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。     

基于高分二号卫星影像的城市不透水面提取

受到分类目标趋于多样化和影像因素复杂的影响,基于高分辨率遥感影像提取城市不透水面的方法普遍精度不高。本文旨在探索快速有效地利用高分辨率遥感影像提取不透水面方法。以梧州市高分二号遥感卫星影像为例,采用支持向量机方法应用于不透水面分类中。这种方法首先根据高斯核函数训练出样本空间,然后直接对经过HSL色彩空间变换后的影像进行分类,使得有效特征信息增加进而分类精度提高。实验结果证明了这种方法的有效性。     

一种过程支持向量机模型及其若干理论性质

针对时变信号模式分类问题,建立一种过程支持向量机模型.该模型的输入为时变函数,通过核函数变换将动态模式映射到高维特征空间,经过学习训练集中函数样本类别特性,自适应提取动态模式的过程特征,直接分类辨识时变信号.证明过程支持向量机与单隐层前馈过程神经元网络的二分类能力等价;将复杂的动态模式集合非线性地映射到高维特征空间,提...     

集成土地利用数据和夜间灯光数据优化人口空间化模型

人口统计数据空间化是解决统计数据与自然要素数据融合分析的有效途径。随着RS和GIS技术的发展,人口统计数据空间化方法推陈出新,其中,土地利用数据、夜间灯光数据是人口空间化研究中普遍利用的数据源,但各有优、缺点：土地利用数据中的城镇用地、农村居民点能准确表示人口分布的空间范围,却不能反映其内部的人口密度差异特征;夜间灯光数据的强度信息能体现人口分布的疏密程度,但其像元溢出问题显著夸大人口分布范围,像元过饱和现象也影响着人口数据空间化结果的精度。本研究以中国大陆沿海区域为例,尝试集成土地利用数据和夜间灯光数据优化人口空间化方法,设计了基于精度阈值和动态样本的渐进回归与分区建模的方法,获得了中国沿海2000、2005、2010年1 km分辨率人口空间化数据。结果表明,优化模型显著提高了研究区整体的精度,尤其适用于人口空间结构内部差异较为显著的区域。     

基于灰色关联和相关向量机的隧道地表沉降预测

基于灰色关联算法确定与地表沉降有直接重要关联的主要影响因子,构建高斯核函数和多项式核函数的加权核函数,利用遗传算法优化模型参数,建立相关向量机地表沉降预测模型。实验结果表明,灰色关联算法能定量地反映系统影响因子与地表沉降变化的关联程度,有效处理不是完全明确的灰色系统信息;加权核函数的合理组合可较好地通过低维空间线性不可分映射变换到高维特征空间线性可分;遗传算法具有计算过程简单和自适应迭代寻优特点;相关向量机模型可极大地减少核函数的计算量,计算过程和结果均具有概率解释。该模型预测结果的多项精度指标值均优于BP神经网络和GR-SVM方法。     

面向高光谱影像小样本分类的全局-局部特征自适应融合方法

高光谱影像标记样本的获取通常是一项费时费力的工作,如何在小样本条件下提高影像的分类精度是高光谱影像分类领域面临的难题之一。现有的高光谱影像分类方法对影像的多尺度信息挖掘不够充分,导致在小样本条件下的分类精度较差。针对此问题,本文设计了一种面向高光谱影像小样本分类的全局特征与局部特征自适应融合方法。该方法基于动态图卷积网络和深度可分离卷积网络,分别从全局尺度和局部尺度挖掘影像的潜在信息,实现了标记样本的有效利用。进一步引入极化自注意力机制,在减少信息损失的同时提升网络的特征表达,并采用特征自适应融合机制对全局特征和局部特征进行自适应融合。为验证本文方法的有效性,在University of Pavia、Salinas、WHU-Hi-LongKou和WHU-Hi-HanChuan4组高光谱影像基准数据集上开展分类试验。试验结果表明,与传统分类器和先进的深度学习模型相比,本文方法兼顾执行效率和分类精度,在小样本条件下能够取得更为优异的分类表现。在4组数据集上的总体分类精度分别为99.01%、99.42%、99.18%和95.84%,平均分类精度分别为99.31%、99.65%、98.89%和...     

