基于Q型因子分析的训练样本的选择

本文提出基于Q型因子分析的训练样本的选择方法。它可自动地选择训练样本,且被选的训练样本具有代表性和完整性,使其在自动分类中充分使用所采集的样本信息,以便得到满意的分类结果。作者通过实验与分析证明,该方法是可行的,而且它优于基于人工随机的训练样本的选择方式。     

基于对应分析的训练样本的选择

本文提出一种基于对应分析的训练样本的选择方法。它从训练样本中自动地选择有代表性的典型训练样本,使得在自动分类中充分利用所采集的样本信息,以便得到满意的分类结果。通过实验与分析证明,该方法是可行的,它明显优于人工随机选择训练样本的方式。与基于Q型因子分析的训练样本选择方法相比,可以更快地得到较少的典型样本,满意的分类精度。     

基于对应分析的训练样本的选择

本文提出一种基于对应分析的训练样本的选择方法。它从训练样本中自动地选择有代表性的典型训练样本,使得在自动分类中充分利用所采集的样本信息,以便得到满意的分类结果。通过实验与分析证明,该方法是可行的,它明显优于人工随机选择训练样本的方式。与基于Q型因子分析的训练样本选择方法相比,可以更快地得到较少的典型样本,满意的分类精度。     

适用于训练样本选择的斜交因子模型研究

训练样本的质量直接影响训练阶段的训练质量（或效果）,进而在一定程度上影响测试阶段的分类精度。训练样本的代表性和典型性则反映出训练样本质量的一个重要方面。对于当前非常流行的深度学习模型研究,如何尽可能地减少训练样本的数量,一方面成为一个非常“棘手”的问题,另一方面从实际应用的角度来看,这也上升为一个经济或成本方面的问题。提出了一种适用于训练样本选择的斜交因子模型方法,该方法松弛了Q型因子分析和对应分析对于公因子之间独立的假设条件,并在斜交参考解的基础上提出一种适合训练样本选择的近似求解斜交旋转的方法。实验结果表明,所提方法是可行、有效的。与基于正交因子模型的方法相比,它可以更好地描述或逼近现实的真实情况,可以选择出更合理、更具有代表性的典型训练样本,并且还可以取得满意的分类精度。适用于训练样本选择的斜交因子模型方法优于基于正交因子模型的训练样本的选择方法,被选择的训练样本分布相对更分散、更合理,而且总的分类精度平均提高3%左右。     

植被高光谱遥感分类中训练样本的选择方法

针对植被高光谱遥感分类过程中参考光谱训练样本的选择问题，研究分类过程中常用训练样本的选择方法，并在此基础上提出2种新的训练样本选择（纯化）方法，然后结合具体的OMIS-I高光谱遥感数据，验证方法的有效性。     

基于自动搜索和光谱匹配技术的训练样本纯化算法

提出了一种基于局部自动搜索和光谱匹配技术的监督分类训练样本的纯化方法。该方法首先利用遥感影像中像元的灰度信息在图像上局部范围内自动搜索和选择最佳样区位置,然后利用光谱匹配的思想对寻找到的最佳样区在光谱空间上进一步纯化。实验结果证明,通过手工选择样区的辅助,该算法能够自动有效地搜寻到最佳样区的位置,并对最佳样区进行纯化处理。原始遥感图像经过本文的样区纯化算法处理后,无论是目视判读效果,还是分类后混淆矩阵的统计及分类精度,均优于纯化处理前的分类结果,具有一定的实用价值。     

遥感数据监督分类中训练样本的纯化

本文分析了训练样本对遥感数据监督分类结果的影响,提出了训练样本纯化的理论与方法,即根据样本像元的光谱和空间信息来剔除训练样本中不合要求的样本像元。一个例子的试验研究表明,训练样本纯化后,各类型间的发散度、样本像元的概率密度函数与高斯分布的拟合度以及分类结果的精度都得到不同程度提高。     

基于地理国情的深度学习分类容错性研究

地理国情监测获取的地表覆盖分类成果具有覆盖区域全、精细度高、时相新等优势,具有作为深度学习分类模型训练样本的能力和优势,能够大大减少样本获取的成本.但是,受数据源、时相以及采集标准等因素的影响,直接使用地表覆盖数据作为样本,往往与模型训练采用的影像存在一定的误差.研究采用深度学习语义分割算法,比较了人工标注样本以及不同...     

