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.     

基于3D LiDar数据的城区植被识别研究

提出一种基于支持向量机(SVM)的三维LiDar数据分类方法:利用kd-trees存储无序的点云数据,在局部邻域中利用点云数据间的几何关系估算植被表面特征值;将密度值和高程差值作为SVM输入特征变量,利用基于径向基函数的SVM方法实现植被点云数据的分类.实验结果为:OA分类精度达到94.31%,Kappa系数为89.53%.该方法操作性较强,在分类精度及计算效率方面比传统方法具有优势.     

高分辨率遥感图像厚云检测算法

针对高空间分辨率多光谱图像,设计了一种基于缨帽变换、数据正则化以及多尺度光谱分析技术的多尺度循环检测算法。实验结果表明:对于Landsat-7 ETM+图像,其检测精度与基于热波段的自动化云量估计算法相近,但优于传统的直接分类方法(最大似然分类与ISODATA分类)。由于该算法无需借助热波段及其他辅助数据,因而在实现高分辨率图像厚云掩膜的高效与高精度提取方面具有很高的应用潜力。     

面向高分辨率遥感影像分类的多尺度光谱-空间-语义特征融合

在核函数集成SVM分类框架下,提出一种融合多尺度光谱-空间-语义特征的高分辨率遥感影像分类方法。首先,以多尺度影像分割集为基础,利用潜狄利克雷分配模型对分割图斑的语义特征进行建模,并结合原始影像的光谱特征以及分割图斑内的空间均值特征,在不同分割尺度下分别开展光谱-空间-语义特征的多核函数融合分类;然后根据多数投票法原则在决策级集成多尺度分类结果,通过最小尺度下的分割影像实现像素级分类结果至面向对象分类结果的转化。不同场景和分辨率数据下开展的实验结果表明,该分类方法能够实现分类结果的自适应平滑分类,并在一定程度上提高建筑物和道路等"同谱异物"地物的区分能力,分类总体精度由基于光谱特征SVM的66.7%和63.7%提升至86.8%和87.2%。     

基于GF-1与Landsat-8影像的土地覆盖分类比较

高分一号(GF-1)卫星具有多种分辨率与大幅宽结合、重访周期短等优势,而Landsat-8卫星具有多波段、高辐射分辨率等优势。针对不同传感器参数特点,利用支持向量机分类器(SVM)对同区域同期两种数据进行土地覆盖分类对比研究。结果表明：两种传感器对应波段决定系数均大于0.92;典型样本的光谱趋势一致性良好,但在农田与林地、不透水面与裸土的典型样本可分离性方面,Landsat-8优于GF-1;GF-1与Landsat-8的分类总精度分别为90.38%和90.07%,但不同地物类型的分类精度存在差异,波谱响应函数的差异可能是导致Landsat-8对林地的分类精度高于GF-1的原因;此外,GF-1对零碎分布地物类型的分类精度高于Landsat-8,主要原因是GF-1具有更高的空间分辨率。     

Landsat 8 OLI影像新增特征对土地覆盖遥感分类的影响分析

本研究针对OLI影像在辐射分辨率、近红外波段和全色波段的光谱范围以及波段数量等方面进行的调整,与ETM+进行比较分析,探究其对土地覆盖遥感分类的影响。实验发现:1)辐射分辨率的提高有利于地类之间的区分,进而提高分类的总体精度;2)近红外波段范围的调整有利于识别水体边界,对分类总体精度影响不大;3)新增的深蓝波段可明显提高水体、不透水层的分类精度,进而提高总体分类精度,卷云波段的加入不利于地类之间的区分,降低分类精度;4)全色波段范围的收窄可明显提高林草地、耕地的分类精度,裸土的分类精度也有所提高,有利于区分植被与非植被信息。研究结果能够推广OLI影像的使用,并对应用OLI影像进行土地覆盖分类具有借鉴意义。     

基于无人机可见光遥感影像的救灾帐篷信息提取

在分析救灾帐篷的光谱和形状特征基础上,将基于像元和面向对象分类方法相结合,提出一种针对无人机可见光遥感影像的救灾帐篷信息提取方法。首先基于帐篷初始样本在三维光谱空间中的范围对图像进行快速二值化初分类,通过聚类与尺寸滤波消除噪声图斑对后续信息提取的影响;然后引入不同结构模板的邻域分析和形态学方法还原对象空间形状,针对遥感影像的第一主成分,提取分割对象的光谱均值、局部二值模式对比度(LBP Contrast)均值、长轴长等特征;最后利用基于径向基函数(RBF)的支持向量机(SVM)分类方法完整提取救灾帐篷。以灾后常用的0.2m无人机可见光遥感影像为例的实验结果表明,救灾帐篷识别率高达95.5%。该方法运算效率高,克服了蓬顶内部异质性和相似物的影响,对于利用无人机可见光遥感影像开展救灾帐篷的检测与分析具有参考价值。     

