基于形态学的多尺度遥感图像分割方法

基于形态学提出了多尺度遥感图像分割方法.首先使用面积形态学算子处理原始图像,构造不同尺度下的遥感图像;然后提取多波段遥感图像梯度,充分利用遥感图像的多波段信息;再在不同尺度的图像上使用区域标记方法提取标记,作为分水岭分割算法的生长点;最后使用分水岭分割实现对遥感图像的多尺度分割.该方法在Matlab中予以编程实现,并将其应用于江苏省海安SPOT影像中,实现对图像不同尺度的分割,能够有效提取出多波段遥感图像中不同尺度下的地物.     

基于HAC的SAR图像分割算法研究

本文提出了一种基于凝聚层次聚类(Hierarchical Agglomerative Clustering,HAC)的合成孔径雷达(Synthetic Aperture Radar,SAR)影像分割算法。该算法采用自底向上的策略,将相似的像素聚合成同一斑块。另外,本文利用了异质性作为衡量斑块相似性的标准。本文利用了两景2010年Envisat ASAR影像来开展图像分割实验。实验结果显示,本文算法的分割精度均在0.75以上,有效保持了SAR影像中溢油斑块的边界信息。     

基于知识的遥感图像分类方法的探讨

本文提出了一种基于知识的遥感图像土地利用分类法。包括知识的获取和表达 ,以及将知识用于土地利用分类。知识的获取和表达包括两方面。一是将原有的GIS土地利用数据与新的遥感图像配准、叠加、集成 ,并从中挖掘各类型的光谱知识。二是通过对研究区各土地利用类型变化特点进行分析研究 ,并从中得到原有各土地利用类型经数年后变成其它类型的可能性及其大小。并将其定量化表达成新遥感图像上各类型的先验性概率。在知识的应用和分类方面 ,分别对原土地利用各类型所对应的遥感图像进行知识的应用和处理 ,利用各自可能出现的类型及其各类型的先验性概率进行最大似然法分类。研究表明 ,该方法将原有的GIS数据和各种土地利用类型变化的先验性知识综合集成用于新的遥感图像的分类中。这不仅可以促进GIS数据更新的自动化 ,而且还可以得到比常规最大似然法高的分类精度。     

基于MATLAB图像处理算法的风沙两相流PIV图像的分割方法

为了深入理解沙粒起动的力学机制,需要从风洞实验中同步地获得风沙边界层中沙粒群和气流的瞬时速度信息。基于MATLAB平台的风沙两相流PIV图像分割的方法,利用沙粒群和气流示踪粒子特征粒径的显著差异,对风沙两相流PIV图像中的气固两相流进行图像分割,可分别获得沙粒群和气流示踪粒子的图像,并进一步对分离后的两相粒子按粒径进行分级分离,得到各级粒径粒子PIV图像,为进一步恢复气固两相流的流场奠定了基础。     

基于阴影搜索法的飞机目标遥感图像分割研究

介绍阈值分割的原理并分析传统图像分割中阈值的确定方法;为提高对飞机目标遥感图像的分割效果,采用阴影搜索法对图像阈值进行判定。该算法对图像进行横向或纵向扫描,根据像素的变化频率判定阴影区域并确定目标与背景的关系,实现图像分割中最优阈值的自动提取。该算法克服了传统方法灵敏度低对分割效果的影响,有很好的通用性和有效性。     

基于卷积神经网络的极光图像分类

极光是由带电粒子经磁层—电离层碰撞大气而产生的。面对形态各异、演变过程复杂的极光图像,对其合理分类为进一步探究日地电磁活动和能量耦合等空间物理问题奠定了基础。针对该问题,引入深度学习的方法,通过卷积神经网络模型自主表征极光特征并实现极光图像分类。该方法对2003年北极黄河站越冬观测的38 044幅和8 001幅典型极光图像分类正确率达93.17%和91.5%;自动识别2004—2009年观测数据的极光形态,4类极光时间分布规律与三波段激发谱能量分布基本一致。实验结果表明,基于卷积神经网络的极光表征方法,能有效实现极光图像的自动分类。     

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。     

一种基于多特征的高光谱遥感图像分类方法

提出在多维特征空间中以互信息为评价指标进行特征选择,在特征子集中应用支持向量机(SVM)分类器实现图像监督分类的方法.首先提取图像的光谱、纹理和颜色特征,得到多特征的高维特征空间,然后用最大相关和最小冗余的互信息作为评价标准,用10-fold交叉验证误差率选择特征子集,最后用基于径向基函数的SVM实现图像的分类.实验表明,该方法能明显提高图像分类的精度.     

