空间逐步寻优数据挖掘在遥感影像分类中的应用

在遥感地学分析模型中,由于遥感信息模糊和不确定性的特点,其特征空间中的特征分布并不完全符合特定的高斯密度分布,而是分布形状各异,相互交错,用传统模型是很难获得特征的最优分布解的,而空间逐步寻优数据挖掘方法(SOMM)是在演化寻优理论的基础上,融合知识的参数化分布函数,来逐步分离特征空间,逐步降解的获得特征树状的层次结构。结合实例,用SOMM方法对遥感影像进行分类计算,并与传统的最大似然分类方法的分类结果进行了比较。     

空间逐步寻优的数据挖掘法的多波段影像分类研究

对于在特征空间中寻找特征模式,一般是通过假设分布函数一次性对样本空间进行分离的方法去试图获得特征空间的样本总体分布规律。但是由于样本集之间互相重叠或者由于离散样本相互干扰的原因,往往很难获取细节性和过程性的分布结构,而直接影响结果的精度和解释力。本文提出了空间逐步寻优的数据挖掘方法(SOMM),是在遗传算法寻优理论基础上,根据知识参数化样本分布函数,来逐步分离样本空间,获得样本空间的树状的层状分布结构;同时提出了基于SOMM的多波段遥感影像聚类模型和监督分类模型;最后对分类过程和结果进行了综合分析,通过与最大似然和BP神经网络方法相比较,认为SOMM方法在过程化、细节化、分类精度、融合领域知识等方面具有一定的优势。     

基于多源遥感数据的农村居民点用地提取技术

在分析和改进传统的建设用地、不透水面遥感分类方法的基础上,针对农村居民点用地的特点,提出了一种结合面向对象分类技术、多源、多时相遥感数据数据综合分析技术,借助先验知识,通过遥感手段与GIS技术相结合进行农村居民点用地分类提取的新方法。使用北京市遥感数据进行了实验,自动分类结果准确率高。另外,通过对图像分割后得到的图像对象进行多边形编辑,可以进一步提高准确率,从而满足高精度研究和监测的需要。     

遥感分类信息不确定性的可视化表达方法

影像分类是遥感技术的重要应用领域之一,而遥感分类信息中则存在着不确定性,如果仅仅对其进行不确定性程度上的数学度量,而忽略其在空间域和时间域上的分布特征,则很难完整准确地描述和理解遥感信息中的不确定性。从视觉感知角度表现不确定性信息是不确定性建模的重要组成部分,而利用现有的计算机可视化技术来表达遥感分类信息的不确定性则是一种直观有效的方法,可以帮助用户更加完整地理解遥感数据及其分类信息中不确定性的大小、分布、空间结构和趋势。我们将不确定性可视化技术分为静态可视化变量、动态可视化变量和特征可视化三种类型。并以我国黄河三角洲地区的Landsat 5 TM遥感影像的分类数据为例,对上述不确定性可视化技术进行讨论及分析。     

基于改进全卷积神经网络模型的土地覆盖分类方法研究

遥感卫星数据是地球表面信息的重要来源，但利用传统的遥感分类方法进行土地覆盖分类局限性大、过程繁琐、解译精度依赖专家经验，而深度学习方法可以自适应地提取地物更多深层次的特征信息，适用于高分辨率遥感影像的土地覆盖分类。文中对高分辨率影像中水体、交通运输、建筑、耕地、草地、林地、裸土等进行高精度分类，结合遥感多地物分类的特点，以DeepLabV3+模型为基础，作出了以下改进：(1)骨干网络的改进，使用ResNeSt代替ResNet作为骨干网络；(2)空洞空间金字塔池化模块的改进，首先在并联的每个分支的前一层增加一个空洞率相对较小的空洞卷积，其次在分支后层加入串联的空洞率逐渐减小的空洞卷积层。使用土地覆盖样本库和自制样本库进行模型训练、测试。结果表明，改进模型在2个数据集的精度和时间效率均明显优于原始DeepLabV3+模型：土地覆盖样本库总体精度达到88.08%，自制样本库总体精度达到85.22%，较原始DeepLabV3+模型分别提升了1.35%和3.4%，时间效率每epoch减少0.39 h。改进模型能够为数据量以每日TB级增加的高分影像提供更加快速精确的土地覆盖分类结果。     

基于无人机遥感的村庄地理空间景观格局分析研究

对传统村庄景观格局进行准确检测和分析,由于人工调查费时费力,且导出的数据往往主观、定性且单调,在分析理解其社会文化环境和人与自然的关系时难以发挥关键作用。以河北某古村落为研究背景,探讨了基于低空无人机获取的遥感数据对其空间格局进行测量和分析的方法,建立了四级分层景观识别方案和相应的景观类别规制,使用面向对象的图像分析方法(OBIA)和机器学习分类器构建三级分类模型。经过交叉验证,该模型准确且稳定,最终提取了该村庄五个主要遗产景观元素,基于距离统计和聚类分析,揭示了目标景观的空间格局特征和分布差异。     

