基于SPOT-5图像的城市水体自动提取模型研究

以南京市主城区为对象,研究基于SPOT-5图像的城市地区水体信息的提取方法.分析表明,对SPOT-5的SWIR波段进行简单的阈值处理,可以清晰地将水体与阴影提取出来.在分析水体和阴影光谱特征和空间特征（形状指数等）的基础上,建立了基于SPOT-5图像的城市地区水体的自动提取决策树模型.精度验证表明,该模型的水体提取精度较监督分类的提取精度提高2.5%,尤其在具有许多建筑物阴影的局部区域,本模型的水体提取精度提高11.6%.此外,本模型还具有很好的移植性,只是在阈值大小的确定上会有部分差异.     

基于阈值分割与决策树的SAR影像水体信息提取

目前我国的GF-3 SAR数据可实现全天时全天候的对地观测,已服务于海洋、减灾、水利、气象等多个领域。改进了基于阈值分割法与决策树的GF-3 SAR影像水体信息提取方法,首先对GF-3 SAR影像进行基本处理;再采用KI二值化阈值分割法进行图像分割;然后通过构建知识决策树模型来提取水体信息,为了提高精度,采用GDEM数据进行地表建模,提取山体阴影;最后利用空间分析功能将地形建模阴影图与提取的水体范围进行匹配,去除山体阴影,进而获得水体信息的精确范围。通过混淆矩阵计算得到水体信息提取的总体精度为89.22%,Kappa系数为0.71,精度优于基于光学GF-2号影像的水体指数法提取结果。整个流程人工干预少,具有自动化更强、效率更高的优势。     

基于GF-5高光谱特征分析的水体提取方法研究

针对山区水体、山体阴影与裸地等地类光谱混淆性,基于高分五号(GF-5)影像数据,结合高光谱特征分析构建了山区水体决策树提取模型. 先对水体和相关干扰地类进行高光谱特征分析实现特征波段选取,应用单波段阈值法、多波段谱间关系法、归一化水指数(NDWI)法进行提取实验. 通过比较以上实验不足之处,提出了单波段阈值法与构建的阴影水体指数(SWI)相结合的决策树水体提取模型,以Google Earth高清影像为参考结合实地采样得到的混淆矩阵进行精度评价. 实验结果表明:单波段阈值法与NDWI法易将山体阴影识别为水体,受裸地影响较小;多波段谱间关系法对山体阴影有一定抑制作用,受小面积裸地影响;决策树提取模型能有效抑制山体阴影和裸地影响提取完整水体. 其总体精度为89.39%,Kappa系数为0.82,显著提升了山区水体提取精度.      

基于像元级SAR图像时间序列相似性分析的水体提取

针对SAR图像数据集的特点,提出了一种基于像元级图像时间序列相似性的水体提取方法。其基本思想是:构建像元级SAR图像时间序列,选取动态时间归整(dynamic time warping,DTW)算法作为时间序列相似度的度量方法,计算所有像元与标准水体像元时间序列的相似性;将水体边缘混合像元的DTW距离值设定为参考阈值,采用阈值法提取相似性较高的时间序列数据,其对应的像元即被识别为水体像元;最后利用每个像元的DTW距离值代替其后向散射值,采用8邻域搜索方法提高水体识别的精度。以2008年1—12月获取的25景分辨率为150 m的ENVISAT ASAR图像进行水体像元提取试验,结果表明,该方法的完整率和正确率均较高,能够应用于大范围区域水体的提取与制图。     

基于Landsat-8遥感影像的鄱阳湖水边线提取方法研究

目前应用于水边线提取的方法众多,但是精度、效率参差不齐,本文主要通过对比监督分类、单波段阈值法、归一化指数模型法以及决策树方法在landsat-8影像下鄱阳湖水边线提取的精度及效率,结合水边线提取后的应用对提取方法进行对比分析。     

