遥感影像混合像元的分解——基于加权后验概率的支持向量机分类算法

混合像元是遥感影像中普遍存在的现象,对此,本文提出基于加权后验概率的支持向量机进行影像混合像元分解。该分类算法可判定端元种类的同时得到每种地物的后验概率,从而进行非线性模型的混合像元分解。由于加权后验概率的支持向量机分类算法能够减少分类器受土地覆盖类型模糊样本点的干扰,因此,改善了非线性混合像元分解模型的精度。首先,由样本点计算得到核函数参数值,然后,计算影像中每一种土地覆盖类型的后验概率,将其作为各个两类支持向量机分类器的权系数并求得多类后验概率值,确定影像每一种土地覆盖类型并得到丰度值。本文采用TM多波段遥感影像验证该方法的可行性,实验区位于我国东北部的大兴安岭中北段地区,土地覆盖类型包含农田、居民地、水体、荒地等。将本文提出的混合像元分解方法结果与标准支持向量机模型分解的结果对比表明,以加权后验概率的支持向量机遥感影像混合像元分解方法精度优于标准支持向量机模型。     

遥感分类信息不确定性的可视化表达方法

影像分类是遥感技术的重要应用领域之一,而遥感分类信息中则存在着不确定性,如果仅仅对其进行不确定性程度上的数学度量,而忽略其在空间域和时间域上的分布特征,则很难完整准确地描述和理解遥感信息中的不确定性。从视觉感知角度表现不确定性信息是不确定性建模的重要组成部分,而利用现有的计算机可视化技术来表达遥感分类信息的不确定性则是一种直观有效的方法,可以帮助用户更加完整地理解遥感数据及其分类信息中不确定性的大小、分布、空间结构和趋势。我们将不确定性可视化技术分为静态可视化变量、动态可视化变量和特征可视化三种类型。并以我国黄河三角洲地区的Landsat 5 TM遥感影像的分类数据为例,对上述不确定性可视化技术进行讨论及分析。     

基于高分二号卫星影像的城市不透水面提取

受到分类目标趋于多样化和影像因素复杂的影响,基于高分辨率遥感影像提取城市不透水面的方法普遍精度不高。本文旨在探索快速有效地利用高分辨率遥感影像提取不透水面方法。以梧州市高分二号遥感卫星影像为例,采用支持向量机方法应用于不透水面分类中。这种方法首先根据高斯核函数训练出样本空间,然后直接对经过HSL色彩空间变换后的影像进行分类,使得有效特征信息增加进而分类精度提高。实验结果证明了这种方法的有效性。     

基于小流域抽样单元的中国FROM-GLC30数据精度评价

土地覆盖数据是全球环境变化相关研究和应用的重要数据基础,在诸多领域中被广泛运用.FROM-GLC30 2017数据是最新的全球高分辨率(30m)公开土地覆盖数据集之一.土地覆盖数据集的精度是其在不同领域应用中的重要问题.本研究旨在探讨FROM-GLC30 2017数据集精度在全国范围内的空间分布,并比较不同土地覆盖类型...     

基于不确定性分析的遥感分类空间分层及评估方法

空间分层是准确度量遥感分类不确定性程度及其空间分布的基础与关键。本文提出了一种基于不确定性分析的遥感分类空间分层及评估方法,首先基于随机森林算法获取像元后验概率,确定分类不确定性度量指标;其次,采用模糊C均值进行空间分层;最后,对分层结果合理性进行定性与定量评估,并与同尺度数据产品精度评价结果及后验概率不确定性分层方法进行对比分析。以北京市顺义区Landsat 8 OLI遥感影像数据为例,研究结果表明：(1)基于最大概率、模糊混淆指数和概率熵指标将顺义区分为不确定性大、中、小3层,相应的遥感数据层分类精度分别为62.28%、74.96%、79.31%;(2)分类不确定性空间分层结果与度量指标大小的空间分布基本一致,错分地类图层与不确定性大层的地类空间分布基本一致;(3)遥感数据和数据产品的各层地类空间特征、层分类精度大小趋势一致,与总体分类精度相比,不确定性大层的层分类精度降低,不确定性小层的层分类精度提高;(4)与后验概率不确定性分层方法相比,本研究不确定性大层的层分类精度降低1.08%,不确定性中层提高3.58%,不确定性小层提高0.16%,q值由0.19提高到0.24,空间分异性...     

