基于HJ-1A高光谱影像的湿地精细分类

混合像元的存在不仅影响了基于高光谱影像的地物识别和分类精度,而且已成为遥感科学向定量化发展的主要障碍。本文以扎龙湿地为试验区,以环境一号卫星采集的高光谱影像为数据源,分别采用传统的全约束最小二乘光谱解混算法(fully constrained least squares spectral unmixing algorithm, FCLS)与基于稀疏约束最小二乘光谱解混算法(sparse constrained least squares spectral unmixing algorithm, SUFCLS)实现了试验区湿地的精细分类,并对两种分类结果的表现及其分类精度进行了对比分析。研究结果表明：SUFCLS算法能够自适应的从光谱库中选择场景中所占比例最高的一组端元,并将此端元的组合应用于传统的全约束最小二乘光谱解混中实现不同湿地类型丰度的提取,该算法充分考虑了端元的空间异质性,弥补了FCLS算法在端元选取过程中的不足。精度验证结果表明与FCLS算法相比,SUFCLS算法分类结果的均方根误差更小,丰度的相关系数更高,因此该方法对于提高湿地解混精度以及实现湿地精细化分类具有重要意义。     

利用TM数据提取干旱区土地覆被信息的方法比较

以柴达木盆地香日德绿洲作为研究实验区,对该区域ETM遥感数据经过空间分辨率融合、主成分分析等方法进行空间信息增强及专题信息增强处理,组合最佳视觉背景图像,分别在不同背景图像上选择训练样本,利用最大似然法监督分类方法(MLC)、多空间尺度分层聚类(SSHC)和基于知识的模糊聚类方法(KFC)等分类器,分别用各自训练样本初始化各类别信息特征值,形成类别特征值模式库,分别以此为基础对待分样本进行分类,对初分类的结果经过类别合并、碎斑滤除以及重新编码赋色等分类后处理,得到最终分类结果及分类精度评价结果。从所获数据可以得出如下结论：从总体精度和Kappa值可知,SSHC和．KFC分类方法所获结果精度较高,总体精度比MLC分类结果约高于3％,SSHC之结果精度略高于KFC之结果;SSHC、KFC和MLC三种分类方法对该区域地表覆被信息的提取分类中,SSHC分类方法对耕地、石砾地、河滩和荒漠分类结果较好,KFC分类方法对耕地、沙地、河滩和荒漠分类结果较好,MLC分类方法对耕地、河滩和荒漠分类结果较好,三种分类方法对耕地、河滩和荒漠等三种地类的分类精度较高,用户精度都在80％以上,而对沙地和石砾地的分类结果其用户精度大都低于80％。     

泛型聚类排序3DR树批量构建算法

提出一种新的泛型3DR树批量构建算法,其核心思想是通过三维空间聚类和空间排序操作,使得在空间位置上邻近的空间对象在R树中处于尽量邻近的叶节点上,从而减少这些空间对象之间的交叠范围.对于给定的三维空间对象集合,首先依照其中心点进行距离相关性聚类,分为K类;对每类空间对象集进行3个分量方向上的扫描排序,再对每类的中心位置进行扫描排序;最后采用倒序批量构树方法构建R树.该算法比已有的R树构建算法有更高的时间和空间效率.     

基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例

土地利用分类精度直接决定土地利用/土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的Landsat TM 5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0.789提高到0.849.在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。     

高分辨率遥感影像多尺度分割参数优化及其在面向对象分类中的应用

分割和分类是面向对象分类方法的2个基本步骤,分割的效果会直接影响分类的精度。因此本研究以福建省平潭岛的SPOT-5高空间分辨的遥感影像为研究数据,利用正交试验的方法探究该区域多尺度分割的最优参数,并建立分类规则进行分类。最后将基于像元的监督分类与面向对象的分类方法进行比较分析,得到的总体精度分别为77.50%和89.00%。结果表明,由于面向对象的分类方法能更充分的利用影像的光谱信息、几何结构和纹理特征,在高空间分辨率的遥感影像分类中更具有发展前景。     

面向对象的湿地景观遥感分类——以杭州湾南岸地区为例

在ENVIEX软件的Feature Extraction平台上,利用LandsatTM影像数据,采用面向对象方法对杭州湾南岸地区湿地景观进行遥感影像分类;通过与基于最大似然法、人工神经网络法、支持向量机法等传统像元方法的相应分类结果进行比较,系统分析了面向对象方法在中低分辨率遥感影像的湿地景观生态分类中的有效性。研究结果表明:①较之单一依据像元光谱值进行分类的传统方法,面向对象方法综合考虑了对象的光谱、空间、纹理、色彩等多种属性特征,因而对于类型复杂多样、分布界限模糊、光谱混淆与混合像元现象严重的沿海滩涂、湖泊、河流等湿地景观具有更好的鉴别能力,也因此获得更高的分类精度(研究区景观分类总精度为88.80%,Kappa系数为0.8765);②面向对象方法在分类中提取的是由同质性像元组成的"对象",且在合理的影像分割下得到的对象破碎化程度较低,因而能在较大程度上减小分类结果中的"椒盐噪声"干扰;而基于像元方法提取的景观类型以离散像元形式组成,难以清晰表征景观的边界、形状等信息,所以分类结果中会有明显的噪声现象;③影像分割在运用面向对象方法进行遥感影像分类过程中具有重要影响,实验结果表明,60%的分割尺度和归并尺度组合较有利于中低分辨率影像的遥感分类;④面向对象分类过程中诸如影像分割精度的评价、最优分割尺度的选取、特征空间的优化等问题,则有待今后进一步探讨。     