改进的分水岭变换算法在高分辨率遥感影像多尺度分割中的应用

由于高空间分辨率遥感影像自身的复杂性,传统的分水岭分割方法难以取得令人满意的效果。本文提出一种改进分水岭变换的高分辨率遥感影像多尺度分割方法,在抑制分水岭过分割现象的同时,还能实现对遥感影像的多尺度分割。该方法充分考虑了高分辨率遥感影像的多光谱和多尺度特性,首先,利用各向异性扩散滤波技术对影像进行平滑滤波,目的是在滤除各种噪声的同时还能保持影像的边缘特征和重要的细节信息;然后,提取影像的多尺度形态学梯度,并从梯度图像中提取标记;接着进行基于标记的分水岭变换;最后,利用改进的快速区域合并算法实现对影像的多尺度分割。实验表明,改进的算法能有效地抑制分水岭的过分割现象,对高分辨率遥感影像有较好的分割性能。     

城市建成区遥感影像边界提取与扩张分析

针对城市建成区提取过程中,仅依赖单一数据源导致精度不够的问题,本文基于面向对象分类方法和利用土地类型信息标准差统计变量,实现遥感影像中城市建城区边界的提取,并以该建成区为依据对河南省虞城县的城区空间扩张特征作了分析。实验中首先采用均值漂移分割算法对高分一号遥感影像实现分割,然后利用决策树分类算法实现土地利用类型分类,最后基于0.1 km × 0.1 km窗口统计土地利用类型标准差信息,获取建成区边界。面向实际应用,以河南省虞城县为例,采用高分一号影像获得虞城县2017年建成区数据,并基于该数据采用多个TM影像提取城区其他年份的建成区边界,实现河南省虞城县城区空间扩张特征分析。结果表明,本文方法获取的建成区边界精度较一般的监督分类提取边界有进一步的提高,精度达到89%。进而说明结合高分辨率影像提取多个年份的建成区数据的可靠性,在城市扩张研究中,对仅利用低空间分辨率提取精度不够问题和仅利用高分辨影像提取效率低等问题提供了较好的解决方案。     

高分辨率遥感影像特征分割及算法评价分析

图像分割一直是图像处理和计算机视觉领域中的一项关键技术。本文首先从遥感影像地学处理与应用的角度阐述了影像分割技术对于遥感信息提取和目标识别的重要性,然后提出了基于特征的高分辨率遥感影像信息提取技术框架,建立了一套基于特征的遥感影像分割方法及分类体系。同时,鉴于遥感影像分割方法评价的重要性, 阐述了一种高分辨率遥感影像分割方法评价的思路,并对几种典型的基于特征的遥感影像分割方法进行定性和定量的试验和评价,对其各自的性能和适用面进行对比分析。最后,指出了遥感影像特征分割方法所存在的问题及其发展趋势。     

罗布泊“大耳朵”地区多源遥感影像数据库的设计与实现

目前,由空间数据引擎管理遥感影像数据的技术已经非常成熟,但在对多源遥感影像数据的合理组织和有效管理以及数据共享方面,还需要寻求更有效的方法。本文在分析不同遥感影像类型的基础上,结合罗布泊“大耳朵”地区研究的需要,设计实现了该区多源遥感影像数据库。讨论了逻辑上设计相同空间分辨率和不同空间分辨率的多源遥感影像数据存储的方法。即根据遥感影像数据的空间分辨率进行分类,并通过遥感影像元数据表建立多源遥感影像数据之间的逻辑关联来组织和管理影像数据的设计方法。该方法的成功运用,为多源遥感影像数据库的设计与建设提供了参考。     

关键生育期冬小麦和油菜遥感分类方法

农作物空间分布的遥感识别是地理学、生态学和农学等多学科研究的前沿和热点,多源遥感数据在其中发挥着重要的作用。本研究结合冬小麦和油菜的种植及生长特点,以安徽省合肥市为研究区域,利用ZY-3、Sentinel-2和GF-1等多源遥感影像数据,以高程、坡度等数据为辅助信息,结合以多尺度分割、最邻近法和阈值法等为主要步骤的面向对象的分类方法,提取研究区合肥市冬小麦和油菜种植的空间分布信息。结合来自于GVG农情采样系统和Google Earth高分辨率影像上获得的地面验证数据进行分类精度验证,计算得到分类结果的混淆矩阵,并根据混淆矩阵数据计算出分类的总体精度为94.43%,Kappa系数为0.914。结果表明,本研究提出的方法能够有效地区分在冬小麦和油菜的混种区域里两种作物种植区域的空间分布,且这种多种策略相结合的分类方法体系,能够适用于其它区域甚至是更加大尺度上的作物分类。     

