基于辅助信息的遥感影像信息提取探讨

选取陕西省咸阳市三原县作为研究区,利用遥感ENVI软件,对2006年6月SPOT5影像的土地利用信息进行解译。通过对影像中耕地、园地、林地、居住用地、交通用地、水域等地物光谱特征、纹理特征、空间特征等辅助信息与特征进行深入分析,获取了该研究区土地利用信息及其分布特征。结果显示,基于辅助信息的遥感影像信息提取能够弥补单纯依靠像元的分类方法,精度较高,可达86.34%,能够较好的满足用户的要求。     

基于纹理特征的高分辨率遥感图像土地利用分类研究

为了提高高分辨率遥感图像土地利用分类精度,该文以金沙江下游河谷地带SPOT 5遥感图像350×350像元作为试验区,在ERDAS IMAGINE 9.0和ENVI 4.1软件平台支持下,采用灰度共生矩阵方法提取遥感图像对比度、角二阶矩、熵、同质度等纹理指标辅助遥感图像分类,分析结果表明,相对于传统监督分类方法,基于纹理特征辅助监督分类方法总Kappa系数提高了9.15%,耕地、林地、水域、建设用地、未利用地Kappa系数分别提高了7.60%、6.17%、3.59%、15.74%和2.96%,分类结果面积准确率分别提高了3.38%、13.47%、4.65%、10.22%和1.53%,说明纹理辅助监督分类方法相对于传统监督分类方法有效提高了土地利用分类精度。     

基于知识规则的遥感影像土地利用分类研究

以重庆北碚主城区为研究区域,提出一种基于遥感影像的光谱特征、灰度共生矩阵纹理特征和形状特征建立知识规则的方法,对该研究区进行土地利用分类。对QuickBird卫星影像进行分辨率融合,重点分析典型地物的光谱特征和纹理特征,并根据形状特征建立形状指数,综合上述知识建立提取规则对地物进行自动分类。分类结果表明,该方法能够消除单纯利用光谱信息分类的不足,有效解决地物混分现象,达到了较高的分类精度。     

基于地质统计学纹理特征的遥感影像分类方法研究

介绍地质统计学的原理与方法,论述了地质统计学应用于遥感影像描述及纹理提取的有效性,并将地质统计学变差函数得到的遥感影像纹理信息与其光谱信息相结合进行遥感影像分类试验,结果表明,辅以地质统计学纹理特征的遥感影像分类方法能够明显提高分类精度.     

应用基于纹理的面向对象分类模糊方法提取水田信息

针对面向对象分类方法进行图像处理时出现大量冗余多边形及其分类结果出现斑点等不足,提出基于纹理特征的分割方法。先对原始图像进行纹理增强、主成分分析、低通滤波和图像分割等预处理,得到原始图像的纹理特征二值图;将二值图作为独立波段与其他波段进行假彩色合成,得到纹理增强图,再对其进行多尺度分割和模糊分类。以南京市浦口区2002年9月SPOT图像为例,分别利用上述两种方法提取图像中的水田信息,基于纹理特征的分割方法克服了面向对象分类方法的不足,并且由于在进行模糊分类时分割出的对象大量减少,一定程度上减小了确定模糊区间的难度,较好地提取出水田信息,提高了图像的分类精度。     

基于GIS的遥感影像土地利用/土地覆盖信息提取研究——以滇西北香格里拉县为例

在GIS辅助下，基于ETM＋遥感卫星数据，采用分辨率融合提取地物和基于NDVI计算的分区、分层分类以及结合有关地理数据（如DEM、坡度等）基于知识分类方法相结合，通过多步骤信息提取来完成实验区进行土地利用／土地覆盖分类研究，并对分类结果进行精度检验。研究结果表明：该方法不仅消除了单一步骤分类时多类间的相互影响，而且将遥感影像数据与地利信息系统数据有机的结合起来，具有技术操作简单，分类结果理想的特点；对城镇用地、机场用地、水库、湖泊及河流的分类识别精度可达100％，基于知识规则对农村居民地和耕地的提取精度达70％以上，较单一的信息提取方法精度有很大提高。     

遥感图像纹理信息提取方法综述

纹理是遥感图像的重要特征，它提示了图像中辐射亮度值空间变化的重要信息。要利用图像空间信息提高分类精度，合理而有效地度量纹理至关重要。目前遥感图像纹理信息提取方法主要有：统计描述法、小波变换法、分维分形法和地统计学4类。分别就各种方法的优缺点、适用领域和应用情况进行了阐述，最后展望了遥感图像纹理信息提取方法的发展方向和研究热点。     

基于小波变换的高分辨率影像纹理结构分类方法

该文提出了利用小波变换获取纹理结构子图像能量参数，并用这些参数进行高分辨率图像纹理结构分类的新方法。由阐述遥感影像纹理结构识别原理人手，提出影像纹理结构特征抽取的小波变换方法，构造了有明确的数学和物理意义的参数来描述影像纹理信息，在此基础上利用这些参数进行影像纹理结构分类。试验结果表明，小波变换方法适用于具有规则和较强方向性的纹理结构影像分类。     

ALOS卫星遥感数据影像特征分析及应用精度评价

通过影像灰度等级分析、单变量统计分析和影像纹理特征分析以及平面点位精度、影像分类精度和图斑面积精度评定,针对ALOS数据图像质量开展影像特征研究与应用精度综合评价,并与SPOT5数据对比。ALOS数据在纹理特征及面积精度方面(尤其是较小的图斑面积精度)均明显优于SPOT5;建设用地和农用地二、三级地类的影像分类精度均可达到优良等级;点位中误差精度可满足1∶1万比例尺制图要求。ALOS数据在国土资源调查和管理中具有良好的应用前景,可与SPOT5形成较好的数据互补。     

