GIS辅助下的基于知识的遥感影像分类方法研究：以土地覆盖／土地利用？…

提高计算机遥感影像的分类精度，是遥感应用中研究的主要问题之一。作者以规则的形式表示遥感影像解译知识，使用ＴＭ影像数据和ＤＥＭ、坡度、土地利用图等地理辅助数据，从遥感影像处理／地理数据／专家知识一体化的角度出发，使用基于知识的方法进行了研究，改善了分类精度。实例研究证明了方法的正确性。     

基于GIS的RS影像处理分析技术分类方法探讨

GIS与RS有着紧密的关系和很强的互支持性,在GIS与RS集成下,研究遥感影像分类与判读出现的新特征,归纳遥感影像分类分析的四种主要模式,对于两者更好结合有重要意义。     

基于RS和GIS的杨凌示范区土地利用动态分析

根据1986年、1995年和2003年三期TM遥感影像,利用遥感和地理信息系统空间分析方法,研究了1986~2003年间杨凌示范区的土地利用动态变化情况。分析结果显示:①在1986~2003年间,耕地面积逐年下降,17年间下降了20多km2,具体体现在:1986年、1995年及2003年耕地分别占总土地面积的74%、59.7%和50.8%;而园地面积增加幅度最大,增加了近12 km2,年变化率近10%;林地和交通用地也有了明显的增加,增长幅度分别为7.4%、7.1%;此外,居民点用地也有明显增加。②杨凌在1986~1995年间,居民点用地几乎没有变化,而1995~2003年间居民点用地有了大幅度的增加;另外,2003年交通用地比1995年在总土地面积中所占的比例增加了1.6%,这充分说明了杨凌的城市化步伐不断加快。     

基于GIS和神经网络的森林植被分类

本文综述了国际遥感分类研究,使用Landsat7 ETM＋遥感数据和地理辅助数据,应用BP神经网络方法,将莽汉山林场作为研究区进行了遥感影像的分类研究。比较了BP神经网络分类与最大似然、简单和复杂非监督分类法之间的类型与数量精度。BP神经网络分类的总类型精度是70.5%,总数量精度为84.65%,KAPPA系数是0.6455。结果说明BP神经网络的分类质量优于其他方法,其总的类型精度与其他三种分类方法相比分别增加了10.5%、32%和33%,总的质量精度增加了5.3%。因此,辅以地理参考数据的BP神经网络分类可以作为一种有效的分类方法。     

基于GIS和RS的中国植被光利用率估算

基于GIS和RS介绍了利用地面气象数据和卫星遥感数据进行植被光利用率计算的方法,并以1999年为例,根据不同植被类型所对应的最大光利用率,研究了中国植被的光利用率及其时空分布。结果表明,中国植被1999年平均光利用率的取值范围在0.06~1.07gC·MJ^-1之间,且标准差较大。     

基于SVM监督分类的水体信息提取研究

利用遥感影像提取地表地物信息及人工目标是构建、更新地理空间数据库的重要手段。选用2景Landsat-TM遥感影像作为试验区,采用选取训练样本的SVM监督分类方法进行地表水体提取试验。结果表明,基于SVM监督分类方法仅适用于地表同质性好的区域,而对于地表信息丰富、地物混合度较高的区域,基于SVM监督分类方法选取和优化样本用时会显著增加,后期人工修改量大,分类效率较低。     

基于知识的遥感影像模糊分类方法

介绍了目前遥感影像分类的常用方法, 提出了一种基于知识的信息提取的遥感影像模糊分类方法.采用GIS数据辅助进行遥感影像模糊法分类,从GIS数据库中提取一定数量的样本信息或挖掘知识形成规则,进行样本的训练学习或辅助进行分类判定.提高了分类的效率和精度,是对模糊分类方法一次有效改进.     

基于ENVI的遥感影像分类

传统的遥感影像是依据地物的波谱信息来进行分类的。这往往会产生"同物异谱,异物同谱"的问题,使得分类精度和效果不理想。因此本文采用基于专家知识的决策树C4.5法,利用地物的波谱信息、归一化植被指数、主成分分析等特征构建决策树,与监督分类中的支持向量机法、最小距离法去比较。实验结果表明,几种分类方法中,决策树法分类法的分类规则易于理解,准确率较好,所需分类时间短,总体分类效果最为理想,验证了决策树法在遥感影像分类领域的优势。     

基于知识的遥感影像模糊分类方法

介绍了目前遥感影像分类的常用方法,提出了一种基于知识的信息提取的遥感影像模糊分类方法。采用GIS数据辅助进行遥感影像模糊法分类,从GIS数据库中提取一定数量的样本信息或挖掘知识形成规则,进行样本的训练学习或辅助进行分类判定。提高了分类的效率和精度,是对模糊分类方法一次有效改进。     