漳平市森林可燃物类型变化遥感动态监测

森林可燃物类型的空间分布是林火蔓延、灭火可视化建模与仿真中需要考虑的重要因素之一。在对森林可燃物类型划分的研究进行回顾的基础上,提出了考虑树种信息的分类方法。根据漳平市2003年小班图层中的优势树种信息,获得该市2003年四种森林可燃物类型即竹林、阔叶树、杉木林以及马尾松的空间分布专题图。在此基础上,采用面向对象分类技术,对ASTER影像进行分类,探测每种可燃物类型的内部变化和外部变化。该技术利用影像分割技术构建分类对象,使每个对象具有光谱信息的同时,具备大小、形状、拓扑关系、类别层次等诸多信息。对分类结果进行评价的结果表明,利用面向对象分类技术,充分利用了光谱特征以及类别相关特征,提高了分类精度,分类的面积精度达到89.3%。由于影像分割过程应用了专题图层,对象的边界不会超越专题图层的边界,使得对现有图层的更新尤为容易。最后,利用矢量格式的遥感分类结果对原森林小班图层进行更新,获得新的可燃物类型图层,作为林火可视化模型的输入图层。该研究不仅提供了现势性强的森林可燃物类型图层,而且在不破坏原小班边界的基础上,对发生变化的区域进行刻画。对于森林资源管理者,提供了实地调查过程的目标区域的信息。     

亚像元制图适应性分析与评价——以天津市津南区和北京市海淀区土地覆被制图为例

亚像元制图作为一种降尺度分类方法,可利用低分辨率影像获取高分辨率分类图。本文旨在探讨亚像元制图的降尺度分类结果与高分辨率影像分类精度和分类特征上的一致性。实验以天津市津南区和北京市海淀区为研究区,分别对中空间分辨率影像（TM或HJ）进行亚像元制图和对高空间分辨率影像（ALOS或ZY）进行硬分类得到相同空间分辨率的分类结果,从绝对精度、相对精度、空间结构和空间格局上,对2幅分类结果进行分析和评价。实验结果显示：（1）分类精度上,TM和HJ影像的亚像元制图结果,以地面验证样本为参考的绝对总体精度分别为84%和82%,以高分辨率影像（ALOS和ZY影像）硬分类结果,为参考的相对总体精度分别为82%和77%;（2）分类特征上,中空间分辨率影像亚像元制图结果的空间相关性较强、斑块数量较少、聚集度较高,但与高分辨率影像分类结果的总体结构相似,各类别的面积比例基本一致。因此,亚像元制图结果在分类精度和分类特征上与高空间分辨率影像分类结果具有较强的一致性,在缺少高分辨率土地覆被制图时,可将亚像元制图获取的降尺度分类图作为替代数据。     

亚像元制图适应性分析与评价——以天津市津南区和北京市海淀区土地覆被制图为例

亚像元制图作为一种降尺度分类方法,可利用低分辨率影像获取高分辨率分类图。本文旨在探讨亚像元制图的降尺度分类结果与高分辨率影像分类精度和分类特征上的一致性。实验以天津市津南区和北京市海淀区为研究区,分别对中空间分辨率影像(TM或HJ)进行亚像元制图和对高空间分辨率影像(ALOS或ZY)进行硬分类得到相同空间分辨率的分类结果,从绝对精度、相对精度、空间结构和空间格局上,对2幅分类结果进行分析和评价。实验结果显示:(1)分类精度上,TM和HJ影像的亚像元制图结果,以地面验证样本为参考的绝对总体精度分别为84%和82%,以高分辨率影像(ALOS和ZY影像)硬分类结果,为参考的相对总体精度分别为82%和77%;(2)分类特征上,中空间分辨率影像亚像元制图结果的空间相关性较强、斑块数量较少、聚集度较高,但与高分辨率影像分类结果的总体结构相似,各类别的面积比例基本一致。因此,亚像元制图结果在分类精度和分类特征上与高空间分辨率影像分类结果具有较强的一致性,在缺少高分辨率土地覆被制图时,可将亚像元制图获取的降尺度分类图作为替代数据。     

Segmentation of High Spatial Resolution Remote Sensing Images of Mountainous Areas Based on the Improved Mean Shift Algorithm

