面向对象分类提取高分辨率多光谱影像建筑物

初步测试利用基于知识规则的面向对象分类方法从高分辨率Ikonos卫星影像上提取建筑物,包括:融合1 m全色和4 m多光谱波段影像,生成1 m分辨率的多光谱融合影像;分割融合影像;利用影像对象的光谱和空间特征执行基于对象的分类。面向对象分类提取结果与传统的基于像元最大似然分类结果进行对比,表明面向对象分类方法更适用于提取高分辨率遥感影像中的建筑物。     

基于支持向量机的SPIN－2影像与SPOT－4多光谱影像融合研究

遥感影像融合是解决多源海量数据富集表示的有效途径之一。针对高分辨率遥感数据SPIN-2(2m)与多光谱遥感数据SPOT-4(20m)的影像融合，提出了基于支持向量机(SVM)的遥感影像融合的新方法。建立了基于SVM的遥感影像融合模型，并进行了分类融合实验，实验效果较好。最后给出了分类融合评价。结果表明，支持向量机可用于遥感影像融合，且分类融合精度较高。     

基于高分辨率遥感影像的城市地表信息提取研究

针对高分辨率遥感影像在城市地表信息提取中存在的若干问题,发展了一种基于影像对象最优特征组合的城市地表信息提取方法。该方法首先基于面向对象的思想,抽象出城市地表信息所对应的影像对象的各种特征,然后,基于先验知识和样本分析选择最优特征组合,建立有效的影像对象特征集,最后,采用基于知识规则的模糊逻辑分类器快速准确地检测、识别和提取城市各类地表信息。实验结果表明,该方法具有较好的分类精度,其分类结果可为土地利用变化监测和GIS数据库更新提供依据。     

融合像素—多尺度区域特征的高分辨率遥感影像分类算法

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。     

面向对象的高分辨率遥感影像道路损毁识别研究

道路损毁信息的在灾后高效救援中发挥着重要作用。本文针对高分辨率遥感影像空间特征丰富、光谱分辨率低的特点,基于面向对象遥感影像分类方法,采用eCognition软件对芦山震后0.2m航空遥感影像进行道路损毁信息的提取实验。实验中结合GIS信息,首先将基于现有的道路矢量线文件生成道路矢量面文件参与分割,生成单独的道路区域对象以用于进一步处理。分割采用棋盘分割和多尺度分割,根据损毁道路影像特征创建波段比值,使用Assign算法和模糊分类算法提取出道路线、植被、损毁区和未损毁区,并将结果输出为矢量文件。根据损毁区损毁对象的周长、面积与道路宽度的关系,建立判定条件来初步判定损毁类型。最终将损毁粗判定结果与损毁路段的目视解译结果对比分析,检验该方法的准确率及可行性。结果分析表明上述方法能有效地识别出高分辨率遥感影像损毁道路信息。     

多特征流形鉴别嵌入的高分辨率遥感影像分类

针对高分辨遥感影像同谱异物、同物异谱导致单一特征分类结果精度较差的问题,本文提出了多特征流形鉴别嵌入的高分辨率遥感影像分类方法。该方法首先提取高分辨率影像数据的光谱特征与LBP纹理特征;然后通过样本数据的联合光谱、纹理特征的空间距离及对应的类别信息,构建影像对象的类间图与类内图,用于学习高分辨率影像上的鉴别流形结构,保证在嵌入空间上尽可能不同地物特征分离、相同地物特征紧聚,确保相同地物光谱、纹理特征的相似性,完成光谱、纹理鉴别特征的有效提取,以充分挖掘影像特征,有效提高影像的分类精度。在GF-2遥感数据集上进行试验,结果表明本文算法可实现多特征的有效融合,分类精度均优于传统方法,可达93.41%。     

利用规则集进行高分辨率遥感影像道路自动判读

高清卫星遥感成像技术的快速发展,为城市管理发展提供了海量多源数据。为更好地服务于城市发展管理各个方面,基于高分辨率遥感影像的高自动化判读和特征地物信息提取已成为需迫切解决的应用瓶颈。本文将道路的分类、光谱、主辅线、拓扑关系、场景等信息结合,建立对应的对象特征规则集,通过运用ENVI软件对湖南省长沙市某试验区高分辨率遥感卫星影像图进行了道路判读处理。经与遥感影像对照分析可知,所获得的道路判读结果,具有很好的可靠性,表明基于对象特征的规则集分类方法是一种适应性强、效率高的方法。     

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。     

面向对象的eCognition遥感影像分类识别技术应用

以位于印度尼西亚Kalimantan热带雨林地区的1幅具有3个通道的雷达图像为研究对象,利用面向对象方法对高分辨率遥感影像的水体进行提取,在分割的基础上,经过分层分类,充分利用影像的光谱信息、拓扑信息、形状特征等构建知识库进行分类,实验结果理想,相对传统基于像素的图像分类分析方法结果图斑完整,提高了分类精度。     

单类分类框架下的高分辨率遥感影像建筑物变化检测算法

针对现有机器学习方法在高分辨率遥感影像建筑物识别等领域需要正负训练样本同时参与,提出了一种基于一类样本、无需负样本参与的单分类建筑物变化检测算法。首先,提取影像的形态学建筑物指数特征;然后与光谱特征进行多特征融合,并基于该单类分类方法,从面向对象的角度出发,得到对象级建筑物变化检测结果;最后利用构建的一种新的形状特征进行精化,得到最终的建筑物变化检测结果。通过对多源高分辨率遥感影像开展实验,验证了该算法具有一定的鲁棒性,且相比于现有建筑物变化检测算法具有更优的检测精度。     