遥感影像纹理分析方法研究

影像纹理是遥感影像中的重要信息,原始的光谱信息加上纹理信息可以提高影像的精确性。作为提高影像分类精度的重要方法——纹理分析,合理有效地使用纹理分析方法至关重要。不同的纹理分析方法,不同程度的提高影像分类的精度。目前对影像进行纹理分析的方法主要有：统计方法、结构方法和谱方法3类。分别就3种方法的研究进展、应用情况进行了阐述,最后对影像纹理分析方法3种模式对比研究。     

基于QuickBird卫星数据的土地利用分类规则集研究

以天津滨海新区为实验区,研究面向对象技术的高分辨率遥感影像土地利用分类规则集。针对耕地、草地、水域、建设用地、交通运输用地、空闲地的特征差异,综合多尺度的分割特征,尝试不同的分割尺度,最终选定两个最优分割层次,即大尺度层次(分割尺度为400)和小尺度层次(分割尺度为240)。采用有效的特征参数,包括自定义的特征增强参数(NDVI参数、色度放大函数)以及最大差异特征参数、面积参数、不对称性参数、标准差参数,确定各特征的隶属度函数,最终建立分类规则集;应用该分类规则集,通过图层间信息的传递与合并,对实验区的QuickBird(QB)遥感影像进行土地利用分类,精度达86.98%,有效避免了椒盐现象。实验证明了面向对象的遥感影像分类方法可充分利用高分辨率影像丰富的信息,有效地提高分类精度。     

基于特征基元的高分辨率遥感影像城市空间信息提取

结合人类视觉机制和计算机尺度空间理论,设计了基于特征基元的高分辨率遥感影像多尺度信息提取技术模式,即先在大尺度上进行粗分割,再进行精细分割,获得特征基元并进行特征表达,通过样本分类和知识推理等实现信息的提取与目标识别。针对城市空间信息的特点,在特征基元提取的基础上,采用马尔可夫随机场纹理分类方法、直方图阈值分割方法、支撑向量机分类方法等完成对城市水体、建筑区、道路和绿化用地的分类提取,构建了一套从高分辨率遥感影像中提取城市空间信息的方法体系。     

多尺度空间分层聚类算法在土地利用与土地覆被研究中的应用

利用遥感数据,综合最大似然法监督分类、多尺度空间分层聚类的部分监督分类方法和主成分方法,分析黄河上游龙羊峡水库库区1987～1999年间土地利用土地覆盖变化.提取专题信息,不同要素采用不同方法;具体分类中,土地利用类型的一级类型耕地、水体及未利用土地类型采用主成分分析和最大似然法监督分类方法;对一级类型草地采用多尺度分层聚类算法的部分监督分类方法.结果表明,草地信息利用SSHC方法提取结果较好,与Bayes分类方法相比,精度提高4.2%,SSHC所获结果数据Kappa系数为0.84,Bayes所获结果数据Kap-pa系数为0.78.对某专题要素分类,此方法结果较优.     

基于指数计算的多层次遥感信息提取模型

指数计算是描述地物波谱特征简单而有效的方法.但单纯依靠指数方法进行遥感专题信息提取,错分、漏分现象严重.该文提出一种"全域一局部"的遥感信息提取思路:对整幅图像进行全域分割、全域分类,实现目标地物与背景地物的初始分离;在目标地物周围建立一定尺度的缓冲区,作为局部分割一局部分类的作用区域,并在局部作用域内选择不同的阈值,通过迭代过程实现目标地物与背景信息的最优分离.选取鄱阳湖地区Landsat 7/ETM+影像,应用该方法进行水体提取试验,精度达95.751%,优于常规的最大似然法.     

中国土地利用时空特征分析

在遥感技术与GIS技术的支持下，对中国近5年来土地利用的时间动态特征和空间动态特征进行了定量分析。具体表现为通过数学建模，利用土地利用动态度模型、土地利用程度模型、垦殖指数模型等对土地利用时空特征进行了分析。研究结果表明：5年间中国土地利用类型发生变化比较大的区域主要分布在东部和北部地区，特别是东北部地区土地利用类型变化比较剧烈，而西部变化相对缓慢；土地利用各类型中面积增加的有耕地、水域、建设用地和未利用地，而林地、草地面积减少；耕地增加的区域位于东北部地区，特别是黑龙江省耕地面积增加最多；林草地以及未利用地的面积变化主要发生在新疆、内蒙和黑龙江等地区，其它地区变化幅度相对较小。     

From Land Cover to Land Use: A Methodology for Efficient Land Use Mapping over Large Areas

Land use information over large areas is increasingly important for many studies related to environment in general and global change in particular. Yet there is a dearth of methodological knowledge in this area, especially regarding the practical task of producing land use maps. In this article, a systematic land use mapping approach is developed, based on land cover maps that in turn are produced through remote sensing. The concept is based on the recognition of varying strengths of land cover (LC) – land use (LU) relationships, from the thematic and spatial points of view. Several categories of relationships are identified, ranging from direct (case 1) to multiple/complex (case 4), and appropriate mapping strategies are discussed for these cases. Using a mapping study in Lebanon, it is shown that the principles embodied in this approach correspond to issues and conditions in real mapping situations. Finally, the concepts are translated into a series of steps through which the method can be applied to large areas, taking into consideration the specific requirements and constraints of each case. The final land use map represents an acceptable compromise between accuracy, level of detail, and cost.