基于不确定性分析的遥感分类空间分层及评估方法

空间分层是准确度量遥感分类不确定性程度及其空间分布的基础与关键。本文提出了一种基于不确定性分析的遥感分类空间分层及评估方法,首先基于随机森林算法获取像元后验概率,确定分类不确定性度量指标;其次,采用模糊C均值进行空间分层;最后,对分层结果合理性进行定性与定量评估,并与同尺度数据产品精度评价结果及后验概率不确定性分层方法进行对比分析。以北京市顺义区Landsat 8 OLI遥感影像数据为例,研究结果表明：(1)基于最大概率、模糊混淆指数和概率熵指标将顺义区分为不确定性大、中、小3层,相应的遥感数据层分类精度分别为62.28%、74.96%、79.31%;(2)分类不确定性空间分层结果与度量指标大小的空间分布基本一致,错分地类图层与不确定性大层的地类空间分布基本一致;(3)遥感数据和数据产品的各层地类空间特征、层分类精度大小趋势一致,与总体分类精度相比,不确定性大层的层分类精度降低,不确定性小层的层分类精度提高;(4)与后验概率不确定性分层方法相比,本研究不确定性大层的层分类精度降低1.08%,不确定性中层提高3.58%,不确定性小层提高0.16%,q值由0.19提高到0.24,空间分异性...     

空间分辨率与纹理特征对多光谱遥感分类的影响

多光谱遥感分类与影像空间分辨率有着密切的关系,在适宜空间分辨率影像上进行地物分类能够获得更高的精度。随着遥感影像空间分辨率的提高,纹理特征被广泛用于遥感分类,但由于不同地类空间尺度不同,纹理对不同地物分类的影响程度也有所差异。本文基于高分一号2 m全色和8 m多光谱影像融合后的高空间分辨率多光谱数据构建反射率空间序列,选用3种分类方法对序列分类,并分别计算2 m融合数据及8 m多光谱影像的纹理特征,选择特征波段与相应多光谱波段组合用以分类研究,最后计算混淆矩阵评价分类精度。研究结果表明,通过回归分析得到多光谱分类的最佳空间分辨率为5 m,与其他研究中利用全色波段分类的结论一致,这说明最佳空间分辨率的选择不受光谱信息影响;对多光谱分类精度随空间分辨率变化的变化趋势分析发现,分类精度在20~30 m分辨率范围区间内快速降低,这为多光谱遥感分类数据空间分辨率的选择提供了重要参考;此外,对光谱与纹理特征结合后不同地类分类精度的变化分析显示,加入纹理特征后,冬小麦、人工建筑、有林地和水体的分类精度在2 m分辨率下分别提高了1.49%、1.51%、4.94%、1.54%,8 m分辨率下分别提高了2.95%、10.95%、5.91%、5.14%,说明引入纹理特征有利于提高分类精度,但其对不同地物类型、不同分辨率影像的影响程度不同。     

一种基于深度传递迁移学习的遥感影像分类方法

面对实际的遥感影像分类任务,采用深度神经网络的方法存在的最大问题是缺乏充足的标注样本,如何使用较少的标注样本实现较高精度的遥感影像分类,是目前需要解决的问题。ImageNet作为世界上最大的图像识别数据集,在其上训练出的模型有着丰富的底层特征。对ImageNet预训练模型进行微调是最常见的迁移学习方法,能够一定程度利用其丰富的底层特征,提高分类精度。但ImageNet影像特征与遥感影像差距较大,对分类效果提升有限。为了解决上述问题,本文基于传递迁移学习思想,结合深度神经网络,提出一种基于深度传递迁移学习的遥感影像分类方法。该方法通过构建以开源遥感场景识别数据集为源域的中间域,并以ImageNet预训练权重为源域、待分类遥感影像为目标域进行迁移学习,提高遥感影像分类精度。首先,以ImageNet预训练VGG16网络为基础,为加速卷积层权重更新而将全连接层替换为全局平均池化层,构建GAP-VGG16,使用中间域数据集训练ImageNet预训练GAP-VGG16以获取权重;然后,以SegNet网络为基础,在SegNet中加入卷积层设计了T-SegNet,以对获取的权重进一步地提取。最后,将获...     

