无人机遥感影像的城市绿地信息提取

针对传统人工城市绿地调查费时、费力等问题,该文提出了一种利用无人机遥感进行城市绿地信息提取的思路和方法。设计构建了基于固定翼无人机平台的遥感系统,对宁波市部分区域进行航飞实验。采用PixelGrid软件对无人机影像进行了预处理,得到测区正射影像。采用基于像元统计特征分类和面向对象分类两种方法,对研究区进行绿地信息快速提取并进行了精度验证。研究结果表明,利用最大似然分类法和归一化绿红差异指数法提取精度最高,分别为81.73%和80.23%。     

基于多分类器组合的遥感影像分类方法研究

针对遥感影像分类特点,提出了一种基于多分类器组合的遥感影像分类方法.该方法选取分类性能以及多样性最好的马氏距离、支持向量机(SVM)和最大似然等3种分类器作为子分类器,自定义规则对简单投票法、最大概率类别法以及模糊积分法进行组合,并以山西怀仁县为研究区,对基于航摄数字正射影像进行分类.结果表明,与单个子分类器中精度最高...     

面向对象的无人机影像分类研究

选取同处于夏收秋种时期、不同地点的3幅无人机影像进行面向对象分类。将影像在14个不同尺度上进行多尺度分割,以便获取对于分类对象较好的分割尺度。在对象基础上,将影像分为灌木、农田、道路、房屋及水体,并将分类结果精度与最大似然分类结果进行对比。结果表明,采用定量评价分割效果的方法,同时采用面向对象的方法进行信息提取,总体精度均在80%以上,明显高于最大似然分类。     

基于支持向量机的CBERS-02卫星影像信息提取

CBERS卫星是由中国空间技术研究院与巴西空间研究院联合研制的地球资源遥感卫星,CBERS-02卫星数据总体质量比CBERS-01卫星有所提高,本文利用支持向量机方法对CBERS-02卫星影像信息进行提取。研究中首先用6S模式对影像进行大气校正,然后选择RBF为支持向量机方法的核函数,并用交叉验证方法得到影响RBF核函数的两个最佳参数值进行学习完成信息提取,最后将提取结果制作成矢量图。通过研究得出用大气校正后的数据进行信息提取分类精度有所提高;与最大似然法和最小距离法相比,支持向量机方法分类精度较高。通过将研究结果与ETM+影像进行比较得出,CBERS-02卫星影像精度能够满足应用需求并能代替TM/ETM+数据开展研究工作。     

基于最大似然法和SVM法的太湖流域HJ-1B影像分类

以太湖流域作为研究对象,基于环境减灾卫星HJ-1B影像数据,比较利用最大似然法和支持向量机法进行土地利用/覆盖分类的效果。结果显示,SVM法在总体分类精度和Kappa系数上较传统最大似然法有所提高。SVM分类方法对于有限样本的分类表现出优越的性能,改善了传统分类方法的局限性,具有很大的应用潜力。     

遥感影像监督分类

本文主要研究探讨遥感影像分类的监督分类法原理、技术、步骤及精度等问题。通过采用最大似然分类法对各种融合影像进行监督分类,比对结果,阐述最大似然分类法的特点。     

基于无人机影像的地表要素信息提取

准确掌握地表覆盖类型信息对于自然资源监管具有重要的作用。常用的地表覆盖信息手段多为基于卫星影像的遥感解译提取,本研究利用无人机航空影像,采用KNN均值聚类、最大似然法、面向对象3种分类手段尝试进行地表覆盖类型信息高精度提取。结果显示：大疆M600无人机获取的多光谱影像具有较高的质量,纹理信息表达清晰;KNN均值聚类分类在裸地与道路识别中具有较高的精度优势;最大似然分类方法在水体的识别中具有较高的精度优势;面向对象分类方法在居民地、林地、耕地的识别中具有较高的精度优势,通过最优特征筛选,最大限度地降低了其他类型对主类型的提取影响。     

四川省典型地貌类型区土地利用信息提取研究

以Landsat8影像作为遥感数据源,采用面向对象SVM和面向像元最大似然分类算法,分别对四川省3种不同地形的典型地区,进行土地利用遥感信息提取,对提取结果进行对比分析,并探讨了这两种方法的适用性。研究结果表明,在中山地区和川西平原地区,SVM的分类精度更好。川中丘陵地区,最大似然分类能更好地处理边界问题,精度略高。     

结合纹理的SVM遥感影像分类研究

针对传统统计模式识别分类方法分类精度不高,分类时未加入像元灰度的空间分布和结构特征以及分类时样本不足等缺陷,采用一种结合纹理的支持向量机(SVM)遥感图像分类方法。该方法在对Landsat7 ETM遥感影像进行纹理特征提取的基础上,构建了结合纹理的SVM分类模型。以河南省汝阳县为试验区,利用此模型对该区域的土地利用类型进行分类研究,并将分类结果与最大似然法和单源数据(光谱)SVM分类结果进行定性和定量比较分析。研究结果表明:该方法能够有效地解决单数据源分类效果破碎、分类精度不高等问题;对高维输入向量具有较高的推广能力;总精度达到90%,比单源信息的SVM分类法提高了6%,而与最大似然法相比,总精度提高了近9%,取得了良好的效果。     

改进最大似然遥感影像分类方法——以SAR影像为例

针对常规最大似然分类算法中类别先验概率获取困难及遥感影像分类问题,提出了一种有效的改进最大似然遥感影像分类方法.该方法能使用类别样本的统计信息,实现类别先验概率的自动和最优提取,从而很好地解决了基于统计监督分类方法中无法直接获取类别先验概率的问题.以6景Radarsat-1 精细模式SAR影像数据为例进行的分类实验证明,该算法分类效果较好,针对单波段、单极化的SAR影像,其精度可望达到80%.     

