共查询到19条相似文献,搜索用时 750 毫秒
1.
地震发生后,道路是生命救援及运输物资的重要通道,因此,快速有效地获取道路的信息是震后抢险救灾非常关键的一步。在震前影像及矢量数据等缺失的情况下,本文基于2014年8月3日云南鲁甸地震的单时相高分辨率World View-2遥感影像进行了震后毁损道路提取方法研究。在提出的一个震后毁损道路提取方法中,先在e Cognition软件中对影像进行多尺度分割和最邻近分类,然后在Matlab软件平台下对分类结果进行二值化,并用数学形态学技术去除偏大和偏小的地物,最后利用Hough变换进行道路检测得到毁损的路段。实验结果证明:该方法能够快速有效地提取出震后的山区道路毁损信息,可为地震应急提供信息支持。 相似文献
2.
土地覆被作为地表自然和人工建造物的综合体,是开展土地科学相关研究的重要基础,在遥感大数据背景下,准确、快速、自动化进行土地覆被提取技术一直是遥感研究中的重点。本文基于e Cognition软件,采用面向对象的多尺度分割法,综合考虑地物在遥感影像上的光谱、形状和纹理特征,建立多种地物提取规则。通过模糊函数、支持向量机(SVM)和阈值法对研究区的土地覆被进行分类提取,并与研究区的FROM-GLC10数据和土地利用变更数据进行了对比分析。结果表明:①研究区土地覆被分类的总体精度为97%,Kappa系数为0.96,分类精度较高;②基于10 m分辨率影像,综合使用形状、纹理、光谱信息对于道路的提取具有较好的效果,道路提取Kappa系数为0.84;③分类结果在面积和空间分布上都优于FROM-GLC10数据,与研究区实际土地变更数据保持较好的一致性。基于面向对象与规则的分类方法提取地物能够有效利用多种遥感影像特征,分类精度高,对于处理高分辨率遥感数据具有很好的优势。 相似文献
3.
道路损毁信息在灾后高效救援中发挥着重要作用。本文针对高分辨率遥感影像空间特征丰富、光谱分辨率低的特点,基于面向对象遥感影像分类方法,采用e Cognition软件对芦山震后0.2 m航空遥感影像进行了道路损毁信息的提取试验。试验中结合GIS信息,首先将基于现有的道路矢量线文件生成的道路矢量面文件参与分割,生成单独的道路区域对象以用于进一步处理。分割采用棋盘分割和多尺度分割,根据损毁道路影像特征创建波段比值,使用Assign算法和模糊分类算法提取出道路线、植被、损毁区和未损毁区,并将结果输出为矢量文件。根据损毁区损毁对象的周长、面积与道路宽度的关系,建立判定条件来初步判定损毁类型。最终将损毁粗判定结果与损毁路段的目视解译结果对比分析,检验该方法的准确率及可行性。结果分析表明上述方法能有效地识别出高分辨率遥感影像损毁道路信息。 相似文献
4.
为充分发挥遥感影像中光谱、形状、纹理等特征的优势,本文提出一种特征组合优化的高分辨率遥感影像变化检测方法。首先利用e Cognition软件对两时期影像进行多尺度分割并计算分割像斑的特征值;其次对比不同地物的特征值分布;然后分析不同特征对地物分类的影响;最后得到最优的特征组合。本文以乌鲁木齐西山高铁新区2014和2015年的IKONOS影像为基础进行实验,实验表明,上述方法可以充分利用多特征的优势,提高变化检测的精度。 相似文献
5.
在遥感图像处理中,通过遥感影像判别识别各种目标是其发展的一个重要环节,无论是专业信息的提取、动态变化监测,还是专题地图的制作和遥感数据库的建立等都离不开所需信息的提取,因此影像信息的提取是影像图像处理的研究重点。掩膜(MASK)技术就是运用地物及影像的特点将影像中的地物提取出来。本文主要介绍地物及影像的特点,运用MASK技术将影像中的水提取出来,并将提取成果与原始影像进行比较分析。 相似文献
6.
为了能有效地从高分辨率遥感影像中提取地物信息,本文通过影像的光谱和纹理特征,利用BP神经网络算法进行影像分类研究。首先提取分类所需的光谱和纹理特征源,然后根据影像和地物特征,建立BP神经网络,用于样本训练和分类处理,实现地物分类。为验证该方法的可靠性,以2006年11月获取的成都平原某区域的Quickbird影像为实验数据,进行高分辨率遥感影像的地物分类实验。实验结果表明,结合影像光谱和纹理特征的BP神经网络分类算法,不仅可以有效保证BP神经网络分类训练的稳定性和收敛速度,还能达到较高的分类精度。 相似文献
7.
GF-2影像面向对象典型城区地物提取方法 总被引:5,自引:3,他引:2
国产高分遥感影像信息丰富,提供了精准的地物空间细节,深入研究高分数据处理及其提取城区地类目标信息的方法具有重要意义。本文以国产高分二号(GF-2)遥感影像为数据源,利用规则集的面向对象分类方法,通过ESP尺度分析工具选取得出最优分割尺度,建立各类地物的特征体系及分类规则,最终提取出研究区典型城区地物信息,并将之与传统基于像元的SVM监督分类结果作比较。结果表明:规则集的面向对象分类总体精度为92.23%,Kappa系数为0.9,比SVM监督分类有大幅度提高。对高分二号等高分辨率影像,面向对象的分类方法精度更高,图示效果更好,是城区地物提取的有效方法。 相似文献
8.
