基于BP网络的TM图像土地利用自动分类

1前言遥感是根据不同的地物对电磁波束有不同的响应这一原理,来识别地面信息的。传统的分类方法是利用遥感数据的统计值特征与训练区样本数据之间的统计关系进行模式识别,由于地表的复杂,光谱值的}昆合,使普遍存在的“同谱异物”和“同物异谱”问题难以得到令人满意的解决,造成仅仅利用光谱特性进行的自动分类精度不高。     

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%。     

通用型遥感图像理解专家系统的研究

论述了研制通用型遥感图像理解专家系统的基本原理，较详尽地讨论了这种专家系统事实库的建立、知识表达和知识获取的方法、模糊推理的方法及与遥感图像处理系统和ＧＩＳ软件系统的衔接等问题，介绍了具体的通用型专家系统ＲＳＳＴＡＲ的实现及功能。     

草场资源分类专家系统的研究

在分析了基于光谱特征的统计模式识别方法用于遥感图像的计算机分类的不足之后，探讨了进一步提高遥感图像分类结果精度及可靠性的途径，指出了在遥感图像的计算机自动分类过程中，综合利用遥感图像多光谱特片及光谱特征以外的辅助信息对遥感图像进行分类是解决上述问题的有效方法，并通过笔者研制的草场资源分类专家系统ＧＥＳ说明了专家系统技术用于遥感图像分类能够有效地解决分类过程中综合利用各种辅助信息的问题。     

多分类SVM主动学习及其在遥感图像分类中的应用

针对应用传统分类器和被动学习的方法,难以满足遥感图像处理实际应用的要求这一困境,提出了一种新的基于多分类SVM的主动学习方法,与被动学习的随机选择不同,主动学习是在少量标记类别的初始训练样本集基础上,通过反复迭代主动学习的方式,得到最有利SVM分类器性能的样本为支持向量。研究表明,这种方法直接避免了大量的计算,可有效地减少样本训练时需要标记样本的数目,并取得较为理想的分类效果。     

改进的直方图均衡化在遥感图像分类中的应用

遥感图像监督分类主要依据地物的光谱特征,具有很大的局限性.本文提出一种改进的直方图均衡化方法一均衡化后各像素灰度值调整,利用该方法对遥感图像进行处理,处理后的图像再进行监督分类.实验结果表明该方法直观、简明、处理速度快.并能取得较高的分类精度,具有一定的实用性.     

基于人工免疫系统的遥感图像分类

提出了一种基于人工免疫系统(ArtificialImmuneSystem)的分类方法。该方法首先应用人工免疫系统的克隆选择算法对样本进行自学习,得到全局最优的聚类中心,然后利用学习得到的聚类中心对整幅影像进行分类。由于人工免疫系统继承了生物免疫系统的自组织、自学习、自识别、自记忆的能力,从而使得人工免疫系统具有非线性的分类能力,并能够快速准确地得到全局最优解,克服了传统分类方法约束条件多,容易陷入局部最优的缺点。实验结果证明,该算法分类精度上优于传统的分类方法,总精度和Kappa系数分别达到了89.80%和0.8725,因而具有实用价值。     

模糊Isodata聚类分析在遥感图像分类中的应用研究

针对模糊模式识别的原理,根据遥感图像的特征,提出了基于模糊Isodata聚类分析的遥感图像分类方法。研究结果表明：该方法具有简单、快速和有效的特点,从而拓宽了模糊模式识别的应用范围。     

基于证据理论的遥感图像分类方法探讨

遥感图像分类是一项十分重要而且复杂的问题。传统的图像分类方法多数是基于贝叶斯主观概率理论的图像分类方法,由于其在解决不确定性问题上存在诸多缺陷,近年来,将数学的证据理论应用于遥感图像分类已成为新的发展趋势。本文首先介绍了证据理论与贝叶斯主观概率理论对于解决不确定性问题的差异,证据理论的主要定义和算法。文中还重点介绍了证据理论用于模式识别的支持度函数,并将支持度应用于图像分类,得到像元级按大类（如土地利用的城镇用地、耕地、林地和水体）划分的支持度表面,然后进行硬分类叠加,得到初次分类结果,再进行精度评估。如果不满足精度要求,再对各类支持度小于某域值的像元进行二次分类,如此下去,直到达到分类所要求的精度。该方法的主要优点是可以进行分类后的再分类,且精度非常高,而贝叶斯分类不可以进行分类后的再分类,只能重新训练样本进行整体分类,效率低,精度也难提高。该方法理论可靠,实用性强,易操作,有研究潜力。     

