基于图像理解的土地利用分类信息提取

基于图像理解理论原理,采用面向对象分类软件作为基础软件平台,模拟人类大脑对图像的认知过程,概括出不同地类的知识表达,并构建函数作为类别的特征描述,更大限度地挖掘中低分辨率卫星数据的信息。研究结果表明,基于图像理解的土地利用分类信息提取方法有效地提高了地类的检出效率和分类精度,为中巴卫星应用于国土资源宏观监测的可行性提供了依据。     

基于面向对象分类的稀土开采区遥感信息提取方法研究

离子吸附型稀土矿是我国宝贵的矿产资源,运用遥感影像分类技术提取稀土开采区可以准确地实现对稀土开采状况的监测,但仅利用光谱信息往往难以保证分类精度。本文以江西寻乌稀土矿区为研究区,以IKONOS影像为数据源,应用面向对象分类方法提取了稀土开采区的遥感信息。针对稀土开采区的分布特点,选择基于边缘的分割算法进行影像分割;结合地形信息、光谱信息及几何信息建立规则集,进行特征提取;最后采用隶属度函数法实现面向对象分类,并与传统的光谱角填图分类进行对比分析。研究结果表明,面向对象分类法提取稀土开采区的总体精度为92.49%,Kappa系数为0.857 6,与传统监督分类方法相比有了很大的提高。     

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。     

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。     

复杂结构构造区遥感图像的地质信息提取方法——基于小波变换的多层次图像分割

针对基岩裸露的造山带变形强烈、地层组合复杂、解译难度大的特点，提出了一种有效结合纹理信息和颜色信息的小波帧包变换的多层次图像分割方法，克服了以往图像处理方法将低层特征孤立起来的缺陷，在南天山东段铜花山－硫磺山地区地表地质结构的遥感影像解译中获得了令人满意的效果，为强烈变形的复杂结构构造区从遥感图像上提取地质信息提供了有效的途径。     

利用粗糙集理论进行遥感分类信息提取

以辽宁省双台子河口湿地为研究对象,以Landsat 8和HJ-1-A/HJ-1-B的多时相遥感影像为数据源,根据研究区现状,将研究区分为旱地、芦苇、水田、碱蓬、混合植被、水面、滩涂、居民点、养殖塘九个类型.利用时间序列的归一化植被指数提取植被与非植被的分类阈值,采用粗糙集理论和多时相遥感影像,对植被和非植被分别进行分类规则的获取,建立了研究区决策树分类模型.为了进行精度评价,利用相同的训练点又进行了同样基于像元的最大似然法分类.最后利用混淆矩阵对上述两种方法进行了精度评估,基于粗糙集的决策树分类法与最大似然法总体分类精度分别为93.70%和91.62%,Kappa系数分别为0.92和0.90,两项指标值基于粗糙集理论法均比最大似然法有所提高.这为构建决策树分类模型进行湿地地表分类信息提取提供了一条新的研究思路.     

基于决策树特征提取的支持向量机在岩性分类中的应用

由于支持向量机属于黑箱模型,因此在进行模型学习时无法直接对特征进行选择,而决策树模型在递归创建的过程中自身具有一定的特征选择能力。针对岩性分类问题,本文将决策树和支持向量机结合,通过决策树的建立,在考虑特征重要性的前提下,利用树节点的高度对特征进行提取,并将具有更高分类能力的特征送入支持向量机进行岩性分类。结果表明:通过决策树的特征提取,减少了支持向量机模型的输入特征,从而有效控制了模型的复杂度,使得模型更加稳定并具有更高的分类精度,测试集精度能够提升10%以上。     

基于ALOS遥感影像的湿地地表覆被信息提取研究

为了验证ALOS遥感影像湿地地表覆被信息提取的可行性,以黑龙江省三江平原典型内陆淡水沼泽湿地为研究对象,通过ALOS遥感影像波段的光谱及纹理特性分析,探讨适合水体、旱地、水田、沼泽、林地、建设用地、草甸等覆被类型的分类特征;基于非监督、监督及面向对象分类方法,遴选能实现最优分类结果的特征组合,为湿地地表覆盖分类数据源及方法的选择提供参考。结果表明：非监督、监督及面向对象分类方法的总体精度分别达到63.86%、96.14%和85.26%;非监督分类方法整体分类效果不够理想;面向对象方法虽然得到了相对较高的分类精度,但是针对建设用地、林地及草甸地类信息提取的精度处于较低水平;监督分类方法能取得较好效果,最适合于湿地地表覆被信息提取。     

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。      

基于土地利用类型的大气降水入渗补给量计算

影响大气降水入渗补给量的因素较为复杂,主要有土地利用类型、降水量、包气带厚度及岩性等。随着遥感影像解译技术的发展,人们能更精确地识别空间土地利用类型,从而更精确地计算大气降水入渗补给量,并了解其空间分布。综合考虑这些影响因素,本文提出了一种基于土地利用类型,并结合地理信息系统(GIS)和VBA(visual basic for applications)编程技术的大气降水入渗补给量计算方法(PIRCL)。以广州市广花盆地为例,利用PIRCL法计算得到该地多年平均大气降水入渗补给量为14 369万m3,该结果与水量平衡法计算得到的大气降水入渗补给量结果相近,相对误差约为2.4%;并且,计算得到的大气降水入渗补给量空间分布基本合理。与水量平衡法相比,PIRCL法计算大气降水入渗补给量只需区域遥感数据、区域降水量数据、对应时段地下水位动态变化及区域水文地质参数,不需要计算地下水其他的补给、排泄项,可以省略大量的工作量,且方便编程实现。     

