基于SVM方法提取植被信息的研究

利用遥感影像准确地提取植被信息一直是遥感技术应用研究的重要内容,现提出基于支持向量机(SVM)分类的方法从ETM+多光谱数据中提取植被信息,利用目前常用的线性核函数、多项式核函数、径向基(RBF)核函数、Sigmoid核函数等四种核函数对研究区分别进行了提取研究,通过比较最终确定径向基函数(RBF)核函数有着最佳的提取效果。     

基于准不变目标物下CBERS-02星CCD图像的交叉定标

提出了一种基于准不变反射率地物的交叉定标方法,首先用MODTRAN模式从已知定标系数的影像中反演出反射率,然后计算出对应未知定标系数影像中相同准不变地物的辐射率,最后求出定标系数.将这种方法应用于CBERS-02卫星CCD影像定标,并用6S模式对CBERS-02和ETM+影像进行大气校正,比较用不同定标系数校正后的地物光谱曲线,得出在高反射率地物下,不同定标系数校正后的地物光谱曲线与ETM+的基本一致;低反射率地物下,单点定标系数误差较大,两点定标系数误差较小,用两点定标系数进行大气校正后植被信息得到明显增强.     

基于OLI影像多参数设置的SVM分类研究

在遥感影像自动分类中仅使用光谱特征很难产生正确的分类,OLI影像是波段数较多的多光谱影像,如果增加纹理、几何等多种特征以提高分类精度,就会使得特征的维度很高.支持向量机善于解决小样本、非线性和高维的影像分类问题,但是核函数和参数的设置只能依靠实验来获得.文中在OLI影像中提取了23个特征,逐个测试核函数和参数值对分类结果的影响.研究的主要结论如下：RBF核的支持向量机分类精度最高,Sigmoid核支持向量机分类精度最低;核函数的选择对分类精度的影响最大;核函数和参数值的变化不会影响重要特征的使用,3种核的支持向量机分类所使用的重要特征基本一致.     

不同核函数RVM的冰凌检测能力比较

利用HJ-1A/1B卫星CCD数据进行黄河凌汛监测,提出了利用相关向量机的检测冰凌,并对比了不同核函数的冰凌检测效果。实验结果显示利用RVM和HJ-1A/1B卫星CCD数据能有效提取出黄河冰凌范围,RBF核函数的稳定性和精度要高于改进型RBF核函数,但改进型RBF核函数的相关向量的个数要明显少于RBF核函数,因此测试速度要高于RBF核函数。     

基于CBERS-04卫星影像的珊瑚礁底质分类能力分析

珊瑚礁对于海洋生态环境研究具有重要意义,通过分析珊瑚礁的分布以及生长状况可以对海洋生态环境进行评估。本文以南海珊瑚岛近岸海域为研究区域,选取中巴地球资源四号(CBERS-04)卫星影像数据,利用支持向量机(SVM)分类方法对近岸珊瑚礁底质进行分类,分类结果进行矢量化输出,对珊瑚礁数量和面积进行统计,与Worldview-2卫星多光谱影像数据分类矢量结果进行对比分析。实验结果表明,利用中巴地球资源卫星数据对于珊瑚礁分类是可行的,其中利用20m空间分辨率多光谱数据与5m空间分辨率全色波段数据融合后的影像数据,对于珊瑚礁信息提取效果最好。但由于空间分辨率及波段光谱设置的限制,其对于浅水区小面积珊瑚礁和深水区珊瑚礁提取能力较弱。     

国产高分辨率遥感数据城市绿地提取研究

针对国产高分辨率遥感数据在城市绿地信息提取中分割尺度选择问题,选取国产高分一号(GF-1)和中巴地球资源卫星04星(CBERS-04)遥感数据,在数据融合的基础上,采用控制变量法选取影像分割与合并尺度进行绿地信息提取,通过信息提取精度评价确定最优分割尺度。实验结果表明,对于GF-1和CBERS-04国产遥感数据,面向对象的方法均优于基于像元的方法,其中5m分辨率CBERS-04数据,面向对象方法绿地提取精度为90.53%,基于像元方法绿地提取精度为86.54%,推荐分割尺度与合并尺度为(25,70);2m分辨率GF-1数据,面向对象方法绿地提取精度为97.09%,基于像元方法绿地提取精度为83.49%,推荐分割尺度与合并尺度为(45,80)。研究结果能够为国产高分遥感数据城区绿地信息提取和地物分类过程中尺度选择提供借鉴和支持。     

