结合随机森林的高分一号分类最优组合研究

选取高分一号(GF-1)PMS多光谱影像,提取该数据的指数、共生矩阵纹理等特征与原始多光谱影像叠加,对叠加后影像进行随机森林分类并提取各波段重要性系数。根据重要性系数进行最优波段组合初选择,在此基础上利用最佳指数法(OIF)选取土地覆盖分类最优波段组合,利用随机森林分类器对该组合进行土地覆盖分类,与传统的OIF最优波段选取结果进行分类精度对比。结果表明,提出的方法能够有效提取最优波段组合,最优波段组合为B2-B5-CON,与传统方法相比,在随机森林分类中总精度要高出20.49%。     

高分一号多光谱遥感数据的面向对象分类

文章针对高分一号(GF-1)高分辨率遥感数据,提出了一种基于多特征的面向对象遥感图像分类算法:首先,对GF-1卫星数据进行分水岭分割,并利用仿射不变矩形状特征算子获得遥感图像的几何特征;其次,利用主成分分析和灰度共生矩阵获得遥感图像的纹理特征;然后,基于多特征数据进行均值漂移滤波,并利用自动标记分水岭分割方法实现遥感图像分割;最后,结合基于像元的最大似然监督分类结果做投票分类处理,从而实现面向像元与面向对象相结合的遥感数据分类.以高分一号遥感数据进行分类实验,结果表明:本文方法可有效地提高遥感图像分类精度.     

基于随机森林特征选择的森林类型分类

以八面通林业局林场为研究区,选取多时相高分一号WFV影像,提取遥感特征构建多时相特征集合,根据归一化特征重要性排序选出最优特征子集,用随机森林法实现森林类型分类。结果表明:多时相影像的总精度较单时相影像提高了7.95%-15.13%;除纹理特征外,光谱特征结合其他类型特征的分类精度均高于光谱特征分类;基于随机森林特征选择的分类精度最高,利用24个特征进行分类时,分类精度达到83.97%,Kappa系数为0.7749,说明特征选择可降低数据冗余提高精度。     

随机森林遥感图像分类实验教学软件开发研究

随着教育与科技的发展,我国众多高校的课程体系都开设了"遥感图像解译"或"遥感原理与应用"等课程.遥感图像的监督分类,是遥感类课程不可或缺的教学内容.然而,在目前相关课程的实验教学中,存在教学内容陈旧、更新频率较低等问题.为了充实高校遥感类课程的实验教学,本文介绍了一套基于随机森林的遥感图像分类实验教学软件,包括软件开发与相关实验的设计.鉴于随机森林算法在遥感领域得到了广泛应用,本实验教学软件旨在使学生掌握更新的遥感数据处理技能,提升其在相关行业中的竞争力.     

利用eCognition进行高分一号卫星数据土地利用现状解译能力测试

土地利用现状解译能力是卫星数据在土地资源领域应用的重要指标之一。本文以内蒙古自治区包头市石拐区和江苏省徐州市贾汪区作为研究区,利用eCognition软件采用面向对象分类的方法,通过初步影像分割、构建土地利用分类系统、标准化最邻近分类及对分类结果整理修改与分析,从中随机选取了不同地类、不同面积的图斑,以更高分辨率影像分类结果作为真值,进行了典型地类的属性精度、面积精度评价,从而对高分一号卫星数据的土地利用现状解译能力进行了测试与评定。     

基于高分一号影像的两种地表覆盖分类方法对比研究

以高分一号影像为数据源,分别应用最大似然分类法和面向对象分类法对影像进行遥感分类,比较不同影像分割尺度,对分类结果进行精度评价,结果显示:面向对象分类方法综合利用多类遥感指数,提高了分类精度,可以有效应用于遥感影像快速分类。面向对象分类方法中分割尺度对分类精度影响较大,但如何设置最优分类尺度仍需进一步研究定量确定方法。     