ENVI遥感图像监督分类方法比较

鉴于遥感监督分类方法的普遍应用,本文介绍了五种常用的监督分类方法:平行六面体法、最小距离法、马氏距离法、最大似然法和人工神经网络分类法。就同一地区TM影像应用这五种方法进行了土地利用分类,对比分析了这五种方法的分类精度,发现人工神经网络对土地覆盖与利用的分类精度高于最大似然法,最大似然法分类精度优于平行六面体法、最小距离法和马氏距离法。所得结论对有关遥感图像分类工作具有指导和借鉴意义。     

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。     

基于全天空极光图像方向能量表征方法的极光事件分类

针对基于全天空极光图像的极光事件自动分类问题,提出一种基于方向能量二元编码重组表征的自动分类方法。首先,通过对多个方向上能量分解来描述极光事件中的局部纹理和各个方向上的运动信息,并且结合分块策略获得极光事件的全局形态信息;然后,借鉴一种二元编码重组的方式对多个方向能量进行融合,从而使得极光事件的表征具有同时表征局部纹理、全局形态和运动信息的能力。该表征方法完全不依赖于极光事件的长度,可用于表征不同持续时间的极光事件,并且不需要复杂的训练过程。利用最近邻和支撑向量机分类器分别对从中国北极黄河站拍摄到的极光图像中挑选的特定极光事件进行自动分类,结果表明,与其他两种典型的动态纹理描述方法相比,本文所提出的表征方法结合最近邻分类器,得到了最好的分类效果,能有效用于极光事件的分析,为海量数据中的极光事件自动分类提供了一种新方法。     

基于多重分割关联子的高分辨率遥感场景分类

高分辨率遥感影像提供了丰富的外观信息和空间结构信息,广泛应用于土地利用分类当中,源于文章领域的视觉词袋（Bag-of-Visual-Words,BoVW）模型现已成功应用于图像分类领域。传统的BoVW模型忽略了特征之间的空间布局信息和像素一致性信息,提出多重分割关联子特征,融合图像的外观信息、空间布局信息和像素一致性信息,实验表明该方法能够获取优于许多经典的遥感图像特征的性能。     

基于决策树模型的海岸带分类方法研究

海岸带地物分布复杂,地物混淆常造成海岸带提取困难。该文以江苏省粉砂淤泥质海岸为研究对象,运用图像光谱特征、纹理特征并引入地学知识,构建研究区遥感图像分类决策树模型,并利用ETM 图像进行海岸地物分类研究。结果表明:采用的决策树模型可以较好地结合纹理信息和地学知识,解决遥感图像中复杂地物分类过程中的混淆现象,分类精度达89.26%,比最大似然法分类精度提高了15.19%。     

基于神经网络的区域生态环境分类方法研究

如何利用智能化信息提取技术,进行区域生态环境自动分类,一直是一种前沿性研究。该文在分析研究区自然景观特征的基础上,总结了影响区域生态环境的建模要素,基于神经网络技术,并根据生态环境的遥感探测机理,利用TM卫星遥感数据中的可见光、热红外、植被指数(NDVI)以及DEM数据,建立了基于BP神经网络的区域生态环境信息自动提取模型,形成了一种新的生态环境分类方法,其分类结果与实际情况完全一致。     

基于决策树的遥感影像分类方法研究

基于决策树分类算法在遥感影像分类方面的深厚潜力。探讨了3种不同的决策树算法（UDT、MDT和HDT）。首先对决策树算法结构。算法理论进行了阐述：具体利用决策树算法进行遥感土地覆盖分类实验，并把获得的结果与传统统计分类法进行比较，研究表明，决策树分类法相对简单，明确，分类结构直观，有诸多优势。     

基于Mean-shift影像分割算法的TM影像分类及城市扩展研究

以马来西亚雪兰莪州及首都吉隆坡为例,将Mean-shift算法的影像分割方法应用于研究区的TM影像分类中,较传统方法的分类精度更高,可满足应用需求.依据该分类结果对研究区的空间城市化特征进行分析.发现近期研究区一直处于高速扩展阶段,外延式扩展和填充式扩展并行发展成为该研究区城市扩展的主导模式.     

基于神经网络的区域生态环境分类方法研究

如何利用智能化信息提取技术，进行区域生态环境自动分类，一直是一种前沿性研究。该文在分析研究区自然景观特征的基础上，总结了影响区域生态环境的建模要素，基于神经网络技术，并根据生态环境的遥感探测机理，利用TM卫星遥感数据中的可见光、热红外、植被指数(NDVI)以及DEM数据，建立了基于BP神经网络的区域生态环境信息自动提取模型，形成了一种新的生态环境分类方法，其分类结果与实际情况完全一致。     

融合出租车轨迹与街景图像的城市街道空间分类方法

城市街道空间是一种复杂的公共活动场所,是城市功能的重要空间载体。然而现有研究通常只聚焦于街道空间的交通功能,忽略街道空间所承担的其他功能类型,给街道的设计以及品质优化带来阻碍。为此,文章提出了一种融合出租车轨迹与街景图像的街道空间城市功能分类方法,该方法基于出租车轨迹数据构建城市居民在街道空间上的动态出行特征,基于街景图像构建街道空间的物理环境特征,并采用K-Means聚类算法对街道空间进行聚类。并以深圳市宝安区为例进行实验,结果表明,该方法能识别出商业、交通和居住3种类型的街道空间,识别结果可为街道空间设计与品质优化提供参考。     

GIS信息分类编码技术的基本方法

ＧＩＳ信息分类编码技术是较好地管理和利用地理信息，避免工作上不必要的重复和保证各子系统之间相互兼容，信息共享的重要技术手段。本广西较系统地，全面地介绍了ＧＩＳ信息分类编码的基本要求、原则、步骤和方法。