面向对象方法在SPOT5遥感图像分类中的应用--以北京市海淀区为例

SPOT5图像的空间分辨率高,局部异质性较大,采用基于像元的传统方法分类精度低,难以满足实际应用的需要。以北京市海淀区SPOT5图像为例,应用面向对象方法对其进行分类试验,并将该方法与传统基于像元方法的分类结果进行对比分析。结果表明:利用面向对象方法对SPOT5遥感图像进行分类,不仅使分类结果具有丰富的语义信息,有效抑制“椒盐现象”的发生,还可以显著提高分类精度。     

基于高分辨率遥感影像的城市典型乔木树种分类研究

为探索高分辨率遥感影像对城市复杂环境优势乔木树种分类的有效性,采用面向对象分类方法,基于WorldView-2影像对首都师范大学及周边地区(CNU)、北京师范大学及周边地区(BNU)两个研究区进行优势乔木树种(泡桐、法国梧桐、杨树、国槐、银杏)分类。首先对WorldView-2影像进行分割,获得树冠区域及其49个属性特征,包括31个光谱属性和18个纹理属性;随后利用随机森林RF与支持向量机SVM两种分类算法对树冠区域进行分类。CNU研究区SVM与RF总体分类精度分别为86.5%、75.8%,Kappa系数为0.801、0.648;BNU研究区SVM与RF总体分类精度分别为66.9%、65.3%,Kappa系数为0.541、0.520。实验表明WorldView-2影像能有效实现城市非阴影区域优势乔木树种分类,但异质性较高、树种分布分散的区域分类精度低于异质性较小、树种分布密集的区域;WorldView-2影像的4个新增波段尤其是红边波段的派生属性在分类过程中所占权重值较高。     

地貌形态类型面向对象分类法的改进

提出一种改进的基于随机森林因子重要性分析和灰度共生矩阵纹理的地貌形态类型面向对象划分方法。以中国1∶100万DEM为数据源,利用相关分析和雪氏熵值法筛选确定地貌分类的地形因子组合,并利用随机森林分类树评价各地形因子的重要性,将求得的各因子重要性数值作为面向对象多尺度分割各图层的阈值,最后基于灰度共生矩阵纹理信息构成分类样本的知识库进行地貌分类。全国地貌分类以《中国及毗邻地区1∶400万地貌图》为精度评价标准,结果显示该文提出的分类方法总体精度为71.4%,比ISODATA非监督分类法精度提高5.7%,比常用的面向对象分类法精度提高15.7%;陕西省地貌分类以《中华人民共和国1∶100万地貌图》为精度评价标准,分类的总体精度为72.9%。通过分析该文方法对不同分辨率DEM分类精度的影响,得出分辨率越高总体精度越高。     

基于GF-1与Sentinel-2融合数据的地膜识别方法研究

随着我国地膜使用面积的增加和人们对土壤微塑料污染问题的日益关注,大尺度的地膜遥感识别已成为农业生产管理、土壤污染防治的必要手段。针对地膜光谱反射特征的复杂性以及基于单一遥感影像光谱特征识别方法错分率高等问题,该文以河北省邯郸市邱县为试验区,利用GF-1数据的空间细节与Sentinel-2数据的光谱信息进行NN Diffuse Pan Sharpening融合,据此建立地膜识别的特征矩阵(NDVI、MNDWI、NDBI、IBI、PSI),基于该特征矩阵可实现自动阈值地膜分层分类识别。多种方法的地膜识别结果精度对比表明:多源光学遥感数据融合方法的总体精度为94.87%,Kappa系数达0.89,显著优于基于单一数据源的深度学习法的精度(93.14%)以及基于传统机器学习分类方法的支持向量机(85.91%)和随机森林分类法(86.78%)的精度;通过与Sentinel-2多光谱影像融合,弥补了GF-1数据光谱分辨率低的缺陷,实现了多源数据在地膜识别中的优势互补,可为相关部门农业规划与管理以及生态环境保护等研究提供大尺度、高精度的地膜分布参考数据。     

基于GA-SVM封装算法的高光谱数据特征选择

封装型的特征选择算法相对于过滤算法而言更有助于提高分类精度,因此在当前计算技术及效率快速发展的背景下必将成为未来之趋势。本文以支持向量机(SVM)为分类器,遗传算法(GA)为特征子集的搜索算法,构建了封装型的特征选择算法GA-SVM,并用ENVI/IDL语言编程实现,最后以HYPERION高光谱数据为例对算法予以应用。结果表明,GA-SVM算法可从196个波段中选择出13个波段,同时分类精度较不做特征选择时提高了约4%。由此可见,GA-SVM封装型特征选择算法具有较好的同时优化特征子集和SVM核函数的性能,可为当前高光谱数据的特征选择提供一个较好的算法。     

