A Hybrid Approach for Land Use/Land Cover Classification

Atlanta has continuously changed its physical landscape as well as its socioeconomic appearance over the past decades. A hybrid image processing approach, which integrated unsupervised, supervised, and spectral mixture analysis (SMA) classification methods, was used to identify urban land use/land cover changes over a decade (from 1990 to 2000) in the Atlanta metropolitan area. During this process, SMA was proven to be an effective analytical approach for characterizing mixed feature areas, such as a metropolitan area. According to accuracy assessment, the classification results were acceptable.     

基于矢量数据的LUCC广义转移矩阵自动挖掘方法

为了充分利用日益增多的多时态土地利用/覆被矢量数据,依据不同属性全方位挖掘提取其中隐含的要素变化转移信息,进而为土地资源科学管理与统筹规划提供技术支持和决策依据,首先提出了广义转移矩阵的概念,并进行了形式化定义,然后设计了一种基于矢量数据的广义转移矩阵自动计算生成方法,详细阐述了数据预处理、匹配关系建立、要素变化检测、矩阵设置与生成4个实施步骤中涉及的主要问题及解决策略。试验结果表明:所提方法能够大幅提高转移矩阵矢量化计算生成的准确度和灵活性,有效克服人工手动处理计算效率低、周期长、易出错、难检查的不足,以及常用栅格化计算方法精度低、结果单一、不能准确全面反映土地利用/覆盖要素在不同属性上的变化转移情况的局限。     

模糊分类在邛崃地区土地利用分类中的应用

随着模糊理论的发展,将模糊分类方法运用于遥感图像土地利用分类是一个很好的选择,本文以邛崃地区2002年的Landsat ETM＋遥感图像为研究对象,基于ENVI软件将模糊分类和最大似然法监督分类的结果与检验数据进行比较,结果表明在一个受各种因素影响并具有模糊性的土地分类问题上（遥感图像的林地、耕地、园地地类识别）,模糊分类较传统的遥感图像分类方法有更好的效果。     

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。     

地表覆盖分类数据的模糊综合评价

当前对测绘产品评价等级的界限划分过于刚性,并常因某一评价指标异常导致评价结果失真.本文以地表覆盖分类数据质量评价为例,分析总结质量要求,构建包括质量因素、权值系数在内的质量模型,引入多层次模糊综合评价方法,设计合理高效的隶属函数,并采用有效度相对指标、单值分布概率对评价结果进行评估.与采用GB/T 18316-2008...     

基于深度学习的城市地理国情地表覆盖分类研究

作为图像识别的研究热点,利用深度学习对遥感影像进行自动分类具有较强的应用实践价值.本文基于全卷积神经网络的深度学习框架,提出了一套城市地理国情地表覆盖分类技术方法:利用地理国情成果,构建城市遥感影像样例库,训练全卷积神经网络,实现地表覆盖自动分类,并通过相似性系数对专题地物进行变化检测.文章选取了上海局部区域作为实验对...     

基于TM影像的面向对象地表覆被信息提取

为验证基于TM影像的面向对象分类方法对复杂地区地表覆被信息提取的可行性,以地处西南地区的渝北为例进行实验。利用样本数据对各个波段的光谱特征进行分析,取得对各波段覆被探测能力的初步认识;基于光谱特征的多尺度分割,运用面向对象分类方法对其分类。面向对象的分类方法总精度和Kappa系数分别为88.42%和0.854 7,将其与监督、非监督分类结果对比分析。结果表明,该方法有效抑制了"椒盐"现象,取得较好的分类结果。     

基于自适应膨胀因子的模糊覆盖分级方法

分级界限的确定一直都是学者们关注的焦点,而如何确定分级数则往往被忽略了。根据模糊覆盖和膨胀因子的定义,提出了一种确定1维数据分级数的分级方法:首先通过覆盖半径做一个模糊覆盖,利用自膨胀因子对这个覆盖进行扩张,直到不能再向外扩张为止,这一级就确定了;然后进行下一级的确定。该方法不仅可以自动确定数据的分级数,而且克服了分级结果对参数的敏感性。最后用实验证明了方法的有效性。     

基于自适应膨胀因子的模糊覆盖分级方法

分级界限的确定一直都是学者们关注的焦点,而如何确定分级数则往往被忽略了.根据模糊覆盖和膨胀因子的定义,提出了一种确定1维数据分级数的分级方法:首先通过覆盖半径做一个模糊覆盖,利用自膨胀因子对这个覆盖进行扩张,直到不能再向外扩张为止,这一级就确定了;然后进行下一级的确定.该方法不仅可以自动确定数据的分级数,而且克服了分级结果对参数的敏感性.最后用实验证明了方法的有效性.     

SVM用于LiDAR数据的地物分类

LiDAR具有探测地表垂向结构的能力,目前还无法被其他遥感源所取代。本文提出通过变换点云提取LiDAR纹理特征,利用支持向量机(SVM)进行训练和分类,并与基于神经网络的分类方法进行比较。试验结果表明,SVM能在训练精度和推广能力之间取得折中,可有效地避免LiDAR地物分类证据不完备引起的过拟合问题,适合于LiDAR地物分类。     