SVM在文本自动分类中的应用

支持向量机(S、M)是基于统计学习理论的一种新的模式识别技术。介绍了文本自动分类技术的主要研究概况，并进一步从支持向量机的原理及其在文本分类中的优点等方面阐述了支持向量机在文本分类中的应用。     

地理数据的不确定性研究

目前地理数据不确定性是制约遥感(RS)与地理信息系统(GIS)发展的主要因素之一,直接影响地理数据分析的空间决策支持系统输出的可信度。如何识别、量化、跟踪、减少、可视化表达地理数据不确定性,已引起地理信息科学领域专家的广泛重视,成为3S领域新的研究热点。本文先阐述地理数据不确定性研究的重要性,然后分析地理数据不确定性产生的根源,最后提出开展地理数据不确定性研究的方法及地理数据不确定性的优先研究领域。     

一种过程支持向量机模型及其若干理论性质

针对时变信号模式分类问题,建立一种过程支持向量机模型.该模型的输入为时变函数,通过核函数变换将动态模式映射到高维特征空间,经过学习训练集中函数样本类别特性,自适应提取动态模式的过程特征,直接分类辨识时变信号.证明过程支持向量机与单隐层前馈过程神经元网络的二分类能力等价;将复杂的动态模式集合非线性地映射到高维特征空间,提...     

基于机器学习的滑坡易发性预测建模及其主控因子识别

不同机器学习预测滑坡易发性的建模过程及其不确定性有所差异, 另外如何有效识别滑坡易发性的主控因子意义重大。针对上述问题, 以支持向量机(support vector machine, 简称SVM)和随机森林(random forest, 简称RF)为例探讨了基于机器学习的滑坡易发性预测及其不确定性, 创新地提出了"权重均值法"来综合计算出更准确的滑坡主控因子。首先获取陕西省延长县滑坡编录和10类基础环境因子, 将因子频率比值作为SVM和RF的输入变量; 再将滑坡与随机选择的非滑坡样本划分为训练集和测试集, 用训练好的机器学习预测出滑坡易发性并制图; 最后用受试者工作曲线、均值和标准差等来评估建模不确定性, 并计算滑坡主控因子。结果表明: ①机器学习能有效预测出区域滑坡易发性, RF预测的滑坡易发性精度高于SVM, 而其不确定性低于SVM, 但两者的易发性分布规律整体相似; ②权重均值法计算出延长县滑坡主控因子依次是坡度、高程和岩性。实例分析和文献综述显示RF模型相较于其他机器学习模型属于可靠性较高的易发性模型。      

基于最优极化特征组合的SAR影像湿地分类

快速、准确的湿地地物分类是实现湿地精准监测的基础。为进一步研究湿地地物显著极化特征对分类结果的影响,提出了基于最优极化特征组合的SAR影像湿地分类方法。该方法利用箱型图等方式,在特征选择因子等准则下从多种极化分解方法选择最优极化特征进行组合,并在此基础上实现分类。首先,为了简化极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, PolSAR）影像并降低其斑点噪声,对互易处理后的极化SAR影像进行多视化和精致Lee滤波。然后,进行6种极化分解,得到多种极化特征。再之,利用箱型图、Cloude-Pottier平面散点图和均值散点图详尽分析上述极化特征和双台河口湿地典型地物散射机制间的相关性,并据此在特征选择因子、特征判断因子、H/α平面等和均值标准差的准则下选择最优极化特征组合。最后,以上述最优极化特征组合为输入,设计支持向量机（Support Vector Machine, SVM）分类器,实现湿地的最优分类。本文以辽宁省盘锦市辽河入海口双台河口湿地为例,采用2016年7月的C波段Radarsat-2全极化数据验证最优极化特征组合的有效性。结果表明：① Cloude-Pottier分解的H、A和α、MCSM （Multiple-Component Scattering Model ）分解的表面散射、Pauli分解的T₃₃与Yamaguchi3分解的表面散射和二面角散射为最优极化特征;② 使用最优极化特征组合不仅可以减少极化特征冗余,还可以提高各湿地地物的生产者精度、分类总精度及Kappa系数,其中各湿地地物的生产者精度提高1%~5%,分类的总精度可达到94.25%,Kappa系数达到93.63%。     

基于F-范数的不确定性平差模型的解算方法

为提高基于F-范数的不确定性平差模型的解算效率,给出直接迭代算法进行参数估计。该算法无需SVD,解算过程简单且易于编程计算,同时给出迭代不收敛时的SVD-解方程算法。二元线性拟合及沉降观测AR模型的算例结果表明,这2种算法正确可行,与SVD-迭代算法具有等价性。当迭代收敛时,宜使用直接迭代算法,收敛速度更快,解算效率更高;当迭代不收敛时,可釆用SVD-解方程算法。     