基于SVM遥感矿化蚀变信息提取研究

提出一种基于支持向量机(SVM)遥感数据矿化蚀变信息提取的新方法。该方法首先根据蚀变岩及矿体围岩的实测光谱数据,利用光谱角度制图法(SAM)提取训练样本,应用交叉比对(cross-validation)算法确定最优SVM模型参数,选择径向基(RBF)核函数,训练SVM分类器模型;然后,用训练好的SVM模型进行遥感矿化蚀变信息提取;最后,选择青海芒崖地区的ETM数据进行遥感矿化蚀变信息提取试验。试验结果经野外检查和验证,效果良好。     

结合粒子群寻优的混合核函数极限学习机分类模型

多光谱影像记录了地球上各类地物的电磁波,具有极大的信息量,对影像上相关信息的处理和提取是遥感信息应用的前提。多光谱影像的信息自动提取技术的准确性和提取速度是图像分析与理解领域永恒的研究主题。针对遥感影像信息提取的复杂性和极限学习机ELM的分类性能,在单隐层神经网络和极限学习机理论的基础上,提出了基于粒子群参数寻优的混合核函数极限学习机分类模型。与标准的ELM、支持向量机等分类模型进行比较验证,实验结果表明,混合核函数的极限学习机总体分类精度最高,达到了92.67%,有效提高了影像信息提取的精度和速度,很好地满足了图像信息自动提取对准确率和速度的双重要求。     

遥感组合指数与不同分类技术结合提取农业用地方法

多光谱遥感影像因具有丰富的波谱信息,提高了地表覆盖的辨识能力,利用遥感数据高精度自动提取专题信息是目前研究的热点和难点。本文以北京市ASTER影像为例,通过对城市生态环境中土地类型及其光谱特征规律分析,组合归一化差异植被指数、修正归一化差异水体指数和归一化差异建筑指数三种指数,制作组合指数新影像。对组合指数影像采用基于支持向量机的面向对象分类方法进行农业用地信息提取,同时将该方法分别与基于原始影像、组合指数影像的最大似然及支持向量机的分类方法进行对比分析。实验结果表明:组合归一化差异指数影像压缩了数据维数,降低了覆盖地物相关性,易于农业用地信息提取。对组合指数影像采用基于支持向量机的面向对象分类方法精度达95.701%。     

CBERS-02卫星数据大气校正的快速算法

研究中巴资源卫星CBERS-02卫星数据大气校正的快速算法。首先假设地表为朗伯体，利用MODTRAN4．0软件模拟大气状况，讨论了不同地表反射率对大气校正参数的影响；然后计算出大气校正参数，生成查找表，根据CBERS卫星图像的不同情况确定不同的大气校正参数，从而对整幅图像进行大气校正。最后，利用核驱动模型对地表进行BRDF校正。     

基于Radarsat和TM图像融合与分类的土壤盐渍化信息遥感监测研究

单一雷达影像数据通常不能提供足够的用以监测干旱地区盐渍化的信息。雷达图像与TM图像的融合可以提高遥感数据的利用率,增强数据的可靠性和信息的互补性,有助于提高分类精度。本文采用了GramSchmidt变换融合法将Radarsat和TM图像进行融合,并将该融合方法与一些常用融合方法(HIS融合、PCA融合、Brovey融合)进行了比较,结果表明该融合方法优于其他方法。最后采用支持向量机分类法(SVM)对Radarsat、TM融合后的图像进行了分类。结果表明:同单独Radarsat影像和TM影像分类结果相比,该融合分类法将分类精度分别提高了近30%和2%。因此该融合分类法更适合于遥感图像盐渍化信息监测。     

