面向应用的成像光谱数据分类技术

提出了面向应用的成像光谱数据分类技术,旨在从根本上、全方位地削弱各种不利因素对分类精度的影响。该项技术主要包括利用IEM算法获取更为精确的类别分布信息,采用禁忌搜索算法进行原始特征空间的降维,运用基于混合规则的组合分类器来判断待识样本的类别标签。实验表明,按照该方法进行成像光谱数据的分类处理,可以得到很高精度的分类结果。     

海岸带高光谱影像分类技术研究

以海岸带地物分类研究为重要对象,针对传统海岸带区域地物及海水等目标分类技术的局限性,通过分析海岸带地物的光谱特征以及在高光谱数据中的表征,研究高光谱成像技术在海岸带遥感应用中的有效性。实验结果表明相对传统的遥感影像分类技术,高光谱海岸带分类显得更为精细,也展示了高光谱技术在海洋遥感中的巨大应用前景?     

水体光谱特性监督分类方法研究

中国近岸海水是典型的二类水体,其光学特征复杂.利用黄东海2003年春季航次获取的高光谱数据,以最值为判断特征的监督分类方法对水体光谱进行分类研究.经分析试验数据,得出叶绿素主导类、混合过渡类,悬沙主导类、超高悬沙类和中高叶绿素低悬沙类等五类光谱特征.此分类方法对不同季节黄东海有较好的一致性和适用性,其分类分布图在一定程度上展现了黄东海水体光学特性的基本规律.     

面向分类的高光谱遥感影像数据特性的研究

分析了高光谱遥感的特点、影像数据的应用现状,针对高光谱遥感影像处理、分类的现状及遇到的困难,对高光谱遥感影像数据的分类特性进行了深入的分析总结,对高光谱遥感影像分类的支持向量机方法进行了系统研究,并分析指出了支持向量机分类法的优越性,最后提出了需要进一步研究的问题.     

协同主动学习和半监督方法的海冰图像分类

海冰遥感光谱影像分类中标签样本难以获取,导致海冰分类精度难以提高,但是大量包含丰富信息的未标签样本却没有得到充分利用,针对这种情况,提出一种协同主动学习和半监督学习方法用于海冰遥感图像分类。在主动学习部分,结合最优标号和次优标号、自组织映射神经网络以及增强的聚类多样性算法来选择兼具不确定性和差异性的样本参与训练;在半监督学习部分,利用直推式支持向量机,并且融合主动学习思想从大量未标签样本中选取相对可靠且包含一定信息量的样本进行迭代训练;然后协同主动学习分类结果和半监督分类结果,通过一致性验证保证所加入伪标签样本的正确性。为了验证方法的有效性,分别采用巴芬湾地区30 m分辨率的Hyperion高光谱数据(验证数据为15 m分辨率的Landsat-8数据)和辽东湾地区15 m分辨率的Landsat-8数据(验证数据为4.77 m分辨率的Google Earth数据)进行海冰分类实验。实验结果表明,相对其他传统方法,该协同分类方法可以在只有少量标签样本的情况下,充分利用大量未标签样本中包含的信息,实现快速收敛,并获得较高的分类精度(两个实验的总体精度分别为90.003%和93.288%),适...     

基于地物光谱可分性的CHRIS 高光谱影像波段选择及其分类应用

本文以黄河口湿地为研究区,应用覆盖该区域的CHRIS高光谱遥感影像,提出了一种基于地物光谱可分性的滨海湿地高光谱影像波段选择方法。该方法利用研究区的7种典型地物的110余条现场实测地物光谱曲线,通过分析比对地物两两之间的光谱可分度,确定地物类型之间的光谱可分区间,基于此选取CHRIS高光谱影像的地物分类特征波段,应用三种经典的监督分类方法(支持向量机法SVM、人工神经网络法ANN和光谱角制图法SAM)开展利用全波段的和利用本文方法选择特征波段的分类对比实验。结果表明:(1)基于光谱可分性特征波段的方法较全波段分类精度有所提高,其中ANN分类精度最高,为82.52%,较全波段分类精度提高了约为5.1%;(2)芦苇、水体、黄河水和裸滩4种地物的识别能力高,生产者精度都在80%以上;(3)碱蓬的用户精度提升最为明显,约在7%。     

