基于高分辨率影像的城市绿地提取

为了充分发挥高分辨率影像优势,满足园林城市建设对城市绿地覆盖统计的高效、高精度需求,采用面向对象分类技术,利用某市城区部分高分辨率影像数据进行城区绿地覆盖提取实验,基于ENVI面向对象特征提取模块对该区域进行分割、规则定义、分类、矢量结果输出等。实验表明,基于面向对象技术对城区高分辨率影像进行绿地覆盖提取效果较好。     

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%。     

一种面向对象的遥感影像城市绿地提取方法

针对目前面向对象方法在高分辨率遥感影像中提取绿地专题信息的特点,以及受到城市区域范围尺度限制因素的影响,本文提出一种利用高分辨率遥感影像提取城市区域范围绿地专题信息的方法,结合影像分割、影像面向对象模板统计和基于多阀值的模糊分类技术的优势,林地、密草地和疏草地专题信息被提取出来.研究中提出利用基于面向对象多尺度分割算法...     

Sentinel-2A和Landsat-8 OLI的济南市城市绿地提取差异研究

以Sentinel-2A和Landsat-8 OLI影像为数据源,选取济南市建成区为研究区,利用面向对象分类方法中标准最邻近分类方法,提取济南市建成区林地、草地、道路绿地和耕地4类绿地特征,并选取计算了景观聚散性、景观多样性、斑块密度及差异性、邻近度等4类指标的7个评价指数,分析绿地空间特征。总体而言,济南市具有较高的城市绿地面积和较合理的分布特征,城市的宜居性较好。     

城市绿地信息提取及空间格局分析研究

城市绿地在城市生态系统中占据至关重要的地位,也是评价城市环境和城市居民生活水平高低的重要标志。随着信息技术的发展,针对城市绿地的研究与分析又迈上一个新台阶。本文针对研究区域的遥感影像数据对城市绿地进行提取,利用RS技术及ENVI软件进行数据处理,基于ISOData聚类法进行非监督分类及精度评定。结果表明,研究区绿地分布不均匀,主要分布在北部地区,中部居民区绿地覆盖率较低。可运用Arc GIS对绿地进行服务区分析,进而根据服务范围的分析结果提出合理的规划建议。     

特征优选下的遥感影像面向对象分类规则构建

针对分类规则及其阈值的确定主要依赖人工经验、通用性差问题,该文提出了特征优选支持的面向对象分类规则构建方法。该方法利用面向对象技术,首先使用Boruta算法对先验样本数据集进行特征选择,然后根据隶属度函数构建分类规则集,最后引入置信区间概念,确定分类规则的阈值。以德国波兹坦地区的航空影像、数字表面模型(DSM)以及地面真实参考影像为实验数据,构建城市建筑、城市绿地(包括草地和树木)这两种地类的分类规则,利用不同数量的训练样本,开展面向对象分类实验,与支持向量机(SVM)监督分类方法进行对比分析。实验结果表明,在相同的优选特征下,利用置信区间确定阈值得到的分类规则,提取效果及分类精度更好,尤其在训练样本量少的情况下,该方法得到的分类精度比SVM高30%～40%。     

高分辨率遥感影像分割的城市绿地提取研究

城市绿地是生态文明建设的重要组成部分,绿地信息提取是城市绿地规划和建设的基础和前提。遥感影像分割是绿地信息分类提取的关键步骤,选择合适的影像分割方法能有效提高城市绿地提取精度。传统的遥感分割方法分割结果中边缘锯齿现象严重,与绿地实地边界相差较大,不符合绿地信息提取的要求。本文以高分辨率的WorldView影像为数据源,使用深度学习网络DeepLab-v3+对城市绿地进行分割研究,在分割基础上进行城市绿地信息提取。同时,本研究将该网络模型的分割和分类结果与基于Ostu、MeanShift、FNEA分割算法的分类精度进行比较。研究表明：DeepLab-v3+的分割性能最好,其分割边缘光滑,与绿地实地边界吻合度高,有效解决了传统分割算法的边缘锯齿问题;在各种分割分类算法中,DeepLab-v3+的分类精度最高,达到98.01%。     