9.
利用卫星遥感数据提取地物信息,已成为遥感观测地物的一种重要手段.但在地物信息提取时由于多种因素的干扰,导致部分地物信息丢失.如何解译出地物的细部信息成为遥感信息提取的关键.利用Landsat7遥感数据为例,探讨了提取水体专题信息的方法,通过对遥感影像进行最佳波段组合、色彩变换、分类后对水体信息进行提取,效果较好. 相似文献
10.
《地理空间信息》2020,(2)
以雅安市芦山县城2013-04-20地震受灾区域为研究区,针对灾前资源三号融合影像、灾前DEM数据以及灾后无人机可见光影像数据,采用多尺度分割的面向对象方法对两时相影像进行分割,随后采用变化矢量分析(change vector analysis,CVA)-最大数学期望方法(expectation-maximizationalgorithm,EM)对受灾前后的研究区进行变化检测,最后结合DEM并计算可见光波段差异植被指数(visible-band difference vegetation index,VDVI)获取滑坡信息,将提取结果与人工解译结果进行比对分析,提取精度达到81.7%。实验结果表明这是一种有效且具有潜力的方法,可为无人机遥感应用于灾情应急提供技术支撑。 相似文献
11.
高红梅 《测绘与空间地理信息》2017,(12):202-204
基于eCognition的多尺度影像分割与识别技术,进行了土地变化监测研究。首先选取同一区域不同时相的两幅影像,通过实验确定适宜变化监测的尺度参数、形状参数和紧致度参数,然后进行影像分割,最后进行各类地物信息提取,探测不同时相同一地物的不同形态,进而发现地类图斑变化。实验表明,基于eCognition,可以分析出地类图斑的细致变化,完成土地动态监测。通过对比实测数据,基于eCognition的地类图斑点识别精度合格率在90%以上,不失为一种高精度土地动态监测新方法,同时也为土地变化信息监测提供了一种经济、科学的技术方案。 相似文献
12.
13.
随着遥感技术的发展,遥感数据获取手段有了长足的进步。测绘部门在生产中也展开了基于高分辨率影像提取地表覆盖等信息。本论文以易康软件作为卫星遥感影像地物提取的平台,研究如何利用高分辨率遥感影像生成地表覆盖分类图,以达到测绘部门在生产中的需求。 相似文献
14.
eCognition在土地利用项目中的应用 总被引:13,自引:0,他引:13
丁晓英 《测绘与空间地理信息》2005,28(6):116-118
主要介绍了eCognition对高分辨率卫星影像进行地物分类的技术方法。并以深圳铁岗水库附近地区为例,说明该技术在土地利用分类中应用的可行性和潜力,为高分辨率卫星影像在地物分类中的有效应用提供了新的技术手段。 相似文献
15.
面向对象的高分辨率遥感影像土地覆盖信息提取 总被引:3,自引:0,他引:3
利用高分辨率影象提取土地覆盖信息的关键技术在于如何利用丰富的纹理信息来弥补光谱信息的不足。面向对象的图像分类技术改变了传统的面向像素的分类技术:(1)用来解译图像的信息并不在单个像元中,而是在图像对象和其相互关系中;采用多分辨率对象分割方法生成图像对象,提高了分类信息的信噪比;基于对象的分类技术不同于纯粹的光谱信息分类,图像对象还包含了许多的可用于分类的一些其他特征:形状、纹理、相互关系、上下关系等信息。面向对象的土地覆盖分类结果与传统分类方法相比,其特征提取算子更加地适合于几何信息和结构信息丰富的高分辨率图像的自动识别分类。 相似文献
16.
17.
18.
Hossein Nazmfar Jafar Jafarzadeh 《Journal of the Indian Society of Remote Sensing》2018,46(12):1983-1990
By using satellite imagery, the recognition and evaluation of various phenomena and extraction of information necessary for the planning of land resources or other purposes are easily accomplished. The purpose of this study is to compare the efficiency of seven commonly used methods of monitored classification of satellite data to evaluate land use changes using TM and OLI Landsat, IRS, Spot5 and Quick Bird bands as well as different color combinations of these images to detect agricultural land, residential areas and aquatic areas using object-oriented processing. Digital processing of satellite images was carried out in 1998 and 2016 using advanced methods. Training samples were extracted in five user classes by eCognition software using segmentation scale optimization, different color combinations and coefficients of shape and compression. The appropriate segmentation scale for arable land, human complications and the blue areas were, respectively, 50, 8 and 10. Then each image was classified separately using seven methods and extracted samples, and efficiency of each classification method was obtained by calculating two general health and Kappa coefficients. The results show that the accuracy of each classification method and the neural network with a total accuracy of 94.475 and Kappa coefficient of 92.095 were selected as the most accurate classification method. These results show that the sampling of educational samples with proper precision of the classes in the images and dependency probability of each satellite images pixel can be useful in classifying group available in helpful area. 相似文献