联合Bi-LSTM和注意力加强多尺度卷积的黄河三角洲湿地高光谱图像分类方法研究

近年来,面向黄河口的监测需求日益增大,如黄河入海流路改道至清水沟路以来,在新老河道的交汇处存在着丰富的地物类别,对于这些地物类别的检测识别研究有助于掌握生态环境状态,对于黄河口的湿地保护以及国家改善环境的战略支持具有重要意义。因此,本文提出一种新的湿地高光谱图像分类方法,分双路分别提取图像的空谱特征并融合分类。光谱维采用分组预处理的双向长短期记忆网络(Bi-LSTM)有效学习光谱特征;空间维采用注意力加强的多尺度卷积网络有效增强所提取的空谱特征,使得分类结果更具准确性。本文实验应用覆盖黄河入海口新老河道交界处的成像光谱仪(Compact High Resolution Imaging Spectrometer,CHRIS)所采集的数据和黄河三角洲自然保护区滨海湿地高分5号传感器(GF-5)所采集的高光谱图像开展。结果表明:分组与双向长短期记忆网络(Bi-LSTM)的有效结合显著提升了网络性能,同其他监督分类方法相比提升约3%~8%,此外注意力机制的加入同比增加约3%,在使用1%的极少训练集下数据集CHRIS和GF-5的总体分类精度分别达到92.3%和86.11%。     

多光谱遥感影像的光谱规则分类算法修正及海岛、海岸带应用

在光谱规则分类算法(Spectral Rule-based Classifier, SRC)基础上考虑大气校正对遥感影像光谱反射率的影响,提出了一种改进光谱规则的分类算法(Modified Spectral Rule-based Classifier, MSRC),从地物光谱响应曲线和光谱指数两个方面来修正光谱规则集,通过规则细化和补充、阈值改正优化光谱类别。以珠江三角洲海岛(佳蓬、淇澳)和海岸带(荃湾、惠东)的Landsat 8影像作为实验数据,对比了大气校正前后波段反射率和地物光谱响应曲线,分析了改进后MSRC算法的地物分类结果和精度,并与原SRC算法、最小距离分类(MDC)算法、最大似然分类(MLC)算法、支持向量机分类(SVM)算法、神经网络分类(NNC)算法以及基于光谱指数的算法等多种地物分类算法进行比较。结果表明,4组实验数据的MSRC算法分类结果总体精度分别为87.66%、82.38%、77.67%和80.05%,高于SRC、MDC、MLC和基于光谱指数的分类算法,在无需人工标注训练数据集的前提下接近SVM和NNC算法的分类精度。MSRC算法适用于海岛和海岸带的Lands...     

基于光谱特征空间的监督分类中包络线去除效能评价

对覆盖黄河口滨海湿地的PROBA CHRIS高光谱遥感影像进行包络线去除变换,采用6种常用的基于光谱特征空间的监督分类算法对变换前后的影像数据进行滨海湿地典型地物分类,通过目视对比分析和定量分析相结合的方法分析比较变换前后的分类结果,评价包络线去除方法对该类算法影响的效果和能力。结果表明,包络线去除方法能够提高部分监督分类算法针对滨海湿地典型植被类型的区分和识别能力;但由于滨海湿地内具有面积较大的裸滩和浑浊水体,这两类地物在影像中的光谱特征相近,而包络线去除方法并不能解决二者的误分问题,因此并不能提高该类算法针对CHRIS高光谱遥感影像的总体分类精度。     

基于决策树理论的高光谱影像目标提取技术研究

利用决策树分级匹配分类的思想,完成高光谱遥感影像分类过程中的光谱特征优化、特征参量构造和相应的匹配策略选择。该方法结合专家知识和光谱特征分析结果,能够充分利用高光谱遥感数据中丰富且细致的光谱信息,灵活采用合适的匹配参量和匹配方法。试验结果表明,该方法能够显著提高高光谱遥感影像目标提取的精度。     

