共查询到20条相似文献,搜索用时 15 毫秒
1.
刘少创 《武汉大学学报(信息科学版)》1994,(1)
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征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(GrasslandResourcesClassificationExpertSystem)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。 相似文献
2.
遥感图像自动解译面临的问题与解决的途径 总被引:18,自引:2,他引:18
遥感图像自动解译的目的是为了满足人们从海量遥感数据中快速识别与获取不同专题信息的需要。目前图像自动解译主要依赖地物光谱特征 ,其解译精度不高。解决这一问题的主要途径包括 :抽取遥感图像多种特征并综合利用这些特征 ,利用遥感图像解译背景数据库 ,在地理信息系统支持下实现背景数据与遥感信息覆合 ,采用专家系统完成遥感图像自动解译。 相似文献
3.
随着卫星遥感影像分辨率的不断提高,人们希望从遥感图像中获得更多有用的数据和信息,所以遥感影像的分类变得尤为重要.但是基于光谱特征的影像分类精度过低,不能满足生产的需要,所以研究利用其他辅助手段来提高遥感影像的分类成为未来发展的一个重要方向.本文研究了利用灰度共生矩阵提取纹理特征的方法并对利用纹理特征影像辅助光谱特征分类的方法进行了研究.实验结果表明,纹理特征辅助光谱特征分类能够提高遥感影像分类的准确性和精度. 相似文献
4.
带有地面高程信息的遥感影像计算机分类方法与实现 总被引:3,自引:1,他引:2
以ENVI软件为基础,通过分析带有地面南程信息遥感图像的校准、噪音清除、波段比值分析、消除地物光谱特性变动等处理方法,探讨了带有地面高程信息的遥感影像计算机分类方法.把地面高程信息作为遥感影像分类的一项辅助信息,将使分类后的图像结果更接近真实的地面实际情况,满足分类后的应用要求. 相似文献
5.
基于灰度共生矩阵提取纹理特征图像的研究 总被引:7,自引:0,他引:7
在遥感影像分类的过程中非光谱特征起着重要的辅助作用。纹理特征作为一种重要的非光谱特征对于遥感影像分类精度的提高也有很重要的作用。本文主要研究了通过灰度共生矩阵提取纹理特征图像的方法,对该方法提取纹理特征图像进行了相关的实验分析。并将其在分类中的应用进行实验,证明了灰度共生矩阵提取的纹理特征对图像分类精度提高起到一定的作用。 相似文献
6.
基于SVM的多源信息复合的高空间分辨率遥感数据分类研究 总被引:47,自引:1,他引:47
遥感图像尤其是高空间分辨率(1—4m)遥感图像在土地利用和土地覆盖变化方面有着广阔的应用前景,传统高空间分辨率遥感图像信息提取方法存在精度和分类效率低的不足。本文提出的基于SVM的分类方法,复合光谱、纹理和结构信息等多源数据信息,对IKONOS高空间分辨率图像进行分类,并与最大似然法和单源数据(光谱)SVM分类结果进行定性和定量比较分析。研究结果表明,多源数据复合的SVM高空间分辨率遥感图像分类方法,能够有效解决单源数据信息图像分类效果破碎的问题;总精度达到68.38%,Kappa达到0.5993;对高维输入向量具有高的推广能力;比单源信息的SVM和最大似然方法图像分类精度更高,适合高空间分辨率遥感图像分类。 相似文献
7.
8.
本文探讨了使用森林生态信息的遥感图像分类专家系统。着重讨论了森林生态模型的建立及专家系统的知识表达和模糊推理方法。 初步试验表明,本系统可提高森林分类精度,并为用遥感图像进行森林分类的专家系统的开发提供了一种思路。由于受试验条件的限制,本项研究还不够完善和深入,某些方面,如森林生态模型中所采用的特征及其数学模型,还有待进一步的研究。 相似文献
9.
10.
11.