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。     

基于GIS的TM数据分类及辅助制图研究

本文初步研究了遥感、GIS和制图一体化实用技术方法。对黄土丘陵区和沙漠地区TM数据进行了特征信息分析;给出了分层分类和GIS辅助分类结果;经模糊推理和人机交互修改,将提“纯”的遥感专题数据作为GIS的动态信息源,对GIS进行扩充与更新;最后在GIS支持下分层提取专题图并进行辅助制图。     

遥感影像快速正射处理系统测试方案探讨

在Ortho系统发布前的软件测试中设计了一套测试方案,按照该方案中的测试路线和方法,通过采用各种基础资料进行试生产和与PCI软件的比对,测定了Ortho系统存在的缺陷和不足,并结合实际情况,给出了恰当的分析意见和验证了方案的正确性。     

遥感图像应用处理中的一个分类新算法——模拟目视分辨法

本文介绍的SVD分类方法,模拟人眼分辨图像上图斑的机理,对遥感图像进行分类。意在克服常规计算机分类的一些缺点,改善图斑边缘及交界处的混分现象,同时做到均匀大图斑的平滑及孤立小图斑的保留,使分类图上图斑整齐,界限分明,精度高,视觉效果好。因此有较好的实际应用价值。     

遥感影像分类的归类学习方法

遥感影像分类专家系统是遥感分类研究中的一个重要发展方向,然而,传统的统计模式识别法和人工神经网络分类法除了能完成具体的影像分类外,不能提供易于被人类理解的分类知识,文中介绍一种基于扩张矩阵的示例学习方法,并将其应用于遥感影像分类知识的自动获取。     

灰色系统理论在航空像片模式识别中的应用

本文根据灰色系统理论,应用关联序分析,探讨了一种对航空像片进行林分类型识别的方法.该方法首先确定航空像片样区信息中反映林分类型空间分布结构特征的频谱光电流数据序列,然后确定标准识别对象频谱序列的模式,再根据关联序分析法计算待识别对象与标准识别对象间的关联程度,从而根据关联度的大小确定待识别对象的林分类型。     

基于K-均值方法的CBERS02卫星图像分类研究

CBERS02卫星是一颗中分辨率卫星,利用CBERS卫星图像进行国土资源利用调查具有成本低、效率高的优点。本文利用K-均值聚类方法对CBERS02卫星图像进行分类处理,获得土地利用信息,为国土资源的科学管理提供了良好的帮助。     

九龙江下游水质遥感反演及时空变化分析

在同步历史实测数据较为缺乏的条件下,基于波谱特征的比值法可以有效进行水体叶绿素a(Chla)和悬浮颗粒物(Tss)浓度的反演。利用不同时期的Landsat遥感卫星影像对九龙江下游河段的叶绿素a和悬浮颗粒物浓度进行了年际变化分析及季节变化分析发现:较高的叶绿素a浓度主要出现在北溪浦南段(北8北9)以及石龟头至北11段,叶绿素a在枯水期呈现浓度增大的趋势;高悬浮颗粒物浓度较易出现在龙津溪入口(北9郭坑公路桥)河段,高悬浮颗粒物浓度季节主要发生在丰水季节。     

断裂影像自动判读专家系统初探

本研究是以专家系统为引导，数字图像处理和模式识别为证据的自动获取手段，采用人机交互方式和自动识别模块相结合的方法，建立以断裂构造为研究对象的半自动判读专家系统。本系统以ＰＣ机为主机，采用Ｃ语言编程。软件系统界面友好，操作方便。     

辅以纹理和BP神经网络的TM遥感影像分类

在提高遥感图像分类精度的方法中,将纹理信息作为扩展的特征向量加入特征空间中,是一个很有效的方法。利用地物在空间上的联系提取纹理,进而参与BP神经网络分类,实验结果表明加入纹理后明显提高了具有纹理信息的地物的分类精度。     

决策树算法在西藏遥感影像分类中的应用研究

将决策树算法引入到遥感影像分类中,以提高分类的精度。首先对影像进行预处理,然后利用C5.0算法在分析地物光谱特征、纹理特征、归一化植被指数的基础上,自动提取分类规则,构建决策树,实现地物的自动分类。为验证该算法的有效性,选取西藏某地区TM影像作为实验数据,与监督分类的精度进行对比,实验结果表明,决策树分类方法能取得较好的分类效果。