Using conventional Mean Shift Algorithm to segment high spatial resolution Remote sensing images of mountainous areas usually leads to an unsatisfactory result, due to its rich texture information. In this paper, we propose an improved Mean Shift Algorithm in consideration of the characteristics of these images. First, images were classified into several homogeneous color regions and texture regions by conducting variance detection on the color space. Next, each homogeneous color region was directly segmented to generate the preliminary results by applying the Mean Shift Algorithm. For each texture region, we conduct a high-dimensional feature space by extracting information such as color, texture and shape comprehensively, and work out a proper bandwidth according to the normalized distribution density. Then the bandwidth variable Mean Shift Algorithm was applied to obtain segmentation results by conducting the pattern classification in feature space. Last, the final results were obtained by merging these regions by means of the constructed cost functions and removing the oversegmented regions from the merged regions. It has been experimentally segmented on the high spatial resolution remote sensing images collected by Quickbird and Unmanned Aerial Vehicle(UAV). We put forward an approach to evaluate the segmentation results by using the segmentation matching index(SMI). This takes into consideration both the area and the spectrum. The experimental results suggest that the improved Mean Shift Algorithm outperforms the conventional one in terms of accuracy of segmentation.     

城镇扩张的多源遥感图像动态监测分析

遥感动态监测城镇扩展己成为一个重要的研究和应用领域。利用ASTER和TM多源多时相遥感影像和地形数据,以福建省漳州市区为示范区,对城镇建筑用地扩张进行了遥感监测。研究认为,对于ASTER影像,综合利用光谱知识、多时相植被指数、城镇建筑用地的地形分布等建立分类决策规则,可以有效提取城镇建筑用地信息(精度不低于90%);研究提出用较新时相影像获取的城镇建筑用地限定较早时相影像城镇建筑用地提取范围的思路,拓展了TM影像三指数法的应用范围,以此保证了较早时期TM影像城镇信息的有效提取。     

Google Earth Engine支持下的江苏省夏收作物遥感提取

江苏省是农作物种植大省,国家统计局统计数据显示,江苏省近10年冬小麦、冬油菜的总播种面积分列全国第五、第七,快速准确地获取冬小麦和冬油菜的空间分布对于该省的农业发展具有重意义。基于单机的传统遥感分类能够准确获取农作物的空间分布信息,但是耗时较长。随着地理大数据与云平台、云计算的发展,Google Earth Engine（GEE）作为一个基于云平台的全球尺度地理空间分析平台,为快速遥感分类带来了新的机遇。本文基于GEE,使用Sentinel-2数据快速提取了江苏省2017年冬小麦与冬油菜的空间分布。首先,利用GEE获得覆盖江苏省119景无云质优的Sentinel-2影像;其次,在此基础上分别计算了遥感指数、纹理特征、地形特征,并完成原始特征的构建与优化;最后,分别试验了朴素贝叶斯、支持向量机、分类回归树和随机森林4种分类器,比较了各分类器的分类精度,并提取了冬小麦与冬油菜的空间分布信息。得出以下结论：①GEE能够快速完成覆盖江苏省影像数据的去云、镶嵌、裁剪及特征构建等预处理,较本地处理具有明显优势;②J-M距离值位于前两位且大于1将特征数量从28个压缩到11个,有效压缩了原始特征空间;③光谱+纹理+地形特征组合训练,朴素贝叶斯、支持向量机、分类回归树、随机森林的平均验证精度分别为61%、87%、89%、92%。     

基于特征空间优化的随机森林算法在GF-2影像湿地分类中的研究

由于季节性的植被动态和水文波动,湿地遥感影像分类常常比较困难。本文采用优化特征空间的随机森林算法（Random Forest）对吉林省白城市通榆县东部地区预处理后的GF-2影像进行湿地分类研究,具体分为2步：① 对研究区遥感影像进行多尺度分割和对象特征的提取。针对一些学者获取最佳分割尺度时仍受主观因素影响较大的情况,本文通过改进全局最优分割方法来获得最佳分割尺度。② 在最优分割的基础上,基于特征重要性对随机森林分类算法的特征空间进行优化,以得到最佳的随机森林分类结果,并与相同条件下（同数据、同分割尺度、同训练样本,同特征空间）的K-NN、SVM、CART 3种算法以及未优化特征空间的RF算法的分类结果进行了比较。结果表明,基于优化特征空间的RF算法的分类结果总精度和Kappa系数分别为93.038%和0.9177,而K-NN、SVM和CART 3种分类算法的分类结果的总精度分别为83.357%、78.068%、77.136%,未优化特征空间的RF算法分类结果总精度为90.937%。相较于K-NN、SVM、CART 3种分类算法,RF算法在GF-2湿地影像数据中具有更好的分类性能,同时优化特征空间的RF算法精度有所提高,在湿地资源管理中可以发挥非常重要的作用。     

