大尺度土地覆盖数据集在中国及周边区域的精度评价

大尺度土地覆盖数据是全球陆地表层过程研究、生态系统评估、环境建模等科学研究的重要基础,研究现有数据集的特点对数据使用者及生产新的数据集都具有指导意义。本研究以中国及周边区域为研究区,根据不同分类体系对地物的定义,研究不同分类体系中对应地物的相关系数,并将所有分类体系转换为IGBP分类体系;然后,从定性和定量两方面分析现有5种土地覆盖数据集(IGBP DISCover、UMD、GLC2000、MOD12Q1和GlobCover 2005)的空间一致性;并利用Google Earth高分影像选取两期验证样本评价5种土地覆盖数据集的精度。结果表明:同种地物在不同土地覆盖数据集之间的空间分布格局差异较大,且不同土地覆盖数据集之间的总体一致性系数较低;5种土地覆盖数据集中,GLC2000的总体精度和Kappa系数均最高,GlobCover 2005的总体精度和Kappa系数均最低。     

融合像素—多尺度区域特征的高分辨率遥感影像分类算法

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。     

资源一号02C卫星多光谱数据真彩色模拟技术研究

资源一号02C卫星多光谱数据没有蓝色波段,给制作真彩色影像带来了一定困难。本文针对02C卫星多光谱波段的特点,分析了常用线性模拟蓝波段影像方法,选取多景不同时相的、覆盖山地或平地的真实数据进行加权法和平均值法的对比试验,定性与定量分析后的结果表明：基于加权法生成蓝波段的真彩色模拟结果,无论是从整体色调方面,还是从典型地类的颜色方面,均优于基于平均值法生成蓝波段的真彩色模拟结果,可进一步深入研究后进行规模化应用。     

Comparing object-based and pixel-based classifications for mapping savannas

The development of robust object-based classification methods suitable for medium to high resolution satellite imagery provides a valid alternative to ‘traditional’ pixel-based methods. This paper compares the results of an object-based classification to a supervised per-pixel classification for mapping land cover in the tropical north of the Northern Territory of Australia. The object-based approach involved segmentation of image data into objects at multiple scale levels. Objects were assigned classes using training objects and the Nearest Neighbour supervised and fuzzy classification algorithm. The supervised pixel-based classification involved the selection of training areas and a classification using the maximum likelihood classifier algorithm. Site-specific accuracy assessment using confusion matrices of both classifications were undertaken based on 256 reference sites. A comparison of the results shows a statistically significant higher overall accuracy of the object-based classification over the pixel-based classification. The incorporation of a digital elevation model (DEM) layer and associated class rules into the object-based classification produced slightly higher accuracies overall and for certain classes; however this was not statistically significant over the object-based using spectral information solely. The results indicate object-based analysis has good potential for extracting land cover information from satellite imagery captured over spatially heterogeneous land covers of tropical Australia.     

基于最大似然法和SVM法的太湖流域HJ-1B影像分类

以太湖流域作为研究对象,基于环境减灾卫星HJ-1B影像数据,比较利用最大似然法和支持向量机法进行土地利用/覆盖分类的效果。结果显示,SVM法在总体分类精度和Kappa系数上较传统最大似然法有所提高。SVM分类方法对于有限样本的分类表现出优越的性能,改善了传统分类方法的局限性,具有很大的应用潜力。     

基于TM影像的面向对象地表覆被信息提取

为验证基于TM影像的面向对象分类方法对复杂地区地表覆被信息提取的可行性,以地处西南地区的渝北为例进行实验。利用样本数据对各个波段的光谱特征进行分析,取得对各波段覆被探测能力的初步认识;基于光谱特征的多尺度分割,运用面向对象分类方法对其分类。面向对象的分类方法总精度和Kappa系数分别为88.42%和0.854 7,将其与监督、非监督分类结果对比分析。结果表明,该方法有效抑制了"椒盐"现象,取得较好的分类结果。     

