利用遥感影像快速更新GIS数据库

更新GIS数据库的最有效手段是利用遥感资料，本文了利用遥感影像快速更新GIS数据库的可能性，在分析现有的几种栅格矢量数据传输方式后，认为实现遥感（RS）与GIS数据传输的最快最好方法是采用栅格矢量一体化数据结构，并推荐了一种三级划分的一体化数据结构，最后提出了目标引导，人机协同的遥感影像快速更新GIS数据库的方法和过程。     

GIS辅助下的环青海湖地区草地蝗虫生境分类研究

草地蝗虫是危害中国广大草原地区的主要昆虫之一,针对草地蝗虫的生态特征,实现草地蝗虫生境类型的划分,是草地蝗灾管理迫切需要解决的课题之一.以环青海湖地区为例,使用TM影像数据和DEM,草地类型图等地理辅助数据,以及GPS定位的野外调查资料,从遥感图像处理/地理数据/专家知识一体化的角度出发,应用基于知识的方法进行环青海湖地区草地蝗虫生境类型的分类研究,其分类总精度为84.23%.研究表明,克氏针茅草原,芨芨草草原,紫花针茅草源是草地蝗虫多发的生境类型.占整个研究区总面积的29.09%,这为进一步加强环青海湖地区草地蝗虫的管理提供科学依据.     

基于分类规则挖掘的遥感影像分类研究

分析了目前遥感影像的统计分类、神经网络分类及基于符号知识的逻辑推理分类方法的优缺点.以GIS为平台,构建了多源空间数据库,将数据挖掘的思想和方法引入遥感影像分类中,提出了面向分类规则挖掘的遥感影像分类框架.针对遥感光谱数据及其他空间数据的特点,定义了连续属性样本分类概念和分割点评价指标,提出了一种新的连续属性样本分类规则挖掘算法.选择一个试验区,采用该算法分别对遥感光谱数据、遥感光谱和DEM数据相结合的数据进行分类规则挖掘、遥感影像分类和分类精度比较.结果表明：（1）该算法具有较高的分类精度;（2）加入DEM等与分类相关的其他空间数据可以提高遥感影像的分类精度.通过挖掘分类规则进行遥感影像分类,扩展了基于知识的逻辑推理分类方法中知识获取渠道,提高了分类规则获取的智能化程度.新的连续属性样本分类规则挖掘算法,扩展了归纳学习算法对连续属性样本分类的适应性.     

基于遥感和GIS的区域生态环境分类研究

本文以石羊河流域为例,研究了基于卫星遥感数据与数字高程模型的区域生态环境分类方法。其研究 机理是:利用遥感技术获取相关生态环境专题信息,运用GIS空间分析技术自动生成流域范围的生态环境边界, 形成了一种科学的区域生态环境分类方法。     

基于纹理特征的遥感影像监督分类

影像分类技术是遥感影像分析与解译的重要基础。纹理特征是影像的重要特征,本文主要实现基于纹理特征的遥感影像监督分类。首先对地物样本进行提取,通过样本训练统计各类地物纹理特征向量,建立纹理特征库;然后以各类地物的特征向量作为基准,采用最短距离分类器对影像进行分类;最后采用混淆矩阵对分类结果进行精度评定,并与ERDAS专业软件分类结果进行对比分析。实验证明,本分方法取得了与ERDAS软件相当的分类效果,从而验证本文方法的可靠性。     

遥感图像融合技术及其在更新GIS数据库中的应用

分析SPOT图像和TM图像的特点，提出应用遥感图像融合的方法来综合利用SPOT和TM的图像信息。将融合结果图像与原始GIS矢量数据经过配准后透明叠加进行矢量数据的更新，从而达到更新GIS数据库的目的。     

地理信息系统支持下的山区遥感影像决策树分类

山区遥感影像分类是遥感研究的一大难题。本文利用一种决策树生成算法（C 4.5算法）自动提取知识，基于知识建立决策树用于山区影像分类，并结合研究区土地利用类型与DEM空间统计关系的先验知识，在GIS空间分析的基础上进行影像分类的后处理。与传统的最大似然法分类结果相比，该方法极大地改善了山区地表覆被分类的精度，得到试验区较为可靠的遥感分类图像。     

遥感影像监督分类

本文主要研究探讨遥感影像分类的监督分类法原理、技术、步骤及精度等问题。通过采用最大似然分类法对各种融合影像进行监督分类,比对结果,阐述最大似然分类法的特点。     

GIS辅助数据下的影像缺失信息恢复

针对遥感影像上的“缺失”区域现象,阐明了数字图像修复技术的原理和方法,分析了遥感影像缺失区域恢复的特点和难点,并提出了基于GIS辅助信息的缺失数据恢复思想,提高了图像修复的质量。     