在GIS支持下用NOAA/AVHRR数据进行旱情监测

旱灾是影响农作物生产的一种重大自然灾害,它对中国北方春小麦生产的影响极大。本文介绍了一个应用遥感、ＧＩＳ技术对黄淮海平原春小麦的旱情进行监测的系统及其方法。它综合使用的ＮＯＡＡ／ＡＶＨＲＲ数据、地面气象资料和地图,选用作物缺水指数（ＣＷＳＩ）模型和热惯理模型对旱情进行监测。监测结果分别用分县的旱情等级分布图和相应不同等级的旱情面积、面积比例数统计表来表示。该系统自１９９４年起投入运行３年,监测结果     

GIS辅助遥感影像分类概述

论述了在已有的GIS数据基础之上,将GIS数据与知识综合运用于遥感影像监督法分类的分类方法,着重对样区的自动选取、非训练样区的分类等几个有关的问题进行了分析,并对该分类法的优势进行了分析和总结。     

基于纹理特征的遥感影像监督分类

影像分类技术是遥感影像分析与解译的重要基础。纹理特征是影像的重要特征,本文主要实现基于纹理特征的遥感影像监督分类。首先对地物样本进行提取,通过样本训练统计各类地物纹理特征向量,建立纹理特征库;然后以各类地物的特征向量作为基准,采用最短距离分类器对影像进行分类;最后采用混淆矩阵对分类结果进行精度评定,并与ERDAS专业软件分类结果进行对比分析。实验证明,本分方法取得了与ERDAS软件相当的分类效果,从而验证本文方法的可靠性。     

监督分类和目视修改相结合在高分辨率遥感影像中的应用

用计算机对遥感影像进行地物类型识别是遥感数字图像处理的一个重要内容,传统的地物分类一般采用MSS、TM和Spot等遥感影像作为数据源。与MSS、TM和Spot等传统遥感影像相比,QuickBird等高分辨率影像数据量大,混合像元减少、地物信息增大,能够被应用于土地分类。在监督分类中,对于达不到精度要求的模板,通常采用重新选择训练区的方法来进行修正,而本文采用目视修改的方法来对监督分类进行补充。本文方法可以改正初次分类中的误分、混分地物,使其归到正确的地物分类中,显著提高了土地分类的精度。为了验证算法的有效性,利用ERDASIMAGING遥感图像处理软件进行实验和精度评价。实验结果表明,监督分类和目视修改相结合的地物分类方法可以显著提高图像的分类精度。     

中国小比例尺卫星影象地图的设计与制作

利用数字化的NOAA AVHRR数据进行小比例尺、准同步宏观制图是一种低成本和快速的制图方法。笔者应用本文方法制作了第一幅小比例尺的、完整的中国假彩色卫星影象地图。它包含了全部的南中国海,这是使用其他的遥感数据(如陆地卫星或SPOT卫星)难以做到的。该图采用了热红外、近红外和可见光的红波段所构成的假彩色合成方案,提供了丰富的色彩和影象信息。本图制作时实施的数据处理内容包括:地图投影变换、影象反差增强和锐化、彩色平衡调整、去云处理和海陆分离处理、利用植被指数原理的影象时相修正和数字镶嵌操作等。根据影象地图的载负量和视觉效果,图上精心选取并设计了地理要素、地图符号和注记。该图是应用遥感新技术开发的地图新产品,被十七届国际摄影测量与遥感会议选为展示成果,并被该会评为获奖成果。     

决策树算法在西藏遥感影像分类中的应用研究

将决策树算法引入到遥感影像分类中,以提高分类的精度。首先对影像进行预处理,然后利用C5.0算法在分析地物光谱特征、纹理特征、归一化植被指数的基础上,自动提取分类规则,构建决策树,实现地物的自动分类。为验证该算法的有效性,选取西藏某地区TM影像作为实验数据,与监督分类的精度进行对比,实验结果表明,决策树分类方法能取得较好的分类效果。     

应用RS、GIS技术提取广州市绿地信息的方法

以广州市为例,以高分辨率的遥感影像及电子地图为主要数据源,以遥感图像处理软件及地理信息系统为主要分析工具,探讨了通过RS和GIS来提取绿地信息的方法,其中重点阐述了遥感影像处理、绿地信息提取及建库过程。     

基于标识的遥感影像部分监督模糊聚类

根据遥感影像的特点引入了部分监督模糊聚类的方法,并对其进行改进,加入了标识参数flagk,使其在训练过程中对参与计算的数据进行筛选,使得训练的速度加快,去除了非样本类数据对类心数据的影响,获得了较高精度的分类结果。     

基于GOODALL相近指数的遥感图像和其它空间数据综合分类方法

介绍ＤａｖｉｄＷ．Ｇｏｏｄａｌｌ基于概率的相近指数理论,研究它被应用在遥感图像和其它空间数据综合分类中的可能性,并首次在ＧＲＡＳＳ环境下实现了基于ＤａｖｉｄＷ．Ｇｏｏｄａｌｌ的相近指数的遥感图像和其它空间数据综合分类算法,并对该算法进行了测试,将分类结果 与其它几种较流行的分类方法结果进行了比较。