面向对象的遥感影像模糊分类方法研究

传统的基于像素的遥感影像处理方法都是基于遥感影像光谱信息极其丰富,地物间光谱差异较为明显的基础上进行的。对于只含有较少波段的高分辨率遥感影像,传统的分类方法,就会造成分类精度降低,空间数据的大量冗余,并且其分类结果常常是椒盐图像,不利于进行空间分析。本文采用面向对象的影像分类方法,考虑了对象的不同特征值,例如光谱值,形状和纹理,结合上下文关系和语义的信息,这种分类技术不仅能够使用影像属性,而且能够利用不同影像对象之间的空间关系。在对诸多对象进行分类后,再进行精度分析。在此研究提出了一种面向对象的方法结合模糊理论把许多的对象块分成不同的类别。这一过程主要有两个步骤：第一个步骤是分割。图像分割将整个图像分割成若干个对象,在这个过程中,分割尺度的选择会影响到后续的分类结果和精度。第二个步骤是分类。在这个步骤中,特征值的选择和隶属度函数的选择都对分类结果有着至关重要的影响。     

面向对象土地利用信息提取的多尺度分割

以往面向对象影像分析的分割尺度主要依靠经验并结合目视来进行选择,带有一定的主观性.本文针对利用高分辨率遥感影像进行土地利用信息提取的目的,采用面向对象的方法完成了两个典型实验区域的多尺度分割.主要研究了分割参数的选择;重点提出了一种最优分割尺度计算模型.结果表明,此模型计算最优分割尺度方便快捷,而且计算出的最优分割尺度...     

基于面向对象和规则的遥感影像分类研究

讨论了面向对象和规则的光学遥感影像分类方法。首先利用多尺度分割形成影像对象，建立对象的层次结构，计算对象的光谱特征、几何特征、拓扑特征等，利用对象、特征形成分类规则，并通过不同对象层间信息的传递和合并实现对影像的分类。并以北京城市土地利用分类为例，对该方法进行了验证。     

面向对象的高分辨率影像农用地分类

采用面向对象的影像分类方法,结合多尺度分割技术,以QuickBird影像为实验数据,进行农用地的精细自动分类。首先,根据地物大小,选择最优分割尺度,构建多尺度分割等级网;然后,综合利用高分辨率影像的光谱信息、纹理和形状特征,建立各个对象的特征集;最后,通过目视解译建立隶属度函数,实现地物的分层提取。实验表明,该方法能有效区分农作物种类,相对于传统的像素级分类方法,该方法明显提高了高分辨率影像的分类精度,且避免了"椒盐"噪声的产生。     

面向对象的遥感分类方法在输电线路地表信息提取中的应用

面向对象的遥感分类方法是影像分辨率越来越高的背景下的产物。本文以某特高压输电线路工程为研究对象,选取宁夏、陕西、山西、河南、安徽境内五个典型地区样本,通过影像特征分析、多尺度分割和地物分类建立了水体、建筑、林地、道路等四种典型地物的分类规则集,并对工程全线进行信息提取和精度分析。结果表明:利用面向对象的方法提取高分辨率航空影像地表信息能够为输电线路智能选线快速提供基础地理空间数据。     

基于面向对象与规则的Sentinel-2A影像土地覆被分类——以江西省都昌县为例

土地覆被作为地表自然和人工建造物的综合体,是开展土地科学相关研究的重要基础,在遥感大数据背景下,准确、快速、自动化进行土地覆被提取技术一直是遥感研究中的重点。本文基于e Cognition软件,采用面向对象的多尺度分割法,综合考虑地物在遥感影像上的光谱、形状和纹理特征,建立多种地物提取规则。通过模糊函数、支持向量机(SVM)和阈值法对研究区的土地覆被进行分类提取,并与研究区的FROM-GLC10数据和土地利用变更数据进行了对比分析。结果表明:①研究区土地覆被分类的总体精度为97%,Kappa系数为0.96,分类精度较高;②基于10 m分辨率影像,综合使用形状、纹理、光谱信息对于道路的提取具有较好的效果,道路提取Kappa系数为0.84;③分类结果在面积和空间分布上都优于FROM-GLC10数据,与研究区实际土地变更数据保持较好的一致性。基于面向对象与规则的分类方法提取地物能够有效利用多种遥感影像特征,分类精度高,对于处理高分辨率遥感数据具有很好的优势。     