多光谱遥感图像土地利用分类区域多中心方法 总被引:1,自引:0,他引:1
针对遥感图像土地利用一种类别由多种地物组成,存在难以求取类别光谱特征多元分布模型的问题,分析了多光谱遥感图像土地利用的光谱特征和区域多中心特征,提出了一种光谱信息和区域信息基于规则的区域多中心分类方法,以类别的类内中心集合表征类别模式,以区域为分类单元,以区域单元含类别类内中心数和区域单元中属于某种类别的像元占单元总像元的百分比为分类准则;采用类内中心表征类别模式和基于规则的分类方法,较好地解决了土地利用类别由多种地物组成、类别模式不满足多元正态分布的问题,由于类别区域单元多中心特性差异大,分类规则的建立及训练样本的选择易于实现。实验表明:该方法能提高分类精度4%—6%。 相似文献
12.
提出了一种基于局部自动搜索和光谱匹配技术的监督分类训练样本的纯化方法。该方法首先利用遥感影像中像元的灰度信息在图像上局部范围内自动搜索和选择最佳样区位置,然后利用光谱匹配的思想对寻找到的最佳样区在光谱空间上进一步纯化。实验结果证明,通过手工选择样区的辅助,该算法能够自动有效地搜寻到最佳样区的位置,并对最佳样区进行纯化处理。原始遥感图像经过本文的样区纯化算法处理后,无论是目视判读效果,还是分类后混淆矩阵的统计及分类精度,均优于纯化处理前的分类结果,具有一定的实用价值。 相似文献
13.
一种基于对象和多种特征整合的分类识别方法研究 总被引:8,自引:0,他引:8
遥感图像空间分辨率的提高,为目标物的纹理特征和形状特征的提取提供了客观基础,同时也使得传统的基于像元的分类识别方法受到了严重的挑战。因此,需要对传统的方法进行改进或发展新的方法。本文采用面向对象的分析思想,通过图像分割和分割对象的矢量化等一系列的预处理,并在此基础上实现了目标形状信息的提取,最后综合利用光谱特征和形状特征应用模糊分类器实现两种典型的人造目标的分类提取实验。识别的精度评价主要通过目视解译完成。分析表明,形状信息的提取大大丰富了目标识别的特征库,尤其在感兴趣目标与背景物具有相近的光谱反应而形状特征有明显差异的条件下,这种利用光谱与形状特征整合的提取方法能够大大提高目标的识别精度。 相似文献
14.
本文讨论了当前遥感图像自动识别与分类中存在的一些问题,提出由地形、地质、植被数据辅助执行的土壤类型模糊分类方法,在土壤数据分类和遥感图像识别中,定量地引入了土壤发生分类学的概念,并赋予成土因素对分类结果的影响作用以新的含义,从而把地学相关分析与自动识别分类有机地结合了起来。这对消除自动分类中光谱特征相互混淆的现象及提高分类精度具有一定的意义。 相似文献
15.
16.
17.
18.
19.
高光谱遥感图像光谱分辨率高、波谱连续、图谱合一,这为精细地物分类、探测和识别提供了数据基础。然而,由于高光谱遥感图像空间分辨率的局限性及地物场景的复杂分布,混合像元普遍存在于高光谱遥感图像。混合像元是高光谱遥感图像精细信息提取与分析中的难点。解决混合像元问题,实现亚像元级信息的提取与分析是近年来高光谱遥感图像解译的热点和前沿。本文系统梳理了高光谱遥感图像亚像元信息提取的主要研究内容,具体从混合像元分解、亚像元制图及亚像元目标探测3个研究方向综述了经典方法,并对国内外相关方向的研究进展、发展前沿及主要挑战进行了分析与评价,最后分析讨论了高光谱遥感图像亚像元信息提取研究在模型构建、优化求解及与应用结合等方面的研究趋势及方向。 相似文献
20.
基于MATLAB的遥感影像纹理特征分析 总被引:2,自引:0,他引:2
宋铁群 《测绘与空间地理信息》2009,32(2)
随着遥感技术的飞速发展,遥感影像计算机分析也随之成为遥感技术应用的一个重要组成部分.传统的遥感影像分析方法大都是基于影像光谱特征的计算机自动分类,忽略了影像的空间结构信息,精度不高.研究了利用灰度共生矩阵提取遥感影像的纹理特征,实现了MATLAB下采用监督分类方法应用最短距离分类器及滤波完成了全色遥感影像的分类分析. 相似文献