测、宏观调控分析等不可或缺的重要基础信息。国际上现有全球五套地表覆盖数据产品的空间分辨率为1km或300m,数据精度、分类体系、时空分辨率等均存在不足。为了满足全球变化研究与地球模式模拟的需求,应该研制具有较高时空分辨率、更符合全球变化需要、精度较好的全球地表覆盖数据产品。本文简要介绍了全球地表覆盖遥感制图的情况和数据产品的不足,讨论了对新一代地表覆盖数据产品的需求,介绍了我国研制全球30m地表覆盖数据产品的863重点项目。     

地理国情地表覆盖与土地利用数据间差异性分析方法的设计与实现

地理国情地表覆盖数据是地理国情普查的重要成果,与土地利用数据进行差异化分析,可满足相关政府部门对数据演变与内涵解读的迫切需求。基于此,本文着重分析了地理国情地表覆盖数据与土地利用地类图斑数据间的分类差异,构建了分类映射体系,设计并实现了两类数据间的差异性分析方法,为地理国情监测提供方法与数据支撑。     

关于地表覆盖分类数据检查的思考

开展地理国情普查是从地理的角度全面摸清国情国力基本情况的迫切需要。第一次全国地理国情普查是一项开创性的工作,为确保普查成果质量,国务院普查办组织了6批次过程质量监督抽查,完成了对全国31个省级行政区300余家作业单位普查过程、成果种类与要素的全覆盖检查,在了解和掌握了生产过程质量情况的基础上,查找问题、分析原因,并提出了针对性的整改意见,对确保最终成果的质量提供了有力支持。     

遥感技术在我国土地利用/覆盖变化中的应用

介绍了遥感技术的发展与现状及其在我国土地利用/覆盖变化中的应用,说明了遥感技术在土地资源管理中发挥着越来越重要的作用。     

论土地利用与覆盖变化遥感信息提取技术框架

利用遥感技术提取土地利用和覆盖变化信息是一个多因素交织的复杂过程,为提高遥感信息提取的自动化和定量化水平,本文针对变化信息本身的内涵(容)将这一复杂过程分解为变化位置发现、变化区域提取、变化类型确认以及变化信息表示等过程,构建了基于遥感技术的土地利用与覆盖变化信息提取技术流程,并对流程中的关键技术和方法进行了论述和探讨。本文的技术方法能有效应用于多时相遥感数据或已有土地利用与覆盖数据支持下的单一时相遥感数据情况下的变化信息提取。