面向对象的分类方法在土地利用数据库建设中的应用

土地利用数据库对于土地管理、土地动态检测和土地变更调查具有重要的意义。本文主要介绍了建立土地利用数据库的技术方法和工作流程。以张家界市武陵源区为例,采用面向对象的分类方法对高分辨率遥感影像进行分割和自动分类,将分类结果导入GIS环境下,进行拓扑构建和属性编辑,实现图形数据、属性数据的关联,最后完成土地利用现状数据建库。上述方法有效提高了建库质量和建库水平,并取得了很好的效果。     

基于eCognition的遥感图像面向对象分类方法研究

随着高分辨率遥感图像越来越普及,传统的面向像元的图像分类方法不能满足对高分辨率遥感图像区域分类的需求,高分辨率遥感图像对图像处理的软件与硬件都有了更高的要求,因此,出现了相较于面向像元有着更高精度更为合理的面向对象分类方法,也更加适用于高分辨率遥感影像。本文通过采用面向对象分类的基本方法,运用eCognition软件,以山东省胶州市地区遥感影像为例,进行多尺度分割和面向对象分类。并用ENVI做监督分类,基于目视解译精度评定,对不同方法作出分析评价。结果表明:面向对象分类方法精度更高,更具有可靠性。     

面向对象的高空间分辨率影像分类研究

采用面向对象遥感影像分类方法,进行了高空间分辨率遥感影像信息提取试验,分析了其与基于像元方法的信息提取结果的差异,试验研究表明,在目视效果上,传统方法的分类结果图中椒盐现象非常明显,而面向对象方法可以有效地避免椒盐现象;在分类精度上,面向对象方法分类结果的总体精度、Kappa系数、生产者精度、用户精度、Hellden精度和Short精度均明显高于传统方法,各类地物提取效果显著提高。面向对象方法在高空间分辨率遥感影像信息提取中具有明显的优势。     

面向对象的高分辨率影像土地利用信息提取

运用面向对象的分类方法对实验区高分辨率影像进行最优分割尺度的影像分割。首先利用ESP算法确定影像的最佳分割尺度,再运用CART决策树分类对土地利用信息进行提取,并对分类结果进行后处理,进一步提高分类精度。最终分类结果精度达到80.38%。     

空间自相关支撑下的地类分布模式一致性评价

空间分布模式是否保持一致是土地利用数据综合质量评价的一项重要内容。针对当前的研究缺少量化分析和位置表达的现状,提出了一种新的空间数据特有的自相关性评价方法。首先利用语义距离建立空间权重矩阵,随后通过莫兰指数（Moran’s I）计算数据处理前后全局和局部自相关度,最后利用莫兰（Moran）散点图和空间关联的局部指标（local indicators of spatial association,LISA）集聚图相结合的方法对综合前后的土地利用分布模式进行可视化对比。相较传统评价方法,所提方法顾及数据语义关系,计算可量化聚集程度,以直观可视化方法对比展示,更好地对土地利用数据在综合前后的全局空间分布模式一致性进行了评价。认知实验结果符合人类认知,表明所提方法切实有效。     

地形信息辅助下的全极化SAR数据土地覆盖分类

提出了地形参数辅助全极化SAR数据土地覆盖分类的方法,基于规则判断的决策树分类法,建立了全极化SAR数据的H/α-Wishart初步分类结果和地形参数的相关规则,对初步分类结果进行后处理,获得了精度较高的土地覆盖分类结果。以淮北地区为研究区,对全极化SAR数据的H/α-Wishart初步分类结果进行了分析,选取易混淆的土地覆盖类型样本,通过样本统计量确定DEM高程、坡度2种地形参数的阈值,设计决策判断规则,对初步分类结果进行了处理。试验结果表明,该方法能有效地提取出研究区内的水体、山地、林地、建设用地、耕地、未利用地6种土地覆盖类型,水体与建设用地、建设用地与山地的阳面、林地与山地阳面的混淆程度得到很大程度的改善,区分度增大。     