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%。     

训练样本对TM尺度小麦种植面积测量精度影响研究（Ⅰ）——训练样本与分类方法间分类精度响应关系研究

准确的遥感农作物类型识别和种植面积统计,不仅仅取决于不同分类方法的选择,同时还要看输入分类器用以学习的训练样本数据,训练样本对分类精度的影响比分类技术本身对测量精度的影响还要大。训练样本对测量精度的影响包含样本的质量和数量两个方面。为了探讨训练样本对农作物种植面积测量精度的影响,本文以小麦为例,选择典型试验区,利用较常用的TM遥感影像,结合高分辨率SPOT数据和野外GPS数据,在构建标准训练样本和检验样本数据集的基础上,在不同训练样本量下,分别对光谱角制图、平行六面体、马氏距离、最小距离、最大似然和支持向量机6种方法进行了多次试验,并对测量结果进行了对比分析。研究结果表明:①不同样本量下6种方法10次测量的结果存在不同程度的波动,而且地块越破碎的地区波动越大,但这种波动随样本量的增加会减少,说明目前在小麦面积测量中,用单次分类的结果作为最终的提取结果的做法存在一定的随机误差,在实际的工作中,应尽可能多的获取训练样本,以提高小麦面积测量的稳定性,同时利用多次测量结果求均值的方式,来消减或者抵消测量的随机误差;②相同样本量下,各种方法测量出的全区和破碎区的小麦像元个数(总量)不一致,种植结构复杂且破碎的地区,各种方法测量出的小麦面积总量差异会更大,说明不同方法对同一地区小麦的识别能力是不同的,同种方法对于不同地区小麦的识别能力也是不一样的,但是通过分析小麦识别的产品精度和用户精度,可以判断出哪个结果最接近于真实总量。     

基于码字匹配和引力筛选的半监督协同训练算法

针对传统的Co-training和Tri-training协同训练算法中基分类器独立性低、迭代过程中误差累积和整体泛化性能低的问题,将多视图理论、编码理论和万有引力公式引入协同训练分类算法中,提出了改进算法,算法有效地防止了迭代过程中的误差累积,同时提高了分类系统的泛化性能。在高光谱图像分类实验中,随机地从数据集中抽取5%、10%和20%样本作为已标记训练集时,码字匹配的协同训练分类算法对比Co-training和Tri-training算法,在分类精度上平均分别提高了12.38%和6.13%,在Kappa系数上平均分别提高了0.2和0.07。进一步加入引力筛选机制,对比Co-training和Tri-training算法,在分类精度上平均分别提高了21.30%和10.99%,在Kappa系数上平均分别提高了0.26和0.13,结果表明了本文算法的有效性。     

利用目标类样本的遥感分类策略

针对传统遥感分类要求训练集涵盖所有表观地物及亚类,对样本选取要求颇高,而实际应用中并不能保证所有类别都被标记的问题,该文提出基于目标类样本的遥感循环分类策略。该方法仅输入少量目标类样本,采用正样本、未标记样本的分类算法,实现在较少样本数量和种类的条件下,对目标类稳定、高效地识别。利用10组航空影像数据,建立与传统遥感分类对比实验,结果表明:相同实验条件下,基于目标类样本的遥感分类策略与传统遥感分类具有相当的分类效果;当样本集不完全时,该策略具有更稳定的高精度识别,总体精度与Kappa系数平均分别有5.2%和7.2%的提高。该方法能够有效解决不完全训练集分类问题。     

地理国情普查中遥感影像解译样本地面照片信息采集录入方法探讨

分析了地理国情普查生产中如何采集地面照片及相机姿态等相关信息,并介绍了如何采用编程的方法批量处理地面照片及信息入库,以及生产中遇到的一些问题及解决方法。     

基于独立分量分析的遥感图像分类技术

遥感图像的自动分类方法一般基于图像的统计信息。多光谱遥感图像之间有着一定的相关性 ,对遥感图像的自动分类有不利影响。一般用主成分分析去除波段之间的相关性。独立分量分析能利用相对主成分分析更高的统计分量 ,不但可以获得去相关的效果 ,而且可以得到相互独立的结果波段图像。本文首先讨论了独立分量分析的基本原理。在此基础上 ,介绍FastICA算法 ,并对其进行改进 ,得到M FastICA算法 ,并将其应用到遥感图像的分类上。实验结果表明 ,M FastICA算法较FastICA算法收敛性大为改善 ,提高了独立分量分析在遥感图像的分类上的有效性     

基于光谱空间密度分析的边缘提取

针对传统的边缘提取方法大部分不适应高光谱数据的特点,提出了基于光谱空间密度分析边缘提取的思想。在分组主分量变换提取第一主分量作为特征维的基础上,采用面向对象的二次判别边缘的方法,通过立体判决将光谱空间中低密度超椭球体集群视为真实边缘点集群。试验表明,此方法是合理可行的。     

模糊聚类分析用于基于分形的影像纹理分类

利用模糊数学中的模糊聚类分析方法,通过计算和比较不同影像纹理空隙数据的相似系数r_ij来达到分类的目的。试验表明,此方法是有效可行的。     

面向多分辨率层次结构的遥感影像分析方法

将输入数据源经过扩展分段处理,形成具有不同分辨率层次结构的影像目标。通过构建同层次目标之间、不同分辨率层次目标之间的关系,将目标识别、目标语义提取以及影像信息提取集成在单一的平台完成。