基于CBERS-02遥感影像的湿地地表覆被分类研究

基于CBERS遥感影像多光谱数据,运用信息量、相关系数及OIF方法,分析了波段数据特征,获得了对影像数据的整体认识。 通过绘制地表覆被类型的样本均值光谱曲线,分析了多种地表覆被类型在5个影像波段中的光谱特征,得出了不同覆被类型在各波 段中的反射特性。基于典型地表覆被类型样本数据,分别针对影像的5个波段及第一主成分、归一化植被指数这两个重要特征,运 用盒须图进一步分析了不同地表覆被类型的分异特性。运用Z-test统计方法,筛选出了区分不同地表覆被类型的最优纹理特征。运 用面向对象分类技术开展了研究区覆被类型分类实验,验证了基于CBERS遥感影像进行内陆淡水湿地区地表覆被分类的可行性,丰 富了地表覆被信息提取方法,拓展了CBERS遥感影像的应用领域。     

基于波段子集的独立分量分析的特征提取的高光谱遥感影像分类

针对高光谱影像数据具有波段众多、数据量较大的特点,本文提出了一种基于波段子集的独立分量分析(ICA)特征提取的高光谱遥感影像分类的新方法。以北京昌平小汤山地区的高光谱影像为例,根据高光谱遥感影像的相邻波段的相关性进行子空间划分,在各个波段子集上采用ICA算法进行特征提取,将各个子空间提取的特征合并组成特征向量,采用支持向量机(SVM)分类器进行分类。结果表明:该方法分类精度最佳(分类精度89.04%,Kappa系数0.8605,明显优于其它特征提取方法的SVM分类,有效地提高了高光谱数据的分类精度。     

中巴资源卫星（CBERS-02B）遥感影像数据融合研究

在阐述和分析中巴资源卫星（CBERS-02B）数据特点的基础上,对像素级融合的方法进行分析,重点针对CBERS-02B星上的多光谱和全色数据进行融合算法的实验,分别采用主成分变换和小波变换融合,然后使用PCA与小波分解相结合的融合方法,最后对不同融合算法结果从均值、标准方差、信息熵、扭曲度等指标进行了比较分析与评价。     

Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响

本文主要是探索Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响。介绍了使用的3种不同辐射校正方法(ATCOR3、FLAASH以及查找表)和两种分类算法。在分类实验部分,根据样本的地理坐标在3景校正影像中分别采集训练样本并训练各自的分类器,并交叉用于其他辐射校正影像的土地覆盖遥感分类。实验结果表明:(1)用于分类器训练的样本采集自待分类影像时的分类精度明显高于采集自其他影像的分类精度;(2)3种辐射校正影像的分类结果存在差异,其中使用ATCOR3和FLAASH方法校正后影像的分类结果有更相近的精度;(3)辐射校正对分类类别的影响不同,其中对森林类型影响最大,对裸地等其他类别影响相对较小。     

A Novel Remote Sensing Image Classification Scheme Based on Data Fusion, Multiple Features and Ensemble Learning

In this paper, we propose a novel scheme to improve the accuracy of remote sensing image classification by integrating data fusion, multiple feature combination and ensemble learning. Intensity-Hue-Saturation (IHS), Gram-Schmidt (GS), Brovey and wavelet fusion methods are first performed to obtain the optimal fusion images of high resolution and multispectral images. Support Vector Machine (SVM) classifier is then adopted to classify the fused image with different feature sets, and ensemble learning algorithm based on dynamic classifier selection (DCS) is finally used to integrate multiple classification maps. The proposed classification scheme is implemented with three remote sensing data sets, obtaining the highest overall accuracy and kappa coefficient in all cases (92.63% and 0.8917 for BJ-1 data set, 81.89% and 0.7513 for Landsat TM and SPOT4 data set, 92.21% and 0.8838 for ALOS data set respectively). The experimental results show that the integration of data fusion, feature combination and ensemble learning improves the classification performance obviously and has great potential in practical uses.     