高分一号遥感影像融合方法比较研究

利用HPF(高通滤波)法、Gram-Schmidt法、HCS(超球面空间)法和UNB-Pansharp法4种影像融合方法,对高分一号遥感卫星影像进行融合实验。通过对融合影像的目视解译,根据地物类型的不同,从光谱保真度和空间细节保持度2方面进行定性评价。采用统计方法进行定量评价,评价指标包括信息熵、平均梯度、相关系数和偏差指数。在综合评价结果后,给出4种融合方法不同的适用情况,为高分一号影像的进一步研究提供理论支撑。     

基于高分一号宽幅多光谱影像的鄱阳湖湿地分类研究

典型湿地类型分类对于湿地生态环境保护和生态环境建设具有重要意义。本研究以高分一号宽幅多光谱影像数据作为数据源,以鄱阳湖典型湿地作为研究对象,进行典型湿地类型分类。研究采用主成分分析、归一化植被指数、比值植被指数和归一化差异水体指数等方法对不同湿地类型进行光谱特征分析,结果表明:高分一号宽幅多光谱影像反演的归一化植被指数和归一化水体指数能够较好地区分水体、泥滩、挺水植物和湿生植物等常见湿地类型。通过归一化植被指数将湿地类型分为植被和非植被,归一化差异水体指数将植被类型进一步分为挺水植物和湿生植物,将非植被分为水体和泥滩。构建决策树对典型湿地类型进行自动分类,经过精度评价和分析验证,该方法针对高分一号宽幅数据进行典型湿地分类总体精度能够达到82.28%,Kappa系数0.7346,优于常规的监督分类和非监督分类。     

基于随机森林的GF-2影像土地利用分类研究

高分二号卫星是我国自主研制的第一颗亚米级遥感卫星。其影像因信息丰富、纹理清晰等特点,被广泛应用于土地利用分类研究中。随机森林是一个包含多个决策树的分类器,是遥感影像土地利用分类方面的一种有效方法。针对单纯的随机森林方法在土地分类中存在的错分的情况。本文基于灰度共生矩阵提取影像纹理信息,同时利用影像的归一化差分植被指数(Normalized Difference Vegetation Index,NDVI),将影像的归一化差分植被指数和纹理信息相结合,采用随机森林的方法进行土地利用分类并得到了较高的分类精度。实验证明了该方法对高分辨率卫星遥感影像的土地利用分类具有较好的效果。     

基于SVM的高分一号卫星影像分类

以辽宁阜新为研究区,运用支持向量机(SVM)的方法对高分一号8 m,16 m和Landsat8多光谱影像进行土地利用分类对比研究。实验表明,SVM的分类精度高于最小距离和最大似然方法,高分一号多光谱数据的分类精度高于Landsat8数据,可以应用于土地利用的分类。     

基于随机森林方法的遥感影像分类方法

通过研究随机森林方法,针对上海、辽宁、陕西、福建四个地区的中分辨率成像光谱仪(MO-DIS)影像数据,建立五个时间序列的训练集,通过随机森林机器学习方法,学习一年内目标区域的时序变化规律,从而获取更为精确的分类效果,并对比研究该算法对于上述四个地区识别方法的优劣.实验结果显示随机森林分类法在没有海部的地区识别效果能够达...     

地理国情普查中高分辨率遥感影像自动分类技术研究

地表覆盖分类是我国地理国情普查的重要内容.地理国情普查要求的地物类别非常细致,对影像分类技术提出了很大的挑战.本文总结了山西省地理国情普查试点中的实践经验,结合面向对象分类技术、人工实地采集分类样本及分层次分类的思想,并加入适当的人工干预过程,提出了一个利用高分辨率遥感影像进行国情监测影像分类的方案.试验表明本文方案能够兼顾作业效率和分类精度,为我国国情普查的工程化作业提供了一条可行的备选技术路径.     