Exploitation of TerraSAR-X Data for Land use/Land Cover Analysis Using Object-Oriented Classification Approach in the African Sahel Area, Sudan

Recently, object-oriented classification techniques based on image segmentation approaches are being studied using high-resolution satellite images to extract various thematic information. In this study different types of land use/land cover (LULC) types were analysed by employing object-oriented classification approach to dual TerraSAR-X images (HH and HV polarisation) at African Sahel. For that purpose, multi-resolution segmentation (MRS) of the Definiens software was used for creating the image objects. Using the feature space optimisation (FSO) tool the attributes of the TerraSAR-X image were optimised in order to obtain the best separability among classes for the LULC mapping. The backscattering coefficients (BSC) for some classes were observed to be different for HH and HV polarisations. The best separation distance of the tested spectral, shape and textural features showed different variations among the discriminated LULC classes. An overall accuracy of 84 % with a kappa value 0.82 was resulted from the classification scheme, while accuracy differences among the classes were kept minimal. Finally, the results highlighted the importance of a combine use of TerraSAR-X data and object-oriented classification approaches as a useful source of information and technique for LULC analysis in the African Sahel drylands.     

面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类

针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集（WashingtonD.C.数据）验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。     

珞珈一号夜间灯光影像在建设用地提取中的应用:以武汉市为例

城市建设用地能够反映城市建设发展在地域空间上的分布形态,是规划主管部门监测城市建设和扩张的关键指标.2018-06-02发射的珞珈一号卫星可提供130 m分辨率的夜间灯光数据,在城市建设用地的提取方面具有较大潜力.首先整合珞珈一号夜间灯光影像与Landsat 8多光谱影像以及网络地图兴趣点数据;然后分别采用人类居住合成...     

一种高分辨率彩色遥感影像的道路检测方法

提出了一种采用FLD特征抽取分类和形状特征相结合的道路检测方法。首先,对标记的样本进行颜色信息的抽取;其次,利用Fisher线性判别对抽取的信息进行遥感影像特征分类,将影像分为道路和非道路两类;然后根据分类结果进行阈值分割检测初步道路网;最后利用道路的形状特征和形态学处理去除误提的信息优化检测结果。实验证明,该方法可以实现具有颜色信息的遥感影像主干道路的检测。     

结合特征分量构建和面向对象方法提取高分辨率卫星影像阴影

针对高分辨率卫星影像,提出一种特征分量构建与面向对象结合的阴影提取方法。分析遥感阴影光谱特性,构建彩色不变特征C3、亮度特征I、主成分第一特征量PC1以及蓝色波段和近红外波段归一化比率特征RATIOb_nir,增强阴影信息。采用线性变换将几个特征分量Digital Number(DN)值归一化到相同范围,对这几个分量进行综合分析。以I和PC1分量为输入对影像进行多尺度分割,建立包括波段均值、标准差、最大差异等特征的规则集,实现面向对象的阴影信息提取。选取20幅QuickBird影像为例进行阴影提取实验,平均总体精度为97%,平均用户精度为96%,平均Kappa系数为0.94。实验结果表明,相对传统基于像素信息提取方法,本文方法提取阴影斑块完整,无破碎图斑;相对基于原始光谱的面向对象方法,本文方法提取精度更高。     

基于多时相影像的农业作物非参数与概率分类

本文提出了一种新的结合多光谱和变化检测技术的多时相卫星数据集分类方法。该方法以数理统计中的最近邻法为基础,其目标函数是使得正确分类的平均概率得到最优化,即把每个分类类别看成同等重要。该新算法被应用于一个农业作物分类的研究区域,并利用覆盖该区的不同季节的SPOT和LANDSAT TM多时像影像。结果表明,与单时像影像相比,使用五个不同季节的多时像影像可以充分地提高分类精度。为了说明该方法在大尺度范围内的效果,本文选取瑞典道拉河流域作为研究区。由于不同地物的分布高度重叠,不可能得到像元水平上满意的分类精度。这就需要引进一种新的概念：像元概率分类法。基于像元的概率向量可用于判别传统分类法的可靠性并测量单个像元的不确定性（熵）。概率分类法同时提供了不同地物的面积的无偏估计,无论所感兴趣的区域的大小。这已经在不同特性的耕地试验点进行了检验。     