基于FSFDP-BoV模型的遥感影像检索

为提高遥感影像检索的精度,提出一种基于快速查找密度峰值聚类(Fast Search and Find of Density Peaks,FSFDP)的改进视觉词袋(Bag of Visual word,BoV)模型,该方法充分利用FSFDP聚类算法分类精度高和聚类参数易于选择等优点,增强BoV模型特征量化的稳定性和可靠性。实验表明,与经典BoV模型相比,FSFDP-BoV模型能够得到更高的检索精度。     

遥感影像混合像元分解及超分辨率重建研究进展

随着遥感应用的深入.传统将遥感影像像元当作纯净像元的方式所带来的问题已经被广泛认识到,混合像元分解的相关理论和技术成为遥感领域的一个热点问题.本文总结了混合像元分解及超分辨率影像重建的主要理论和方法.根据超分辨率影像重建的主要流程,分别回顾了混合像元端元类型选择,端元丰度分解和超分辨率影像的重建,并对相关模型和技术给出了总结和评价.端元类型选择是确定在影像范围包含的纯净地物类型,重点介绍了基于统计学和几何学的两种方法.端元丰度估计是目前该领域研究最多的方向之一.集中了很多新的理论和方法.可变端元分解和盲源分解作为2种效果较好的方法在文中作了详细的回顾和评价.空间自相关性是对丰度估计的结果进行超分辨率重建的主要理论基础,如何在丰度约束条件下最大化空间自相关性是大多数基于混合像元分解超分辨率重建的目标.最后,文章在总结目前混合像元分解及超分辨率遥感影像理论发展的基础上,给出了一些意见和展望,指出考虑混合像元形成机理、综合多种模型及先验信息将有助于基于混合像元分解的超分辨率遥感影像研究.     

基于Mean-shift影像分割算法的TM影像分类及城市扩展研究

以马来西亚雪兰莪州及首都吉隆坡为例,将Mean-shift算法的影像分割方法应用于研究区的TM影像分类中,较传统方法的分类精度更高,可满足应用需求.依据该分类结果对研究区的空间城市化特征进行分析.发现近期研究区一直处于高速扩展阶段,外延式扩展和填充式扩展并行发展成为该研究区城市扩展的主导模式.     

基于面向对象的高分辨率遥感影像分类技术研究

在遥感影像处理过程中,如何提高分类精度一直是备受关注的问题,传统的基于像元的分类方法,精度提高方面很难再有质的飞跃。因此,面向对象的方法应运而生。本文通过对比的方法,来比较基于像元的方法和面向对象的方法的分类精度。借助已有遥感软件对内蒙古自治区呼和浩特市某区的快鸟影像进行分类试验,根据试验结果,得出面向对象的分类方法对于高分辨率遥感影像的分类有着非常好的效果。     

基于聚类的极光形态分类的探索性研究

极光形态为研究日地物理过程提供了显著、直观和具有可识别性的特征。合理分类对研究各类极光现象与磁层动力学过程之间的关系尤为重要。极光形态分类机制的选择问题是极光有监督分类研究被主要诟病的问题之一。有监督分类实验中人工标记的工作量非常浩大,而且不能保证标记的准确性。更重要的是,高分类正确率只能说明自动分类符合人的认识,有监督分类结果无法验证分类机制的正确性。现有的分类机制是否为极光数据空间的真实划分,是否存在更为合理的分类机制都是我们应该探讨的问题。针对该问题,基于已有的全天空极光图像表征方法,引入聚类算法探究极光特征空间的结构,利用了9种聚类有效性函数选择适合极光数据的聚类个数。实验结果表明,对于从2003—2004年北极黄河站观测的全天空极光数据中随机选取的6 000幅极光图像,两类和四类的划分方式最为合适。两类的划分可以看作是分离度较好的极光类型,并且根据两类分布曲线呈现午前-午后双峰的分布特点,这一类极光可能是弧状极光。对于四类的情况,虽然通过肉眼观察无法用一幅典型的极光图像代表每一类,但是这些由聚类得出的极光类型具有各自的时间分布特点,这一结果从无监督的角度证明了极光类型在形态上是可分的。     

基于遥感影像的城市森林分类提取及生态价值估算研究

以北京通州新城区城市森林为研究对象,提出一种基于信息论的决策树分类方法,以提取Aster遥感影像中城市森林平面量,改善传统分类方法仅利用影像光谱特征信息的不足,高分辨率影像和地面调查数据验证显示其分类精度达84.6%.结合分类影像图,引入城市森林生态价值评估模型(CITYgreen模型)估算出通州新城区森林的生态价值约为598.87万美元.研究表明,该方法适合大面积区域的城市森林分类提取及其生态价值估算.     