小波变换与FCM聚类的QuickBird影像特征空间识别分析

遥感影像分类是应用遥感影像进行地学分析等其他应用的重要准备工作,它的精度将直接影响到后续的分析工作。纹理特征对于提高高分辨率遥感影像的分类精度具有重要意义,小波变换的"时-频"分析方法在遥感影像纹理分析方面有着独特的优势。本文采用QuickBird影像,利用小波分解得到影像的纹理特征,结合光谱响应值组成特征空间,再利用模糊C均值聚类方法对影像进行分类。实验结果显示:加入了纹理特征的影像分类精度有所提高,同时,同一类地物的内部均一性有所改善。小波分析对于细微纹理特征的提取效果比粗纹理要好。     

北京市综合遥感影像数据库系统

1系统简介 1．1系统建设背景 地理空间数据库是电子政务四大基础数据库之一，也是重要的信息化基础设施。随着北京市信息化建设的不断深入，地理空间信息资源的开发利用需求日趋紧迫。为满足“数字北京”、“数字奥运”建设的要求，北京市政府自2001年开始就开展了年度航空拍摄，以获取高分辨率遥感影像数据，同时，采购其他相关的卫星遥感影像，为政府各部门提供基础地理空间信息支撑。传统的数据管理和共享方式日益不能适应需求，北京市综合遥感影像数据库系统的建设就是为了有效解决海量遥感数据的存储、管理问题，[第一段]     

基于数学形态学的高空间分辨率遥感影像几何特征提取

本文结合高空间分辨率遥感影像的特点,利用数学形态学方法,选取具有不同尺度和包含全部方向的结构元素,设计了全方位结构元素多级加权滤波去噪算法和多尺度全方位形态学边缘检测算法,用于高空间分辨率遥感影像的处理;并通过图像边界追踪生成栅格数据对象和矢量数据对象,据此建立了高空间分辨率遥感影像的几何特征提取模型。结果表明:全方位结构元素多级加权滤波去噪算法很好地抑制了图像中的噪声,并保留了图像细节;多尺度全方位形态学边缘检测算法很好地解决了噪声抑制和精细边缘提取的矛盾,检测出的图像边缘比基本的边缘检测算子清晰,而且抗噪性能强。提取的几何特征信息可以结合遥感图像的光谱、纹理、统计等特征用于遥感图像地物识别与分类,也可以在GIS、摄影测量、计算机视觉等领域和气象、农林、地理、海洋、水利、国土资源和环保等行业使用。     

结合密集连接和特征重标定的高分影像分类方法

现有的基于深度学习的面向对象分类方法存在特征表达不充分,难以处理蕴含复杂信息的高分辨率遥感影像等问题.为了实现高分辨率遥感影像高精度分类目的 ,本文提出了一种结合密集连接和特征重标定的影像分类方法.首先构建具有密集连接方式的DenseNet网络作为基础网络,密集连接的方式能实现每一层输入都是前面所有层信息的汇总;然后引...     

鄱阳湖南矶湿地景观信息高分辨率遥感提取

鄱阳湖南矶湿地是亚热带典型过水性湿地,由于该区域水文情况复杂,且泥滩、沼泽和疫水（血吸虫）分布较广,导致野外考察验证工作困难,使用传统的遥感信息提取方法很难保证该地区湿地景观的提取精度。本文以高分一号影像为数据源,综合运用数字高程模型（DEM）、归一化植被指数（NDVI）、归一化水体指数（NDWI）等辅助数据,采用面向对象分类方法,对鄱阳湖南矶湿地景观信息进行提取研究,并取得了较好的分类效果。研究结果表明：（1）基于国产高分辨率影像的面向对象分类,既兼顾了国产高分辨率影像光谱、空间、结构、纹理信息,又综合利用多源辅助数据参与到分类计算中,分类精度得到明显的提升;（2）基于面向对象与多源数据分类方法对湿地混合像元有较好地识别能力,可获得较高的总体分类精度（94.3275%）和Kappa系数（0.9324）,说明利用多源数据的面向对象方法提取湿地信息是可行的,其分类结果具有较高的准确性和可信度,较好地解决了过水性湿地景观分类问题;（3）该分类方法弥补了单一遥感影像分类方法的不足,对研究国产高分卫星在提取过水性湿地景观信息方面具有重要的参考和实际意义。最后,分析了多源数据面向对象分类尚待解决的问题和下一步的研究方向。     

基于GeoSOT网格的遥感影像云量信息精细描述模型

针对现有遥感影像缺乏精细化云量描述手段的问题,提出了一种基于GeoSOT网格的遥感影像云量信息精细描述模型。模型建立了遥感影像与GeoSOT网格空间上的映射关系,通过记录每个网格内的影像是否含云,在一定精度上描述云在空间上的分布情况和云量的大小。试验结果表明:该模型能够精细地描述遥感影像云量信息,可实现对影像区域的云量高效检索,提高有云影像使用的效率和影像的可用性。