一种高分影像建筑区分块表示与合并提取方法

建筑区是一种重要的人工地理要素,利用高分辨率卫星影像可以在更精细的尺度上获取建筑区信息。针对建筑区这类结构复杂、面积相对较大的地物类,提出一种分块表示与合并提取方法。首先,通过角点上下文约束来划分图像,并将获得的图像块作为影像处理的基本单元;然后,利用空间变异函数来建模每个图像块并提取特征描述参数,进一步通过主成分变换实现建筑区图像块的结构特征表示;最后,根据图像块空间结构特征的相似性实现建筑区的判别。实验结果表明,该方法能够有效实现高分影像建筑区的提取,并且对不同分辨率的高分影像表现出良好的适应性。     

Mapping post-fire forest regeneration and vegetation recovery using a combination of very high spatial resolution and hyperspectral satellite imagery

Careful evaluation of forest regeneration and vegetation recovery after a fire event provides vital information useful in land management. The use of remotely sensed data is considered to be especially suitable for monitoring ecosystem dynamics after fire. The aim of this work was to map post-fire forest regeneration and vegetation recovery on the Mediterranean island of Thasos by using a combination of very high spatial (VHS) resolution (QuickBird) and hyperspectral (EO-1 Hyperion) imagery and by employing object-based image analysis. More specifically, the work focused on (1) the separation and mapping of three major post-fire classes (forest regeneration, other vegetation recovery, unburned vegetation) existing within the fire perimeter, and (2) the differentiation and mapping of the two main forest regeneration classes, namely, Pinus brutia regeneration, and Pinus nigra regeneration. The data used in this study consisted of satellite images and field observations of homogeneous regenerated and revegetated areas. The methodology followed two main steps: a three-level image segmentation, and, a classification of the segmented images. The process resulted in the separation of classes related to the aforementioned objectives. The overall accuracy assessment revealed very promising results (approximately 83.7% overall accuracy, with a Kappa Index of Agreement of 0.79). The achieved accuracy was 8% higher when compared to the results reported in a previous work in which only the EO-1 Hyperion image was employed in order to map the same classes. Some classification confusions involving the classes of P. brutia regeneration and P. nigra regeneration were observed. This could be attributed to the absence of large and dense homogeneous areas of regenerated pine trees in the study area.     

超像素在多极化SAR数据分类中的应用——以ALOS PALSAR为例

针对已提出的极化合成孔径雷达数据地物分类方法较难同时获得地物边界及相邻信息的问题，并为了减少图像处理的消耗时间，本文引入一种超像素生成算法——线性迭代聚类方法，对日本先进对地观测卫星多极化SAR数据进行地物分类研究。本文以四川省彭州市与什邡市交界地区为研究区，先采用Pauli分解生成RGB假彩色图像并进行滤波，再以此为基础使用线性迭代聚类方法生成超像素，最后用支持向量机分类方法，合理选取极化熵、各向异性度及平均散射角等极化特征组合在一起作为分类参数，对基于像素超像素的极化SAR图像的分类结果进行对比分析。使用超像素比其他基于像素的分类方法能够获得更好的结果，基于超像素分类的总体精度为95.23%，Kappa系数为92.58%。     

面向对象的三亚珊瑚礁底质信息提取

珊瑚礁对于海洋生态环境研究具有重要意义,通过分析珊瑚礁底栖物质的分布及健康状况,可以对珊瑚礁生态环境进行评估。本文提出了一种基于面向对象的图像分类方法,通过试验确定不同地貌的最优分割尺度,其中陆地和深海的最优分割尺度为150,各类底栖物质的最优分割尺度为30。以Sentinel-2A卫星遥感影像为例,提取海南三亚珊瑚礁自然保护区的珊瑚礁底栖物质,并使用混淆矩阵对提取结果进行精度评估。结果表明,底栖物质提取总体分类精度为87.91%,Kappa系数为0.83。面向对象分类方法可有效结合珊瑚礁底栖物质的纹理特征和光谱特征,并充分利用遥感影像不同波段的组合特性,可为三亚珊瑚礁保护管理提供方法支撑。     