投影寻踪学习网络的遥感影像分类

采用投影寻踪(projection pursuit,PP)学习网络方法建立了一种新的遥感影像分类模型。该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能,具有简捷的网络结构和良好的鲁棒性能。利用苏州市TM影像进行了分类实验,将分类结果与BP神经网络和最大似然法的分类结果相比较,投影寻踪学习网络的分类精度较高,具有一定的实用性。     

GIS辅助下的遥感图像分类与识别

RS与GIS有着紧密的关系和很强的互支持性,RS为GIS提供了最好的一种数据获取手段,而GIS则可以用来辅助进行遥感图像分析,提高分析的精度和可靠性,因此两者的集成是十分必要的。     

基于支持向量机的遥感影像分类比较研究

支持向量机是建立在统计学习理论基础上的一种新的人工智能算法,较好地克服了传统分类方法中存在的小样本、非线性、过学习、高维数、局部极小点等问题,是一种极具潜力的遥感影像分类算法。本研究采用Landsat-5的TM影像,用支持向量分类法对影像进行分类,分析了支持向量机不同参数组合情况下的分类精度,并对支持向量分类法与传统分类方法进行了比较,发现支持向量分类算法具有参数选择范围宽,不要求对待分类区域地物光谱特征和影像分布特征具有先验知识,分类精度高等特点,对于在没有现场同步实测数据的区域进行精确的分类具有特别重要的价值。     

GABA算法的遥感图像分类

为了弥补蝙蝠算法后期收敛速度慢、寻优精度不高、易陷入局部最优值的缺点,本文提出了一种新的遥感图像分类算法--GABA算法,该算法将遗传算法中的选择、交叉、变异操作应用到蝙蝠算法中,使蝙蝠算法具有变异机制,避免种群个体陷入局部最优,提高了算法全局寻优能力,增加了蝙蝠算法的多样性。同时,为了突出本文算法的优点,试验将蝙蝠算法、K-means算法、粒子群算法与本文算法结果进行比较,分析评价遥感图像的分类结果。试验表明本文算法在遥感图像分类应用中既提高了分类精度又减少了分类时间,是一种可行、有效的遥感图像分类方法。     

基于GIS的多源遥感影像管理显示系统的设计与实现

影像数据具有多时相、数据量大的特点,这给影像数据的集中统一管理提出了更高的要求。如何结合GIS空间数据管理优势管理影像数据,实现矿区影像的快速入库与高效查询,是本文所要探讨的主要内容。本文在分析不同影像类型在磁盘上的存档特点,以及头文件内容的基础上,确定了影像元数据库结构并设计了头文件自动解析模块,实现了影像的数据文件及其相关元数据的快速入库,开发了基于Arc GIS Engine的影像管理查询检索系统,实现了基于空间和属性的快速查询检索,并且在元数据的支持下实现了影像和元数据的双向查询。     

泛概念层次构建方法及其在遥感图像分类中的应用

针对传统泛概念树在进行正态云综合时出现雾化现象以及使用极大判定法进行遥感图像分类时缺乏类别信息的问题,提出了一种泛概念层次构建的改进算法,并基于改进的泛概念层次构建算法进行遥感图像分类。对TM遥感影像进行分类实验,并与常用的最大似然、最小距离、马式距离等方法进行遥感图像分类的对比试验,验证了本方法的有效性。     

BS-GEP算法在水利遥感图像分类中的应用

在地物环境状况较为复杂时传统基于统计学遥感分类算法难以得到较高的分类精度。针对这一问题,这里将基于分组策略的改进基因表达式编程算法(BS-GEP)应用到遥感图像分类问题中,避免传统的基因表达式编程算法由于种群多样性破坏引起局部收敛,解决地物状况复杂时难以得到较高分类精度的问题。实验结果表明:基于分组策略的基因表达式编程算法的分类器提取的分类规则能转为数学表达式形式并能获得较高的分类精度,与基因表达式编程算法(GEP)相比分类结果混淆程度相对较低,与最大似然法相比分类结果相对清楚,模型分类精度达到93%。     

国外四大遥感软件影像分类过程及效果比较

以Landset卫星影像为例,分别使用ERDAS、ENVI、ERMapper、PCI软件进行监督分类和非监督分类。通过对分类操作过程和分类结果的比较,对国外四大遥感软件做出来综合评价。     

基于标识的遥感影像部分监督模糊聚类

根据遥感影像的特点引入了部分监督模糊聚类的方法,并对其进行改进,加入了标识参数flagk,使其在训练过程中对参与计算的数据进行筛选,使得训练的速度加快,去除了非样本类数据对类心数据的影响,获得了较高精度的分类结果。     

遥感图像分类应用研究综述

对目前遥感图像分类方法应用研究进行了总结,在此基础上对其在地学应用研究中存在的问题进行了分析,得出了一些有益的结论,以期为遥感图像分类应用提供参考。