国产高分辨率遥感数据城市绿地提取研究

针对国产高分辨率遥感数据在城市绿地信息提取中分割尺度选择问题,选取国产高分一号(GF-1)和中巴地球资源卫星04星(CBERS-04)遥感数据,在数据融合的基础上,采用控制变量法选取影像分割与合并尺度进行绿地信息提取,通过信息提取精度评价确定最优分割尺度。实验结果表明,对于GF-1和CBERS-04国产遥感数据,面向对象的方法均优于基于像元的方法,其中5m分辨率CBERS-04数据,面向对象方法绿地提取精度为90.53%,基于像元方法绿地提取精度为86.54%,推荐分割尺度与合并尺度为(25,70);2m分辨率GF-1数据,面向对象方法绿地提取精度为97.09%,基于像元方法绿地提取精度为83.49%,推荐分割尺度与合并尺度为(45,80)。研究结果能够为国产高分遥感数据城区绿地信息提取和地物分类过程中尺度选择提供借鉴和支持。     

基于TM影像的广州市主城区城市绿地的提取和分析

利用遥感技术能够实现快速提取城市绿地信息,准确地计算出城市绿地面积及覆盖情况等。本文以广州市TM遥感影像为数据源,进行一系列预处理,对监督分类和先计算NDVI再采用非监督分类这两种提取方法进行比较分析。结果表明,先计算NDVI再采用非监督分类法精度较高,说明该方法是一种有效的绿地信息提取方法。     

基于高分辨遥感影像的城市绿地信息提取研究

城市绿地以植物为主要存在形态,是城市的净化器,有着保持水土、涵养水源、调节自然界生态平衡等作用,与人们的工作和生活都息息相关,是城市不可或缺的一部分。本文以淮南市为例,使用World View-2高分辨率遥感影像,先对影像进行预处理,然后利用面向对象方法,对影像进行多尺度分割,再提取绿地信息。实验结果表明,使用高分辨率的遥感影像,利用面向对象的方法进行绿地信息的提取的效果是可行的,并且效果和精度都比较好。     

一种面向对象的高分辨率遥感影像信息提取方法

针对传统面向对象分类方法的不足,根据研究对象特征构建了一种改进的面向对象的高分辨率遥感影像信息提取分类方法.首先利用SLIC超像素算法对影像进行分割,并提取分割后影像的纹理、光谱和形状特征;再利用SVM分类器提取影像信息,区分相似性较高的耕地和道路;然后利用随机森林算法提取水体和人工表面;最后对不同地物信息的提取结果进行拼接,实现土地利用分类.结果表明,与传统的面向对象分类方法相比,该方法的分类精度更高.     

利用DSM以及彩色遥感航空影像快速提取建筑物目标信息

利用激光数据成果DSM以及真彩色航空遥感影像,借助面向对象的分析手段对试验区建筑物目标信息进行快速提取。结果表明,基于以面向对象分类技术为核心的eCognition,结合地物颜色信息、植被指数等特征能够对绿地目标进行提取,并可以利用eCognition围绕设定的规则利用逻辑运算实现绿地利用的变化检测。     

基于TM影像的城市绿地信息提取方法研究

基于TM遥感影像,运用ERDAS,对某地城市绿地专题信息进行了提取。实验过程中首先对图像进行预处理,然后通过四种绿地信息提取方案进行比较分析,这四种方案分别为:原始波段合成法、主成份分析法、归一化植被指数(NDVI)法和实验波段组合法。将以上几种方案的图像进行反复比较,根据研究对象的实际情况,植被景观目视效果最好的是NDVI植被指数法。对以上四种方法的彩色合成图像进行监督分类,利用目视判读的方法对TM影像的分类结果进行精度检验,由此可以看出实验波段组合法的精度最高,该方法是一种有效的绿地提取的方法。     