基于多特征的遥感影像分类方法

提出了一种基于多特征的遥感分类方法。首先 ,制定类方案并分解各个类 ,据此得到相应的子类 ;然后 ,通过选用适当的特征 ,使得每一个类都能以一个独特的特征组合来表达。与此同时 ,通过影像分割得到影像对象 ,并测量这些对象的各个特征 ,如光谱特征、几何特征及拓扑特征等。凭借这些特征 ,影像对象可以较为容易地被识别和分类。与传统的分类方法的比较表明 ,文中所提出的分类方法具有明显的优越性和良好的前景。     

一种加入空间关系的海岸带遥感图像分类方法

 海岸带作为海洋、陆地和大气共同作用的地带，其地物混杂度大，变化频繁，单纯利用光谱特征分类难以取得理想的精度。 但海岸带地物滨临水体，而水体与地物存在巨大光谱差异，易于识别。据此，本文尝试提出一种简单的加入空间关系的遥感图像分类 方法，即，先准确识别出海水类，然后统计非海水类的每一个像元到最近海水的空间距离。由于不同的海岸带地类距离海水的空间距 离有其自身的特点，因此，利用这一距离信息辅助分类能提高分类精度，尤其是针对那些光谱特征相近而距离相差较大的地类。     

面向对象的高分辨率遥感影像建筑物震害信息提取

建筑物的倒损信息是震后灾害评估的一项重要指标。文中应用震后高分辨率遥感影像数据,采用面向对象分类方法,以最优分割参数对影像进行分割,构建多尺度影像对象层次结构。通过影像对象的光谱、形状、纹理等特征及空间拓扑关系建立分类规则库,提取基本完好、受损和完全倒塌三类破坏等级的建筑物震害信息。结果表明,面向对象分类方法能够实现提取三类等级的建筑物震害信息,从而满足地震灾害快速评估要求。     

结合均值漂移分割与聚类分析的遥感影像变化检测

针对传统遥感影像变化检测方法对前后期影像数据质量要求高、适应范围窄、检测精度较低等问题,本文在引入异常点检测思想的基础上,提出了一种结合均值漂移分割与聚类分析的遥感影像变化检测方法。首先将前期地理国情矢量数据与待监测的遥感影像进行地理配准;然后在地理国情矢量数据的基础上对遥感影像作均值漂移算法二次细分割,获得的矢量图斑继承了原有父级类属性,并对同一父级类的影像图斑进行光谱、空间、纹理、指数等特征提取;最后采用高斯混合模型与最大期望值算法聚类获得多个类别,在父级类下找出异常类别的图斑。通过试验对比分析,表明了本文方法的有效性和可靠性,为遥感影像变化检测提供了新思路。     

基于面向对象和规则的遥感影像分类研究

讨论了面向对象和规则的光学遥感影像分类方法。首先利用多尺度分割形成影像对象，建立对象的层次结构，计算对象的光谱特征、几何特征、拓扑特征等，利用对象、特征形成分类规则，并通过不同对象层间信息的传递和合并实现对影像的分类。并以北京城市土地利用分类为例，对该方法进行了验证。     

基于像斑的多光谱影像跨尺度分类研究

提出了一种新的多尺度像斑模型,充分利用多尺度像斑模型所提供的尺度纵向信息,并结合决策树的分类方法来实现跨尺度分类,而不直接进行最佳尺度选择。实验结果证明,跨尺度方法较单一尺度分类能更准确地区分地物,从而提高分类精度。     

粗糙集高分辨率遥感影像面向对象分类

面向对象的高分辨率遥感影像分类已受到研究者们的广泛关注。本文提出一种基于粗糙集理论的面向对象分类方法以区分高分辨率遥感影像上的不同地物。首先,利用基于相位一致梯度与前景标记的分水岭变换进行影像分割,提取图像斑块;然后,利用Gabor小波提取斑块的纹理特征,进而根据粗糙集理论提取纹理分类规则;最后,在对象光谱特征的初步分类结果,根据纹理分类规则得到最终结果基础上。依据粗糙集理论只能处理离散属性数据,本文重点提出一种适用于面向对象分类的连续区间属性离散化方法。实验表明本文方法可取得较好分类结果与较高分类精度。     

基于地形区域分割的复杂地区遥感影像分类

提出了一种基于地形区域分割的分类方法,在影像中利用地形特征数据预先划分出每种地物的分布区域,然后以区域为基本单位对影像进行分类,同时利用DEM数据对影像进行地形校正,减小了同种地物内部由于地形起伏造成的光谱离散的现象。利用湖北西部山区的TM影像和DEM数据的试验证明,利用地形特征数据进行分割的分类方法与仅考虑光谱特征的分类方法相比较,分类精度有了明显的提高。     

基于图割算法的摄影测量点云面向对象分类方法

针对摄影测量点云分类问题,提出一种基于图割算法的面向对象分类方法。由于摄影测量点云质量相对较差,文中首先基于区域增长分割思想,提出一种新的点云体素生成方法,将摄影测量点云聚为不同的对象;然后将不同的对象作为节点,将分类问题建模为一个多标记问题,引入图割算法优化获取邻域内平滑一致的分类结果。利用两组摄影测量点云数据进行实验,正确率分别为87.3%和88.7%,比基于单点的分类方法分别提高2%和2.6%。