徐州市土地利用CLUE-S模型变化模拟

对徐州市1987年、1994年和2000年3期遥感影像图进行分析,利用面向对象的思想,采用多尺度分割法对影像进行分类,通过遥感影像的光谱特征,确定分类目标,获取该区过去13年间的土地利用/覆被时空变化特征。运用CLUE-S模型以1994年土地利用数据模拟了2000年的土地利用空间变化状况,并通过2000年实际遥感影像分类数据加以验证,结果计算出Kappa指数为0.846,达到精度要求,实例证明CLUE-S模型较好地模拟了徐州市的土地利用/覆被变化。最后运用CLUE-S模型以6年为1个时空尺度模拟该区未来12年的自然状态和生态保护状态下的土地利用/覆被变化特征。     

基于GF2号卫星影像的农业信息提取方法对比分析

以GF2卫星0.8 m全色/3.2 m多光谱分辨率遥感影像为基础数据源,对基于GF2号卫星影像的农业信息提取流程和方法进行了研究与对比分析。首先对GF2号卫星影像进行波谱分析;其次对GF2号影像进行融合,并对多种融合方法进行质量评价;最后选择阈值法、波谱间关系法、非监督分类法和面向对象法分别对GF2号影像数据进行农业信息提取试验,并对信息提取结果进行精度验证和结果分析。试验表明,面向农业信息提取的GF2号卫星影像融合方法中,Pansharp融合算法融合影像色彩正常,无虚影,清晰度高,地类对比度正常,纹理清晰,熵值及与原始多光谱影像的相关系数高。阈值法和谱间关系法适用于提取单要素农业信息,非监督分类法能够初步获取研究区土地利用情况,面向对象法提取研究区全要素信息精度高。总体来说,不同信息提取方法具有各自的优势,在具体实际应用中,可以根据目标地类的波谱特性,选择适宜的遥感影像处理和信息提取方法。     

分层分区分景相结合的区域土地利用/覆盖分类方法——以浙江钱塘江流域分类为例

在土地利用/覆盖研究中，对于范围广、地域差别大的地区，仅用同一标准对遥感图像进行分类往往难以得到理想的效果。 本文以浙江省钱塘江流域为例，通过对Landsat TM数据各波段组合，首先提取水层和山层信息，然后采用掩模法提取平原丘陵层信 息，并根据地形地貌和土地利用现状的差异，将平原丘陵层划分为6个区，当所划分区域内各景的影像时相不一致时，再对该区进 行分景处理。最后，分别对每层、每区和每景图像进行训练样本的选择和监督分类。试验结果表明，结合分层、分区和分景的监督 分类方法是一种适合于较大区域土地利用/土地覆盖分类的有效方法。     

高分辨率遥感影像建筑物分级提取

高分辨率遥感影像建筑物信息自动提取是遥感应用研究中的一个热点问题,但由于受到成像条件不同、背景地物复杂、建筑物类型多样等多个因素的影响使得建筑物的自动提取仍然十分困难。为此,在综合考虑影像光谱、几何与上下文特征的基础上,提出了一种基于面向对象与形态学相结合的高分辨率遥感影像建筑物信息分级提取方法。该方法首先利用影像的多尺度及多方向Gabor小波变换结果提取建筑物特征点;然后采用面向对象的思想构建空间投票矩阵来度量每一个像素点属于建筑物区域的概率,从而提取出建筑物区域边界;最后在提取的建筑物区域内应用形态学建筑物指数实现建筑物信息的自动提取。实验结果表明,本文方法能够高效、高精度地完成复杂场景下的建筑物信息提取,且提取结果的正确性和完整性都优于效果较好的PanTex算法。