基于边缘检测的海岸线自动提取研究

海岸线位置的确定是海岸带测绘的重要内容,利用遥感手段监测海岸线位置变化,对海岸带监测管理具有重大意义。阈值法和边缘检测法提取海岸线面临着阈值较难选择,同时面向对象分类提取岸线易出现养殖区与泥砂岸滩混分。为此,提出了边缘检测参与多尺度分割,再面向对象分类提取海岸线的方法,避免了人为设定阈值和部分区域混分问题。利用全国海岸带开发利用变化监测海岸线作为参考岸线,对提取岸线的完整度、正确度、质量进行匹配。结果表明,该方法提取海岸线精度较高,提取岸线与参考岸线在两个像元半径内的完整度和正确度达92%以上。     

基于多纹理和支持向量机的ZY-1 02C星HR数据分类

基于国产资源一号02C星高分辨率(high resolution,HR)影像,提取了基于变差函数、灰度共生矩阵和梯度的多纹理特征,结合光谱信息构建了基于支持向量机(support vector machine,SVM)的多源信息复合模型的图像分类方法,并与传统最大似然法和决策树法的分类结果进行了比较。研究表明,变差函数纹理和梯度纹理参与的多源复合数据有效提高了图像的分类精度,总分类精度由85.14%提高到87.43%,Kappa系数由0.82提高到0.85;绝对值变差函数为纹理最佳窗口分析提供了理论依据,基于累积步长提取的纹理特征能显著提升图像分类的精度,分类准确率提高了13.94%,Kappa系数增加了0.17;基于多源复合数据的SVM高空间分辨率遥感图像分类方法能有效解决传统图像分类结果破碎的问题,比最大似然方法和决策树法的分类精度显著提高,总精度达到89.14%,Kappa系数为0.87,分别提高了6.85%和10.84%。实验表明,ZY-1 02C星HR数据在冬小麦信息提取中具有一定的稳定性和优势。     

基于决策树分类的地表覆盖遥感信息提取

地处西南的渝北地区地表覆盖类型复杂、土地利用多元化,仅依赖于光谱特征的传统遥感信息提取方法难以获得较高的分类精度。利用决策树分类技术对渝北地区的TM遥感影像进行分类,除光谱信息外还结合地质、NDVI、PCI等多源数据进行实验。结果表明,总精度和Kappa系数分别为88.42%和0.854 7,较传统的监督分类和仅依赖于光谱特征的决策树分类方法有较大提高,这也表明基于多源数据的决策树分类技术对地表覆盖复杂地区的遥感影像分类比较适用,是遥感信息提取的一种有效手段。     

基于Landsat-8和Sentinel-1A辽东湾海冰分类研究

为研究辽东湾海冰类型特征,文中基于2016年2月9日的Landsat-8和Sentinel-1A数据,结合多光谱、归一化植被指数(NDVI)构建CART自动决策树(CART Automatic Decision Tree),并用灰度共生矩阵(GLCM)统计Sentinel-1ASAR数据的纹理信息特征,对比传统监督分类并验证两种遥感图像海冰分类精度。研究指出:对Landsat-8数据,基于CART自动决策树的分类精度最高,总精度达81.68%;而Sentinel-1ASAR数据,基于最大似然分类的总精度为73.88%,相比于CART自动决策树,其能获得更高的海冰分类精度。分析本研究可知,基于光学数据的CART自动决策树在海冰类型识别中占优,而最大似然分类在SAR数据中对海冰类型的识别度较好,本文为辽东湾海冰监测与预报提供了一种有希望的技术手段。     

中分辨率遥感图像土地利用与覆被分类的方法及精度评价

利用TM、SPOT及CBERS-1等中分辨率卫星图像,对土地覆被的专家系统分类方法、居民地的决策树提取方法以及水体的迭代混合提取方法进行了试验,其总体精度达到87.89%,与常用的监督分类方法相比精度可提高7.86%.专家系统分类的结果叠合居民地、水体等易于混分专题信息,可以形成精度较高的土地利用与覆被分类结果。