基于Tabu搜索的高光谱影像特征选择

在高光谱影像的分类过程中,如何有效地降低特征空间的维数,又能保证原始数据所包含的丰富地物信息,是一项十分重要而繁琐的工作。在分析了传统降维方法所面临问题的基础上,将禁忌(Tabu)搜索算法引入到高光谱影像的特征选择研究,指出由于Tabu搜索算法所具有的良好全局寻优能力,因而在该类影像的降维研究中有着广阔的应用前景。实验表明,将Tabu搜索算法获取的波段进行高光谱影像分类,在求解的时间和分类结果的精度上都可达到令人满意的效果。     

低通滤波器在高光谱影像分类中的应用

研究了低通滤波器对类别可分性的改善原理,指出将其应用于高光谱影像分类有利于获取更为准确的类别分布信息,进而提高影像分类精度。最后通过实验对低通滤波器在高光谱影像分类中的表现进行了验证。     

高光谱分类EM算法及噪声的处理

简要介绍了高光谱遥感发展的现状,讲述了EM算法的工作原理及其在高光谱影像分类中的具体计算方法,对于噪声,采用一定的方法加以判断并予以剔除,对余下的未标识样本点给与适当的权值,并应用于EM算法的迭代过程中.通过实验验证,经过去噪处理的EM算法可以有效地改善高光谱影像分类结果.     

高光谱影像分类及组合分类器的应用

高光谱影像包含有丰富的地物类别信息,但由于受分类方法等因素的限制,这些信息并不能得到充分的挖掘。组合分类器由于可以实现各分类结果信息的互补,因而总有着较各单分类器效果更好的分类性能。将组合分类方法引入到高光谱影像的分类实践中,并对组合的关键问题一组合规则进行探讨,提出了混合组合规则的概念。实验表明,利用该组合分类方法对高光谱影像进行分类,可以得到良好的处理结果。     

Satellite Image Classification Method Using the Dempster–Shafer Approach

In this paper the problem of the supervised classification of satellite images is considered. A new image classification method focused on application under conditions when the training sample is (in particular, considerably) contaminated is proposed. The method is based on using the Dempster–Shafer evidence theory and is applicable both for hyperspectral and multispectral satellite images. Problems of organizing the supervised classification process and content of its constitutive procedures are presented. The developed method has been implemented algorithmically and in software. Results obtained in the classification of hyperspectral images by the proposed method testify to its efficiency.

     

Mapping forest and peat fires using hyperspectral airborne remote-sensing data

The characteristic features of airspace hyperspectral remote sensing (RS) are considered in order to develop classification techniques for relevant images. Currently available approaches to constructing classifiers (computational procedures) are described for recognizing natural and anthropogenic objects in hyperspectral images. We confirm that the methods under development are effective enough with the reduced dimensionality of the feature space of original spectra and the decreased sample volumes in supervising procedures for the selected object classes. Data from joint hyperspectral and aerial photography provide examples of the spectral distributions smoke of different intensities from forest and peat fires in the presence and absence of fire sources, for the smoke coverage of water surfaces, and for the forest vegetation without ignition sources within a selected area. The results obtained in the supervising procedures are used for pattern recognition and scene analysis in airborne images obtained for the test areas during forest-fire season.     

K-均值聚类算法在多波束底质分类中的应用

针对海底采样点较少时,监督学习训练分类模型困难的问题,研究无监督学习的K-均值聚类分析算法在多波束海底底质分类中的应用。在探讨K-均值聚类分析算法原理的基础上,构建海底底质分类器,针对分类器需预先输入分类结果种类(K值)这一问题,提出了基于底质采样点和分类效果连续性为原则的K值确定方法。实验结果表明:基于K-均值聚类分析算法的海底底质分类器能较好的实现海底底质类型的自动划分,适用于海量多波束底质特征参数的分类。