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。     

高光谱图像模糊识别分类及其精度评价

高光谱遥感是在特定光谱域以高光谱分辨率同时获取连续波长的地物光谱图像,并能提供更多的精细光谱信息,有利于选择各种单一地物光谱差异明显的波段,使得高光谱遥感应用于更广的地物识别中。文中采用模糊识别的绝对值指数法对高光谱图像进行识别分类,并对分类结果进行像元级的评价。     

基于改进DeepLabv3+孪生网络的遥感影像变化检测方法

传统遥感影像变化检测方法依赖人工构建特征,算法设计复杂且精度不高;而将2幅不同时相影像叠加后输入神经网络的遥感影像变化检测方法会造成不同时相的特征相互影响,难以保持原始影像的高维特征,且模型鲁棒性较差。因此,本文提出一种基于改进DeepLabv3+孪生网络的遥感影像变化检测方法,以经典DeepLabv3+网络的编解码结构为基础对网络进行改进:(1)在编码阶段利用共享权值的孪生网络提取特征,通过2个输入端分别接收2幅遥感影像,以保留不同时相影像的高维特征;(2)在特征融合中用密集空洞空间金字塔池化模型代替空洞空间金字塔池化模型,通过密集连接的方式结合每个空洞卷积的输出,以提高对不同尺度目标分割的精度;(3)在解码阶段中针对不同层级特征图信息差异较大,难以融合的问题,引入基于注意力机制的特征对齐模型,引导不同层级的特征对齐并强化学习重要特征,以提升模型的鲁棒性。应用开源数据集CDD验证本文方法的有效性,并与UNet-EF、FC-Siam-conc、Siam-DeepLabv3+和N-Siam-DeepLabv3+网络对比试验。试验结果表明,本文方法在精确率、召回率、F1值和总体精度上达到8...     

遥感图谱认知理论与计算

近年来,随着对地观测技术的迅猛发展,卫星遥感领域逐渐进入了大数据时代。针对当前遥感应用的需求和特点,开展与视觉认知相结合的高分辨率遥感认知理论与方法研究是可行且必要的。在此背景下,受地学信息图谱思想启发,本文对遥感认知领域的图谱问题进行了研究,系统地提出了遥感图谱认知理论与计算方法论,旨在规范高分辨率遥感信息提取流程,构建精细化、定量化、智能化、综合化相结合的遥感信息解译模型。整套方法体系由横向“自底向上的分层抽象”和纵向“自顶向下的知识迁移”2个方向上的认知计算组成,分别对应了“由谱聚图”、“图谱协同”和“认图知谱”3大图谱转化过程。论文对涉及的概念、基本思想、关键技术及难点问题进行了重点分析,强调综合利用大数据、逐步融入知识来实现不同层次的遥感认知,以期为数据源极大丰富条件下的遥感信息解译提供新的视角。     

特征优选与卷积神经网络在农作物精细分类中的应用研究

农作物的精细分类一直是农业遥感领域的热点,对农作物估产和种植结构监管有重要意义.深度学习的出现为农作物分类准确性的提升提供了新的思路.本文提出一种特征优选与卷积神经网络(Convolutional Neural Networks,CNN)相结合的多光谱遥感农作物分类方法,用以解决精细分类问题.实验以哨兵2号遥感影像为数...     

分布式遥感模型库的构建及其运行机制

波谱特性是地物目标的基本特性之一,是定性、定量遥感的基础。我国新一代地物波谱库建设以目标地物结构、波谱、知识库、模型库的相互配套为特色,旨在解决以前地物波谱库建设和使用中存在的一些问题,使地物波谱库在空间信息产业化过程中发挥更大的作用。论述了遥感模型库在新一代波谱数据库中的地位和作用,并就遥感模型库的组成、网络环境下的体系结构与开发技术,以及波谱知识库和元数据支持下的遥感模型库运行机制进行了探讨。提出基于网络的三层分布式遥感模型库体系结构和基于组件的模型库构建方法。同时还根据遥感模型库建设的具体情况,讨论了遥感模型方法元数据,并提出基于元数据的遥感模型库管理和运行机制。上述设计思想保证了遥感模型库具有动态的扩充机制和较强的代码可重用性,使模型库能够得到及时更新和扩充,从而保持库的先进性与实用性。