A semi-ellipsoid-model based fuzzy classifier to map grassland in Inner Mongolia,China

Remote sensing techniques offer effective means for mapping plant communities. However, mapping grassland with fine vegetative classes over large areas has been challenging for either the coarse resolutions of remotely sensed images or the high costs of acquiring images with high-resolutions. An improved hybrid-fuzzy-classifier (HFC) derived from a semi-ellipsoid-model (SEM) is developed in this paper to achieve higher accuracy for classifying grasslands with Landsat images. The Xilin River Basin, Inner Mongolia, China, is chosen as the study area, because an acceptable volume of ground truthing data was previously collected by multiple research communities. The accuracy assessment is based on the comparison of the classification outcomes from four types of image sets: (1) Landsat ETM+ August 14, 2004, (2) Landsat TM August 12, 2009, (3) the fused images of ETM+ with CBERS, and (4) TM with CBERS, respectively, and by three classifiers, the proposed HFC-SEM, the tetragonal pyramid model (TPM) based HFC, and the support vector machine method. In all twelve classification experiments, the HFC-SEM classifier had the best overall accuracy statistics. This finding indicates that the medium resolution Landsat images can be used to map grassland vegetation with good vegetative detail when the proper classifier is applied.     

渝西地区多时期地表覆盖遥感信息提取

近年来,随着遥感技术的不断发展,利用遥感技术开展土地覆盖信息的提取工作已经变得越来越普遍。本文主要利用遥感技术进行土地覆盖信息的提取,为后续土地信息的分析调查提供了有利的数据。此次研究选取了渝西地区作为研究区,使用TM／ETM遥感图像作为基础数据。在提取覆盖信息之前,首先,采用遥感图像处理技术,对研究区进行了图像预处理;接着,对研究区四种地类进行采样处理,利用得到的采样数据,对研究区的遥感图像进行了光谱分析;最后,进行监督分类得到覆盖信息的明显特征,可以看出建筑用地在明显增多。并对分类结果进行精度评价,得到最后结论,可以看出每一时期的总分类精度都在85％以上,符合分类要求。     

Large-scale urban functional zone mapping by integrating remote sensing images and open social data

ABSTRACT

Urban functional zones (UFZs) are important for urban sustainability and urban planning and management, but UFZ maps are rarely available and up-to-date in developing countries due to frequent economic and human activities and rapid changes in UFZs. Current methods have focused on mapping UFZs in a small area with either remote sensing images or open social data, but large-scale UFZ mapping integrating these two types of data is still not be applied. In this study, a novel approach to mapping large-scale UFZs by integrating remote sensing images (RSIs) and open social data is proposed. First, a context-enabled image segmentation method is improved to generate UFZ units by incorporating road vectors. Second, the segmented UFZs are classified by coupling Latent Dirichlet Allocation (LDA) and Support Vector Machine (SVM). In the classification framework, physical features from RSIs and social attributes from POI (Point of Interest) data are integrated. A case study of Beijing was performed to evaluate the proposed method, and an overall accuracy of 85.9% was achieved. The experimental results demonstrate that the presented method can provide fine-grained UFZs, and the fusion strategy of RSIs and POI data can distinguish urban functions accurately. The proposed method appears to be promising and practical for large-scale UFZ mapping.     

基于TM和SRTM正射校正CBERS精度分析

利用中巴资源卫星(CBERS)遥感影像,建立自主版权的基准遥感影像数据库.在建库之前,需要对CBERS影像进行正射校正,拟采用国外公开的正射TM影像作为控制点选取影像,采用国外公开的SRTM作为DEM数据源.利用以上数据,对丘陵和平原的CBERS影像进行正射校正试验.为验证试验结果的可靠性,利用西安80坐标系转换到WGS-84坐标系下的地形图来检验正射校正精度.试验结果证明其正射校正的精度在1.5个像元以内.