An enhanced supervised spatial decision support system of image classification: consideration on the ancillary information of paddy rice area

The analysis, measurement, and computation of remote sensing images often require an enhanced supervised classification technique to develop an efficient spatial decision support system. Rice is a crop of global importance, which has drawn a great interest in using remote sensing techniques for evaluating its production. Ancillary information is widely used to improve the classification accuracy of satellite images. However, few of these studies questioned the importance and strategies of using this ancillary information. The enhanced decision support system in our study has two stages. In the first stage, the images are obtained from the remote sensing technique and the ancillary information is employed to increase the accuracy of classification. In the second stage, it is decided to construct an efficiently supervised classifier, which is used to evaluate the ancillary information. Back-propagation neural network (BPN) with extended delta bar delta (EDBD) algorithm is incorporated into our decision support classifier system. This classifier renders two crucial contributions: (1) the EDBD algorithm accelerates the convergence speed of the learning process and (2) the relative importance (RI) on each band of ancillary information is evaluated rationally.     

基于多源遥感数据的城市变化监测研究——以郑州市为例

遥感技术以其具有宏观、快速、准确、及时等特点为城市变化趋势分析提供了快速便捷的途径。选取郑州市1988年TM、2001年ETM+和2007年CBERS遥感数据,经过一系列数据预处理后,采用决策树分类算法,进行基于知识遥感分类及专题图的制作。对分类结果利用土地利用结构变化、动态变化率、转移矩阵等指标进行变化分析,分析结果揭示了不同时期城市扩张与植被、水体和农村居民点的变化关系,对于地区土地可持续利用具有重要参考作用。研究数据表明,20年来郑州市城市用地以年均8%的速度增长,植被减少25%,水体减少30%。     

基于多重分割关联子的高分辨率遥感场景分类

高分辨率遥感影像提供了丰富的外观信息和空间结构信息,广泛应用于土地利用分类当中,源于文章领域的视觉词袋（Bag-of-Visual-Words,BoVW）模型现已成功应用于图像分类领域。传统的BoVW模型忽略了特征之间的空间布局信息和像素一致性信息,提出多重分割关联子特征,融合图像的外观信息、空间布局信息和像素一致性信息,实验表明该方法能够获取优于许多经典的遥感图像特征的性能。     

基于空间聚类分析的福建省各县市经济发展水平研究

将空间坐标和属性特征有机地结合起来,给出空间距离的定义,提出位置与属性一体化的空间聚类方法——基于空间距离的K-均值聚类法,利用M atlab编写其算法程序。同时以福建省各县市经济发展水平的类型划分作为研究实例,首先选取反映社会经济发展水平的8项指标,并利用G IS技术提取各县市的重心位置坐标,再利用该空间聚类算法将福建省各县市的经济发展水平聚类为5类,结果表明此算法能够综合考虑空间位置邻近性和属性特征相似性的聚类要求,对福建区域可持续发展有一定的指导意义。     

基于双分支卷积神经网络的SAR与多光谱图像融合实验

针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。     

基于Sentinel-2遥感时间序列植被物候特征的盐城滨海湿地植被分类

滨海湿地是具有重要功能的特殊海陆过渡带生态系统,精准获取滨海湿地植被时空分布信息具有重要意义。传统的湿地遥感观测研究集中于高空间、高光谱分辨率影像分类,往往受限于数据成本和覆盖范围,仅适用于小区域湿地监测。Sentinel-2A/B卫星影像时空分辨率高且免费共享,为大区域滨海湿地动态监测提供了可能。本文采用2018年Sentinel-2影像,提出像元级SAVI时间序列及双Logistic植被物候特征拟合重构模型,采用随机森林算法进行盐城滨海湿地植被分类,探讨Sentinel-2遥感时间序列植被物候特征分类方法的适用性。结果显示,分类总体精度达87.61%,Kappa系数为0.8358,分类结果与湿地实况相吻合,比常规单一时相分类精度总体提高19.57%。植被判别物候特征参数可为影像数据缺失或不足的滨海湿地分类提供不同植被的判别依据。研究表明,基于像元级时间序列植被物候特征的分类方法能实现植被群落混生带的精准分类以及对“异物同谱”植被的有效区分,对大区域滨海湿地植被分类具有很好的适用性,有效提高了滨海湿地植被分类精度。     

基于卷积神经网络和高分辨率影像的湿地群落遥感分类——以洪河湿地为例

以洪河国家级自然保护区为研究对象,应用卷积神经网络（CNN）方法进行高分辨率湿地遥感影像的分类研究,并与基于光谱支持向量机（SP-SVM）的方法和基于纹理及光谱的支持向量机（TSP-SVM）的方法进行了对比。结果显示,对于所选取的2个研究区域,CNN分类方法的全局精度高于SP-SVM方法5.61%和5%,高于TSP-SVM方法4.18%和4.15%。尤其对于部分湿地植被的分类精度明显高于SP-SVM和TSP-SVM方法。研究表明,卷积神经网络为湿地识别的精细划分提供了有利的手段。