SPOT5卫星影像在退耕遥感监测中应用的初步研究

本文利用SPOT5卫星影像，以庄浪县为研究区域，从退耕还林还草监测的角度探讨此类影像的特点以及在正射纠正等各环节的处理过程、方法，建立针对退耕还林还草监测工作的影像解译标志，在样区实地调查结果的基础上训练样区并进行监督分类，以监督分类结果为参考对融合后的2．5米彩色影像进行人工解译，并结合1999年度的航空正射影像进行退耕成效评估。研究结果表明，SPOT5卫星影像与航空遥感正射影像相结合是比较可行的一种退耕遥感监测数据源选择方案。     

基于像素工厂的京津冀地区GF-1正射影像制作

本文选择京津冀地区高分一号卫星影像作为研究对象,制定像素工厂平台下大区域高分一号正射影像制作方案。研究了利用像素工厂对大区域高分辨率遥感影像进行空三优化、正射校正、影像融合、影像镶嵌等关键技术,完成了京津冀地区高分一号正射影像的制作。精度评价结果表明,利用像素工厂能够生产在定位精度上满足要求的大区域高分一号卫星遥感影像正射影像,像素工厂在处理高分一号卫星遥感影像上具有大批量、精度高的优势。     

结合光谱角的最大似然法遥感影像分类

遥感影像含有丰富的信息,反映了地物特征。其中光谱角侧重描述了光谱的形状特征,具有对多光谱图像增益不敏感的特点。最大似然法是遥感影像分类最常用的方法之一,文中对该方法的后验概率判别函数进行修改,将光谱角以概率因子的形式加入到判别函数中构造一种新的判别函数,有机地将光谱角这一特征信息加入影像分类。通过实验,并与最大似然法和光谱角匹配法分类结果进行比较,结果表明,结合光谱角的最大似然分类法的分类精度得到提高。     

多分类器联合监督分类方法研究

针对遥感图像监督分类方法适用范围不同且分类机制各有优劣的特点,本文提出将最大似然法与最小距离法结合的监督分类法。对eTM 影像进行分类,结果表明,与单一分类器的分类结果相比,分类器结合的监督分类技术能有效提高遥感图像专题信息提取的精度。     

多时相MODIS影像土地覆盖分类比较研究

首先以黑龙江省多时相MODIS影像为试验数据,利用最大似然分类(MLC)、自组织神经网络(SONN)、支持向量机(SVM)以及决策树分类(DTC)等四种广泛使用的分类方法进行了土地覆盖遥感分类研究.并从分类精度、样本数量对分类器的影响、模型复杂度、参数的选择、分类速度等多个方面对4种分类方法进行了深入比较和分析.综合比较得出决策树分类法最优,而经典方法之一的最大似然分类法最稳定.进而将此二法推广到全国范围的土地覆盖分类试验中,并进行精度对比.本文所得出的结论将对于在类似的应用中如何选择合适的分类方法具有一定的参考价值.     

高分辨率卫星遥感影像在基础测绘中的应用探讨

本文主要探讨了SPOT5卫星遥感影像在1：1万基础测绘中的应用。本文围绕实际生产,重点阐述了卫星遥感影像高精度正射纠正技术、真彩色影像融合处理技术以及大范围影像批量分幅方法,并对不同控制点布设方案制作的卫星遥感正射影像图进行了精度分析。     

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。     

1:5万地形图对海岸带遥感影像精校正能力的实例分析

海岛海岸带卫星遥感调查项目中,需要利用一定数量和分布的控制点对原始遥感影像进行几何精校正,外业测量控制点精度高却费时费力。以1∶5万地形图为例,选取控制点分别对SPOT-5影像进行正射校正,并联合使用实测点和高精度正射影像图进行实际定位精度评定,校正结果基本满足国标对生产1∶5万正射影像图的地物点平面位置定位精度要求,但有个例不能满足908专项《海岛海岸带卫星遥感调查规程》的精度要求。地形图的成图精度、现势性及地图纸质是影响影像校正精度的主要因素,在作业过程中必须辅以一定数量的实测控制点,以保证成果的可靠性和准确性。     

西北旱区遥感影像分类的支持向量机法

针对较大范围、不同时相、不同气候和地貌类型的遥感影像的土地利用现状分类问题,提出了一种结合标准植被指数和纹理特征的支持向量机法。此方法改进了陕西延安、甘肃嘉峪关和青海果洛的遥感影像分类,有效地解决了最大似然法和BP神经网络法的缺陷造成的分类精度不高的问题。分类结果表明:与最大似然法和BP神经网络法相比,结合标准植被指数和纹理特征的支持向量机法的分类总精度最高(97.75%),Kappa系数为0.9691。该方法可为西北旱区遥感影像解译和土地资源可持续发展战略提供方法支撑。     

利用随机森林的高分一号遥感数据进行城市用地分类

为了探究国产高分一号卫星遥感影像数据面向城市用地分类的实际应用方法和效果,本文以北京市某区域为例,基于高分一号PMS数据,使用随机森林、支持向量机、最大似然法3种分类器进行了城市用地分类对比研究。结果表明,随机森林和支持向量机的总体分类精度明显优于最大似然法;最大似然法在运算时间上明显优于随机森林和支持向量机。综合分析发现,随机森林算法表现更优。它既能保证分类精度,又能保持一定的时间效率,更适合高分辨率、大数据量、多特征参数的高分一号遥感影像分类的实际生产应用。