基于山区GF-1号遥感影像融合及质量评价

针对山地地形高差较大,地形复杂且存在较多阴影现象的特点,选取国产GF-1号卫星数据,选取南昌城区西部某山区作为实验研究区域,采用HSV变换、CN变换、Gram-Schmidt融合、PC Spectral锐化、最近邻域扩散锐化等五种融合方法来对山地地区遥感图像进行融合实验,并结合定性与定量指标对融合结果进行质量评价,以期优选出适合山地的GF-1号卫星数据图像融合处理方法,为基于山地国产高分数据的融合应用提供一定的参考价值。实验结果表明:Gram-Schmidt融合和最近邻域扩散锐化融合方法的融合效果表现最佳。     

基于Contourlet-GSSIM的无参考遥感图像质量评价研究

Contourlet变换是一种具有多分辨率、多方向性的图像二维表示方法。为了对遥感图像进行质量评价,本文提出了一种基于Contourlet变换的梯度结构相似度(GSSIM)无参考遥感图像质量评价方法。首先根据主观质量评价标准,组织20位遥感专家采用DMOS评分方法对150幅高斯噪声图像和150幅椒盐噪声图像进行评价,建立主观评分库;然后将待评价失真遥感图像通过高斯低通滤波器来构造参考图像,并对图像进行Contourlet变换,计算GSSIM,实现质量评价;最后,为了定量分析算法的性能,将评价结果回归到DMOS空间,并与RMSE(均方根误差)、PSNR(峰值信噪比)等评价方法进行比较。试验结果表明,该方法能客观地评价遥感图像的质量,其结果与人眼视觉评判结果一致。     

基于最优尺度的高分辨率遥感影像道路提取

遥感影像道路提取一直是遥感应用的重点研究方向之一.传统的基于像素级的道路提取方法侧重于考虑影像的像素信息,并没有考虑到地物目标之间的空间依赖性.本文针对高分辨率遥感影像,提出了一种新的面向对象的道路提取方法,其基本思想是利用道路的多尺度特性,将不同尺度的道路提取结果进行集成,得到最终的道路提取结果.方法的主要过程是首先建立不同的图像尺度层,根据道路对象内部的同质性和道路与背景间的异质性给出道路提取的最优尺度层;其次,在道路的最优尺度上提取道路的主干道;最后依次在各小尺度层上通过道路生长的方法实现道路的完整提取.试验结果表明本文所提方法能明显提高道路的提取精度.     

遥感影像分类的归类学习方法

遥感影像分类专家系统是遥感分类研究中的一个重要发展方向,然而,传统的统计模式识别法和人工神经网络分类法除了能完成具体的影像分类外,不能提供易于被人类理解的分类知识,文中介绍一种基于扩张矩阵的示例学习方法,并将其应用于遥感影像分类知识的自动获取。     

改进利用蚁群规则挖掘算法进行遥感影像分类

基于ant-miner算法,提出改进蚁群规则挖掘算法.首先,从信息素浓度增加项、信息素挥发系数两方面,改进信息素浓度更新策略;其次,在算法求解中,引入变异算子,有效加快进化过程,缩短计算时间,获得较好的分类规则.以长沙市城区2006年TM影像为试验数据,在分类试验中对算法进行了验证.结果表明,相对于ant-miner和决策树方法而言,改进蚁群规则挖掘算法能挖掘出规则数目更少、形式更简单的分类规则,同时缩短计算时间,从而能够提高分类精度和效率.     

基于GF-1遥感数据的城市水体信息提取方法研究

水体信息的高精度提取是水资源监测、调查与管理等研究领域的关键问题。本文选取国产GF-1卫星影像作为数据源,根据影像中典型地物光谱特征采用归一化水体指数法(NDWI)、多波段谱间关系法对研究区进行了水体提取,并通过结果分析提出了基于主成分分析与多尺度分割技术的综合水体信息提取方法。对以上4种方法进行对比分析,验证结果表明:归一化水体指数法易受阴影信息影响;改进的多波段谱间关系法能较为完整地提取水体信息,但受小范围阴影信息影响;主成分分析综合法总体精度较高;多尺度分割提取法能有效地分离水体信息与非水体信息,水体信息提取的效果最佳。