基于ASTER影像的近海水产养殖信息自动提取方法

水产养殖地已经成为海洋环境监测的热点目标之一。采用具有高光谱分辨率和较高空间分辨率(15m)的ASTER遥感影像,以九龙江河口地区为研究示范区,进行近海水产养殖信息的自动提取方法研究。结果表明,利用ASTER影像的光谱信息和水产养殖地的纹理结构信息,可以实现近海水产养殖地的自动提取。先利用监督分类方法提取混淆有其他水体的水产养殖信息,采用邻域分析来增强水产养殖地的空间纹理信息。通过综合监督分类和水产养殖地空间纹理增强的结果,在专家决策分类器中建立决策规则,进行水产养殖地的自动提取,提取的精度达93%。     

结合多尺度纹理的高分辨率遥感影像决策树分类

地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述地物并有效解决光谱数据分类中存在的地物破碎问题,其分类精度为81.7%,kap-pa系数为0.78;与光谱数据分类和结合单尺度纹理数据分类结果比较,分类精度分别提高了11.2%和6%,该方法有助于提高高分辨率影像的分类精度。     

不同分辨率遥感图像混合像元线性分解方法研究

混合像元的存在是传统像元级遥感分类和面积量测精度难以达到实用要求的主要原因,为了提高遥感应用精度,须解决混合像元分解问题。传统的方法主要通过改进分解模型提高分解精度,该文在不改变线性分解模型的条件下,分析不同分辨率尺度对于线性分解精度的影响。实验中运用像元合并的方法,得到不同分辨率的TM系列遥感图像,分别选取植被、裸地、水体3种典型地物进行线性分解;以分辨率更高的Quickbird图像分类结果作为真值进行精度评价。实验结果表明:随着图像分辨率的降低,植被的RMSE值不断缩小,在30 m分辨率尺度上均值为0.36,在150 m尺度上均值为0.17,分解精度提高了1倍左右;但随着分辨率进一步降低,由于混合像元现象加剧,RMSE值上升,分解精度随之降低。     

Extracting urban areas in China using DMSP/OLS nighttime light data integrated with biophysical composition information

DMSP/OLS nighttime light (NTL) image is a widely used data source for urbanization studies. Although OLS NTL data are able to map nighttime luminosity, the identification accuracy of distribution of urban areas (UAD) is limited by the overestimation of the lit areas resulting from the coarse spatial resolution. In view of geographical condition, we integrate NTL with Biophysical Composition Index (BCI) and propose a new spectral index, the BCI Assisted NTL Index (BANI) to capture UAD. Comparisons between BANI approach and NDVI-assisted SVM classification are carried out using UAD extracted from Landsat TM/ETM+ data as reference. Results show that BANI is capable of improving the accuracy of UAD extraction using NTL data. The average overall accuracy (OA) and Kappa coefficient of sample cities increased from 88.53% to 95.10% and from 0.56 to 0.84, respectively. Moreover, with regard to cities with more mixed land covers, the accuracy of extraction results is high and the improvement is obvious. For other cities, the accuracy also increased to varying degrees. Hence, BANI approach could achieve better UAD extraction results compared with NDVI-assisted SVM method, suggesting that the proposed method is a reliable alternative method for a large-scale urbanization study in China’s mainland.     

集成生物物理成分的夜光遥感图像城市用地提取方法（英文）

DMSP/OLS nighttime light(NTL) image is a widely used data source for urbanization studies. Although OLS NTL data are able to map nighttime luminosity, the identification accuracy of distribution of urban areas(UAD) is limited by the overestimation of the lit areas resulting from the coarse spatial resolution. In view of geographical condition, we integrate NTL with Biophysical Composition Index(BCI) and propose a new spectral index, the BCI Assisted NTL Index(BANI) to capture UAD. Comparisons between BANI approach and NDVI-assisted SVM classification are carried out using UAD extracted from Landsat TM/ETM+ data as reference. Results show that BANI is capable of improving the accuracy of UAD extraction using NTL data. The average overall accuracy(OA) and Kappa coefficient of sample cities increased from 88.53% to 95.10% and from 0.56 to 0.84, respectively. Moreover, with regard to cities with more mixed land covers, the accuracy of extraction results is high and the improvement is obvious. For other cities, the accuracy also increased to varying degrees. Hence, BANI approach could achieve better UAD extraction results compared with NDVI-assisted SVM method, suggesting that the proposed method is a reliable alternative method for a large-scale urbanization study in China's mainland.     

基于面向对象的城市地物信息提取方法研究

20世纪90年代以来,高空间分辨率遥感影像数据的处理已成为遥感领域中的热点与难点。利用具有人的思维特点的面向对象的信息提取技术,对高分辨率遥感影像中的城市用地进行分类,分析和利用高分辨率影像的空间信息、结构信息与光谱特征等,总结了面向对象解译方法的5个步骤,即影像分割、分类方法的选择、地物种类分类,知识库构建、计算机自动分类。分类结果表明：（1）克服了“椒盐现象”;（2）信息提取的总体精度为92.19％,而且各类地物信息的提取精度均有所提高,特别是利用前期分类的拓扑关系有效提取了城市水体与建筑物阴影。