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。     

面向对象分类特征优化选取方法及其应用

与传统基于像元的分类方法比较,面向对象的分类方法可利用的地物信息更加丰富,然而如何从众多信息中筛选出能够有效提取不同地物的分类特征,从而提高分类效率与精度,是使用面向对象方法分类时急需解决的问题。SEaTH算法（分离阈值法）是一种有效的自动选取分类特征并计算阈值的方法,但其只考虑了类间距离,容易存在信息的冗余,从而对分类精度造成一定影响。本文在SEaTH算法的基础上,综合考虑了特征间的相关性、类间距离以及类内距离,对SEaTH算法进行了优化,并将改进前后的两种方法运用到广东省肇庆市TM影像及环境一号卫星影像土地覆盖分类中进行对比分析。实验结果表明,改进后的方法筛选出的特征在提取地物上更为有效,尤其使耕地的分类精度提高了12.26%,使分类总体精度由80%提高到了85.26%。改进后的方法对不易获取多时相影像的地区的土地覆盖分类具有重要意义。     

基于面向对象特征提取的BP神经网络分类——以武陵源地区为例

采用面向对象影像分类与BP神经网络分类相结合的方法,对高分辨率无人机影像进行土地利用分类。利用光谱、形状、纹理、对象间关系等影像特征,通过基于面向对象的方法对影像提取特征进行初步分类,再将初步分类结果应用于BP神经网络,结合原影像数据进行进一步分类,提高分类精度、纠正分类错误。结果表明,该方法最终分类结果达到了88.9%的总体分类精度和0.863的Kappa系数,影像分类结果对比传统影像分类方法的总体精度与Kappa系数均有所提高。     

山区植被类型信息提取方法研究

根据遥感图像的光谱信息和空间信息特征及不同植被的分布规律,研究利用计算机处理技术提取山区植被类型的方法。分类过程采用四个步骤完成：①均一目标的象限四分树提取分类；②多光谱数据的最小距离分类；③综合利用波谱曲线的形态和地形数据进行分类；④高程数据修正分类。在分类处理过程中,分别利用了图像的空间信息、光谱信息以及地形数据。利用该分类方法在实验小区内进行植被类型提取试验,其精度为90%.与最大似然分类方法所得结果相比较,其分类精度提高了10%.     

无证矿山图斑信息的自动提取方法研究

为了自动快速提取无证矿山图斑信息,首先利用面向对象的技术对遥感影像进行分类,获取包括植被、水体、道路、居民地及裸地等分类成果图;然后通过图像差值变化检测方法对变化图斑进行提取,得到面向对象分类的二值图。在此基础上,叠加已有的矿权资料,获得疑似无证矿山图斑信息。最后通过目视判读和野外验证的方法对提取的疑似无证矿山图斑进行筛选,最终确认无证矿山图斑。从本文的研究结果来看,结合变化检测的面向对象分类方法对目标图斑的提取具有一定的可行性.     

绿地信息提取研究

城市绿地作为城市结构中的主要元素,在城市中起着一个重要的作用。本文基于TM遥感影像,对大连市城市绿地专题信息进行提取,并对绿地格局进行研究和探讨。通过计算各组成分分量和归一化植被指数ND-VI之间的相关系数来进行波段组合,提高了遥感影像的分类精度。结果显示该方法可以准确地得到绿地信息。     

高分辨率遥感影像中农田灌溉设施的提取

针对目前传统人工解译和半自动提取技术自动化程度不高的问题,利用面向对象分类的方法对高空间分辨率遥感影像中的农田灌溉设施进行提取,并与监督分类方法进行对比分析。结果证明,基于面向对象的分类方法提取农田灌溉设施,能够获得较好的提取结果。这为耕地分等定级以及农田线状地物设施监测等工作提供了有效的科学技术支持。