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%。     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

利用分层分类法进行厦门岛城市地表分类研究

本文利用分层分类法把厦门岛城市地表分为七类,并对分类结果进行了验证。在TM图像光谱特征分析和归一化差异型指数分析结论上,提出分层分类法的分类步骤。利用ERDAS的专家分类器逐类地提取地表类型,并利用掩膜法将原图像上新提取地类所对应区域掩膜掉,使得分类过程越来越容易。分层分类法避免了一次划分多种类别方法,在选择波段组合上的矛盾。精度评价结果表明,总分类精度90．9％,达到分类要求标准。     

基于ASTER数据遥感影像的决策树分类

以黑龙江省北安市为研究区域,尝试利用ASTER视反射率值进行便利、准确的土地利用分类研究。对ASTER数据进行波段相关分析,确定最佳组合波段;然后重点分析转换为视反射率值的影像特征和光谱特征,从中提取各种典型地物的光谱曲线; 并依据提取的光谱曲线建立基于地物反射率值大小关系或阈值的决策树模型,对研究区不同地物类型进行分类,并对结果进行精度评价。应用效果表明,该方法简单有效,但对于混合光谱容易错分。     

基于多尺度分割的岩石图像矿物特征提取及分析

针对传统岩石薄片鉴定以肉眼观察和描述为主,存在主观性强、定量困难等问题,将数字图像处理方法引入岩石矿物研究,提出了基于多尺度分割的岩石图像矿物特征信息提取方法。以铁质石英砂岩薄片显微镜下单偏光图像为实验对象,获取了石英颗粒的边界及其体积分数、大小、周长、长轴长度和方位、长轴和短轴比、圆度和形态指数等信息。其中：石英颗粒的体积分数为47.07%,小于基质的体积分数,在基质中呈漂浮状,为杂基支撑结构, 表明形成于沉积同生期;长轴的范围为50～604像素,表明石英颗粒大小不均、分选性差;颗粒的圆度为0.27～1.82,形态指数值为1.19～2.46,圆度和形态指数值较小,表明石英颗粒有一定的磨圆度。这种信息的获取和定量分析方法有助于对岩石图像的地学理解。     

基于实测光谱指数法的ASTER遥感数据岩性信息提取

目前,光谱波段比值法可以用于岩性信息提取与识别。以新疆北山坡北造山带辉长岩、橄榄岩、橄榄辉长岩以及闪长岩为研究对象,深入分析这四种岩性在VNIR（可见光-近红外）-SWIR（短波红外）谱域的光谱差异。基于辉长岩、橄榄辉长岩、橄榄岩以及闪长岩在2 300 nm附近存在-OH的吸收特征,建立了第8波段的相对吸收深度RBD₈;基于橄榄辉长岩、橄榄岩以及闪长岩在400~700 nm出现的弱吸收特征,建立比值指数RI₂₁来反映四种岩性含Fe³⁺矿物的丰度;基于四种岩性在1 100 nm附近都存在由Fe²⁺引起的宽而强的吸收谱带,建立了比值指数RI₅₄来估计Fe²⁺含量。利用RBD₈、RI₂₁以及RI₅₄三个比值指数分别对影像进行增强处理,并对增强后的影像进行RGB彩色合成,不仅识别和提取出辉长岩、橄榄岩、橄榄辉长岩和闪长岩,还有效区分出片岩以及碳酸盐岩等岩性信息。     

地质实验测试异常信息提取与集成

结合具体实例探讨了地质实验测试过程中的有效信息和异常信息及异常信息提取的相关问题,阐述了地质实验测试异常信息的集成应用在地质科学研究、地质勘查和地质实验测试中的意外作用。意在强调地质实验测试技术人员应充分重视异常信息的发现、提取和集成,加强学科间的交叉与合作,推动地质实验测试水平的提高。     

基于ETM影像数据融合的土地覆盖分类研究

在ERDAS软件支持下，对ETM遥感影像数据的TM1-TM5，TM7与其全色波段TM8进行融合，采用主成分、乘积法、Brovey转换三种融合方法，重采样方法分别为邻域法、立方卷积法及双线性内插法。采用相同的训练样本区及最大似然法分类方法，对融合产生的9幅影像及未融合影像进行土地覆盖分类，通过对分类影像的Producers Accuracy，Users Accuracy，Kappa三者的精度数据和地物波谱信息的对比分析，在总体上，上述的影像融合方法对提高土地覆盖分类的精度不明显，但就某些地物类型来说，还是值得采用的；三种融合方法和三种重采样方式它们之问相比较而言，乘积法融合法和立方卷积重采样法相对较为可取。     

Application of GIS to Geological Information Extraction

GEO-INFORMATION EXTRACTION USING GISTwo kinds of grid cells are used in the research area:oneis a regular grid cell,the other is an irregular one.A sampleis shown below to apply the regular grid cell to the extractionof geo-information.TABL E1　ATTRIBUTE OF ENTITY IN FIG.1ID area/ cm2 perimeter/ cm rock character time1 1 .5 5 4.88granite T2 1 .1 2 3 .93 metamorphic rock PTABLE 2　 ATTRIBUTE OF GRID CEL L IN FIG.2ID perimeter/ cm area/ cm2 cell number1 6.90 …