RS ＆ GIS支持下的大庆市土地利用分类

选择具有“中国油都”之称的大庆市为研究区,对其土地进行遥感调查,拟定了土地利用分类系统．给出了大庆土地利用覆盖的构成数据一览表和土地分类图。分析结果可为类似于大庆一类的工矿型城市土地利用分类提供决策支持。     

RS&GIS支持下的大庆市土地利用分类

选择具有“中国油都”之称的大庆市为研究区,对其土地进行遥感调查,拟定了土地利用分类系统,给出了大庆土地利用覆盖的构成数据一览表和土地分类图。分析结果可为类似于大庆一类的工矿型城市土地利用分类提供决策支持。     

基于面向对象分类土地利用分析

以遥感技术为依托,研究了金普新区在成立以来的土地利用及变更情况。通过实验对比,选用了适合于高分辨率遥感影像的面向对象的分类方法对金普新区2013年的遥感影像进行了分类,成功获取了金普新区2013年的土地利用状况;然后应用金普新区2015年的地理国情普查数据,把普查数据成果与分类出的2013年金普新区土地利用状况有机结合,实现了对金普新区成立后的土地利用对比分析。     

A Hybrid Approach for Land Use/Land Cover Classification

Atlanta has continuously changed its physical landscape as well as its socioeconomic appearance over the past decades. A hybrid image processing approach, which integrated unsupervised, supervised, and spectral mixture analysis (SMA) classification methods, was used to identify urban land use/land cover changes over a decade (from 1990 to 2000) in the Atlanta metropolitan area. During this process, SMA was proven to be an effective analytical approach for characterizing mixed feature areas, such as a metropolitan area. According to accuracy assessment, the classification results were acceptable.     

浅谈第二次全国土地调查土地利用分类

对拜城县第二次全国土地调查中所遇到的土地利用分类问题及处理方法进行讨论,目的是加强土地利用分类标准在实际调查中的可操作性,促进"城乡一体""跨行衔接"的现代多用途地籍发展,使之更好地为国土行业服务。     

Gradient-Magnitude-Based Support Regions in Structural Land Use Classification

Land use classification is one of the major problems in remote sensing. Previous studies focused on multispectral information, texture-based features, and features based on edge detection to classify land usage from satellite images. In a previous study, structural features are introduced to classify land development using high-resolution satellite images. These structural features were based on line support regions (LSRs). LSRs are introduced to detect and represent straight lines in images using a pixel-grouping process. The structural features are calculated on these grouped pixels. It is shown that gradient-magnitude-based pixel grouping may also be used in structural feature calculations. Therefore, the aim of this letter is twofold. First, the previous structural feature calculation method is shown to be more general than the LSR. Second, LSR-based features are shown to require fairly high computation compared to gradient-magnitude-based features with similar classification performance     

基于矢量数据的土地利用分类研究

基于矢量数据的土地利用分类方法进行分类研究,对复杂条件下的基于矢量数据的土地利用分类给出了实例及实现方法,对利用矢量数据进行遥感图像分类进行了深入探讨。     

应用ENVI软件目视解译TM影像土地利用分类

本文结合实际项目讨论了以ENVI、ARCGIS为主要软件的处理平台,利用TM遥感数据、地形图矢量要素等基础资料,通过监督分类实现项目区范围土地利用现状图斑提取、地类面积统计及出图等技术流程与工作。实践证明此项技术作为获取项目前期基础信息的有效手段,作业周期短、成本经济且现势性好,其成果兼具客观性和直观性,可有效辅助项目后续工作的实施。