浅谈我国某金红石矿采样设计

选矿试验采样设计是一项复杂而又重要的工作,确保试样的代表性是采样设计工作的关键。本文以我国某金红石矿为例,根据矿床地质特征和矿石的性质,综合考虑影响矿石代表性的各种因素,对其进行了采样设计,以确保能够采出满足试验要求、且具有带表性的试验样品。对类似项目具有一定的指导和借鉴意义。     

地质数据的抽样检查方法研究

地质数据内容复杂,数据量大,抽样是检查地质数据质量不可缺少的方法。但到目前为止,地质数据的抽样检查基本上采用百分比抽样方案及简单随机和分层抽样方法。本文是在制定地质数据质量检查评价规范过程中进行有关研究的基础上写成的。首先阐述国内外用于数据,特别是空间数据抽样检查的标准及相关研究的现状,并结合地质数据的特点,分析适用于地质数据质量检查的抽样技术,探讨解决不同类型地质数据的抽样方案和抽样方法。     

AMMI模型的DEM内插方法不确定性研究

 内插模型的精度评价问题一直是DEM内插研究中的热点问题。以往较多的研究关注插值模型本身的精度评价,却忽略了插值模型与应用环境之间的交互作用,例如,普通克里金方法作DEM内插一般精度较差,但是当插值区域平坦时,该方法的插值精度却很高,这表明该方法对平坦地形的插值问题具有较好的适应性。为了分析不同插值模型在不同地形环境下的适用性,本文选取陕北黄土高原地区不同地貌类型的实验样区,应用AMMI模型对不同内插模型的精度,以及对不同地貌类型的适用性进行评价,该模型最大的特点是很好地结合了方差分析与回归分析的特点,特别适合于不同影响因素之间交互作用的分析。实验结果表明,AMMI模型可以有效地分析内插方法与地貌环境对内插精度的交互作用,不同的内插方法对不同的地貌类型区的适用性存在差异。以本文的研究为例,在陕北黄土高原地区最稳定的DEM内插方法是样条函数法,而反距离加权法与Top to Raster方法精度会更高。最后,通过对环境指数与若干地形因子的相关性分析,表明地貌类型区的坡度可以粗略地代表第一环境指数。     

使用监督分类法计算水库蓄水面积

对使用遥感技术监测水库蓄水面积变化的方法进行了探讨,提出了使用监督分类计算水面面积的操作思路和步骤,并对计算中涉及的关键技术和注意事项进行了分析。     

面向地形特征的DEM与影像纹理差异分析

纹理分析方法在宏观地形特征分析方面具有较大的优势与潜力,但当前缺少对DEM与影像数据纹理特征差异的系统分析研究.本文采用灰度共生矩阵为纹理量化模型,选取了8个不同地貌单元的样本数据,对DEM和遥感影像2类数据的纹理进行了特征值对比分析,纹理特征稳定性分析,纹理特征组间差异性分析.实验结果表明,在所测试的二阶角矩,对比度,方差,熵4个纹理指标中,DEM和影像的对比度特征值间具有显著的相关性;通过不同地貌样区纹理特征值对比分析发现,DEM数据在地形起伏较大区域纹理特征更为明显,遥感影像数据则受地表覆盖物影响较大;从地形特征的稳定性角度分析,DEM数据在丘陵和山地分析有优势,影像数据则在平原和台地分析表现更好;从地形特征差异性角度分析,DEM数据要优于影像数据.进一步采用光照模拟和坡度数据以增加DEM纹理信息,研究结果表明,DEM派生的2类数据在地形量化差异性方面改进明显,并大大优于影像数据.     

基岩露头采样密度对黄土古地形重建的影响

下伏古地形对黄土地貌的形成、演化与发育具有重要的控制作用。基于下伏地层露头的采样数据,通过空间插值方法进行古地形数字模型(DEM)重建是研究黄土地貌的重要方法。其中,采样点密度是下伏地形DEM重建精度的主要影响因子。本文以1:20万绥德幅地质图所涉及区域为实验样区,研究采样点密度及样条函数方法对下伏古地形重建精度的影响。实验结果表明,在高密度样本条件下,采用规则样条插值方法进行古地形重建时,插值结果呈现显著的“龙格现象”,即多项式插值结果出现剧烈波动现象,且随着样本密度增加,样条插值结果的误差呈逐步趋缓的降低趋势,并逐步趋于稳定。同时,基于古地形DEM提取的特征点,其局部最高点和局部最低点的数目呈直线上升趋势,说明在一定程度上基于有限数据采用样条函数进行地下三维建模并不一定能获得平滑曲面。研究结果对如何选择合理的空间采样密度进行古地形DEM重建具有重要的指导意义。