NDVI-Ts空间全国土地覆盖分类方法研究

利用NDVI-Ts空间进行全国土地覆盖分类的方法。该方法利用1995年NOAA 10天合成的ch4、ch5通道亮温，先计算出陆地表面温度(Ts)，然后用最大值合成法计算每月的最大Ts和NDVI，以每月最大Ts和NDVI建立NDVI-Ts空间。根据像素点(NDVI，Ts)在空间中的位置矢量，求出矢量在空间中的方向角度，并作归一化处理，得到温度植被角度(NTVA)。对12个月NTVA做主成分变换提取前三个主分量，辅以全年总NDVI和大于O℃ Ts积温，用模糊K-均值法进行全国土地覆盖分类。研究结果表明，基于NDVI-Ts空间的NTVA与NDVI、Ts一起作为分类特征在土地覆盖分类中具有较高的分类精度，能够取得较好的分类效果。     

基于Google Earth Engine的土地覆盖分类方法研究

基于谷歌云在线处理平台(Google Earth Engine,GEE),以2019年全年Landsat-8 OLI影像为数据源,选取黑龙江省哈尔滨市为试验区,基于决策树算法、随机森林算法、最邻近算法、支持向量机算法开展土地覆盖分类方法研究,并对不同分类器方法提取结果进行精度评价.试验结果表明,基于GEE平台可以快速完...     

Fuzzy Neural Network Models for Supervised Classification: Multispectral Image Analysis

Abstract

It has been well established that neural networks provide a reasonable and powerful alternative to conventional classifiers. During the past few years there has been a large and energetic upswing in research efforts aimed at synthesizing fuzzy logic with neural networks. This combination of fuzzy logic and neural networks seems natural because two approaches generally attack the design of “intelligent” systems from quite different angles. Neural networks provide algorithms for learning, classification, and optimization whereas fuzzy logic deals with issues such as reasoning on a higher (semantic or linguistic) level. Consequently the two technologies complement each other. In this paper we propose two novel fuzzy‐neural network models for supervised learning. The first model consists of three layers, and the second model consists of four layers. In both models, the first two layers implement fuzzy membership functions and the remaining layers implement the inference engine. Both models use the gradient decent technique for learning. As an illustration, we have analyzed two Thematic mapper images using these models. Results are presented in the paper.     

基于波段选择的MODIS全国土地覆盖分类

以MODIS多光谱和多时相数据为输入参数进行了全国土地覆盖分类研究。从试验区2007年MODIS 8 d数据的合成影像(MOD 09)中提取EVI、NDWI和NDSI 3个指数,并将其作为特征波段与原有的7波段(B1～B7)形成10波段影像。以统计分类J-M距离平均值和SVM分类总精度为标准评价不同波段对土地覆盖分类的贡献。在全国范围内,选择贡献最大的EVI、B7和B4这3个波段的月合成值,并分别对其作PCA变换,选取各PCA变换后的前3个波段进行分类运算。研究结果表明,在没有其他辅助信息的境况下,基于MODIS贡献最大的前3个波段结合多时相信息能够在中分辨率区域土地覆盖分类中取得较好的分类结果,其精度为78.04%。     

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%。     

ALOS全色与多光谱影像融合的土地覆盖分类

利用Brovey、HighPass Filter和Gram-Schmidt 3种融合方法,对ALOS卫星全色与多光谱影像进行融合,并对融合后影像进行土地覆盖分类研究,从定性分析和比较融合后影像的分类精度2个方面综合评价了3种融合方法的效果。结果表明,3种融合方法都提高了影像的空间分辨率,Gram-Schmidt和HPF融合后影像光谱保持性好,同时3种融合方法不同程度上提高了影像的总体精度和Kappa系数,Gram-Schmidt最高,Brovey次之,HPF最弱,但对于不同地物分类精度又不尽相同,从整体分类结果来看,Gram-Schmidt最优。     

高光谱影像空-谱协同嵌入的地物分类算法

针对传统高光谱影像地物分类算法大多仅考虑光谱信息而忽略空间邻近像元间相关性的问题,提出了一种空-谱协同嵌入(SSCE)降维算法和空-谱协同最近邻(SSCNN)分类器。首先,定义一种空-谱协同距离,并将其应用于近邻选取和低维嵌入;然后,构建空-谱近邻关系图来保持数据中的流形结构,并在权值设置中增大空间近邻点的权重以增强数据间的聚集性,提取鉴别特征;最后使用SSCNN分类器对降维后的数据进行分类。利用PaviaU和Salinas高光谱数据集进行试验验证,结果表明,与传统的光谱分类算法相比,该算法能有效提高高光谱影像的地物分类精度。     

基于多级决策树分类的土地利用与覆盖信息提取

结合Landsat-8遥感数据,采用多级决策树分类方案,利用归一化植被指数、波段比值、主成分分量等光谱特征参数并融合其他非遥感知识,对黄河三角洲地区土地利用与覆盖的信息展开了全面的提取、研究与分析,获得了该地区5个一级类、12个二级类地物的分布情况,分类总体精度93.88%,优于传统监督分类。同时采用聚类、分类叠加和人机交互等分类后处理操作以获得更贴近地面实际的制图效果,开展基于海岸线的缓冲区分析以获得各地物特别是距离海岸线10 km、20 km范围内地物类型的空间分布并完成相关制图与分析,为黄河三角洲地区滨海土地的利用与开发提供了数据支持。     

基于多项Logit模型的土地覆被分层分类方法研究

探讨了一种利用多项Logit模型分层提取土地覆盖专题信息的方法。考虑客观存在的异物同谱现象,构建分层分类体系,针对不同层的地物类别选取不同的预测变量构建多项Logit模型,分步骤地提取各地物类专题信息。将此方法应用于美国蒙大拿州中部地区的土地覆盖专题信息提取,结果表明,该方法较常规的使用同一组特征变量构建单一模型一次性地划分所有地物类的方法在总体分类精度上有了明显改善。