主成分监督分类及其在水质特征遥感图像识别中的应用

建立了一种水域水质状况图像识别的主成分监督分类方法,首先通过ＴＭ水域图像数据的主成分分析,将原有各波段图谱的显著且独立的信息集中在数目尽可能少的合成图象中,再依据不同类型水体的光谱特征,分析各主成分图像的构成及其环境生态学含义,由此对整个研究区域内存在的不同标志类型及其分布特征有所了解,在此基础上,选定训练样本集,从而人有清楚的环境生态意义的标志类型,应用监督法得到较好的识别分类结果,分析表明,这     

太湖水质的动态变化及影响因子的多元分析

利用１９９１～１９９２年监测资料,分析了太湖梅梁湾和局面西太湖水域水质的动态变化。用主成分分析方法揭示出各因子间的相互关系。结果表明,水质主要因子有明显的时空变化特征,沿南北方向从湾内向湾外,ＴＰ、ＴＮ、ＣＯＤ、Ｃｈｌ－ａ和电导率明显递减,且ＴＰ和ＴＮ含量季节变化,冬季高于夏季,梁溪河口更是如此,Ｃｈｌ－ａ含量与ＴＰ、ＴＮ含量密切相关,其变化基本与水温同步,时间上略后滞。主成分分析说明,ＴＰ、ＴＮ     

1990年以来北京密云水库主要水环境因子时空分布特征

根据19902011年密云水库共12个监测点的月监测资料,采用聚类分析研究各监测点水环境相似性及空间分布特征,采用因子分析识别影响水质的主要因子并评价各采样点的综合水质.通过绝对主成分多元回归分析,获得汛期和非汛期各因子对各水质指标的贡献率.利用季节性Kendall检验及流量调节检验对密云水库库区水化学特征和水质状况时空分布特征进行了研究.结果表明：汛期水质主要受到农业营养物质的影响,其次为生物化学因素和有机物的影响.非汛期水质主要受到农牧业排放因素的影响,其次为人类活动和生物化学因素的影响.因子得分综合评价显示,汛期辛庄桥、内湖和大关桥综合水质较差,潮河、库西和白河综合水质较好.非汛期辛庄桥、石佛桥和大关桥综合水质较差,库东、套里和恒河综合水质较好.主要水质指标的年际变化规律不同,但最终都趋于平稳.与潮河、白河入库水质变化相比,库区水质变化趋势较小,上游入库水质和库区水质都整体趋好.除白河入库的总氮和总磷外,其他监测指标的变化趋势经流量调节前后基本一致,表明流量并不是引起水质趋势变化的主要因素,水质的变化主要是由于污染源变化而引起.     

基于遥感和典范对应分析方法优化生态地理分区——以中国区域为例

选取适当生态地理边界对遥感影像进行分割,降低分区单元内土地覆盖复杂程度,可有效提高遥感土地覆盖分类精度.本研究将气象、高程、土壤等环境数据与季节性植被遥感信息相结合,利用典范对应分析(CCA)和k均值聚类等进行生态地理分区的划分,旨在提出适用于区域遥感地表分类的生态地理分区方案.以我国为例的研究结果表明,季节性植被遥感信息与CCA相结合,能够有效筛选出区域生物地理格局主导环境因子,可将这些主导因子作为生态地理分区的区划指标.本研究中,温度要素是我国生物地理格局的主导驱动力,水分要素次之.以MODIS MCDl2C1(2005年)和GlobCover(2004~2006年)全球土地覆盖分类产品来评价生态地理分区内土地覆盖复杂程度,结果表明,本研究的生态地理分区在土地覆盖类型均数、主要土地覆盖类型面积比例以及主、次要土地覆盖类型面积比例之和等方面,均优于已有研究结果,且主、次要土地覆盖类型的植物物种和性状特征差异比较明显,表明利用表征植被季节特征的环境主导因子进行生态地理区划,可以有效降低生态地理分区内地表覆盖复杂程度,更利于地表覆盖遥感分类.     

太湖流域(江苏省)水质污染空间特征

基于SPSS 20.0统计软件,对太湖流域(江苏省)9个三级生态功能分区和湖体28项水质指标数据分别进行处理,从原始监测数据中提取出5个主成分,计算其贡献率和主成分得分值,研究主要污染因子的组合,并对相应污染源进行分析.结果表明第一主成分主要体现了水体中氮、磷等导致富营养化的关键因子,而第二个主成分主要反映水体重金属水平,整个江苏省太湖流域污染情况空间分布略有不同,水环境质量也大体表现为北高南低、西高东低的趋势,湖体也存在对应的空间特征,反映了流域外源输入是导致湖体水质污染的主要原因之一,为太湖流域的环境监测及污染治理提供重要的信息和依据.     

基于图像识别的震损结构残余变形检测

本文提出一种基于图像识别的残余变形检测方法。该方法运用图像识别技术,通过分析震损结构的图片,得到构件间的夹角,从而确定残余变形。首先,针对实际获得的图片与被测平面之间通常都会存在一定角度、以至无法从斜拍图像直接测量变形的问题,提出基于射影几何原理的直线矫正方法;然后,结合变形检测的需要,在人工参与选取特征点的前提下,运用canny边缘检测法和主成分分析方法,检测目标直线,进而应用直线矫正方法对目标直线进行矫正和角度计算;最后,通过测试图像和实际震损构件图像对方法进行了验证分析。结果表明所提出的方法对变形检测的精度较高,能够适用于震损结构残余变形的快速检测中。     

综合ULBP与Gabor纹理特征的SAR影像建筑区提取方法研究

建筑区提取对于地震灾情快速评估和地震灾害风险识别至关重要,合成孔径雷达（SAR）影像的纹理特征研究可在建筑区提取方面发挥重要作用。利用全极化SAR影像,提出综合使用ULBP纹理特征和Gabor纹理特征的建筑区提取方法。在SAR数据预处理的基础上,首先对基于Gabor滤波的纹理特征影像进行主成分分析,保留前2个最优主成分纹理特征影像;然后与ULBP纹理特征进行波段组合;最后利用支持向量机监督分类方法对组合后的影像进行分类,获得建筑区。研究结果表明,综合使用ULBP纹理特征和Gabor纹理特征可得到更高的建筑区提取精度,总体分类精度达90%,Kappa系数为0.78。     

基于主成分分析方法的海量地震数据属性降维优化

针对传统的地震数据属性降维优化方法所选取的地震数据属性特征贡献率低导致降维过程计算量大、CPU占用率高等问题,提出一种基于主成分分析的海量地震数据属性降维优化方法。首先根据地震样本特征建立地震数据特征矩阵,把矩阵中的特征进行聚类,运用降序法排列聚类结果,选取前几项数据作为地震数据属性特征选取结果,对其结果评估分类信息量;通过特征积分准则(FSC)修正分类信息量,获取海量地震数据属性特征节点;运用主成分分析方法对地震数据属性特征节点主成分添加标签,确定Fisher判别分析与PCA可变动选择不确定关系,建立半监督降维的全局最优化形式,运用特征值分解计算降维结果,克服海量地震数据属性降维过程中的过拟合问题,融合主成分分析算法与Fisher判别分析算法实现海量地震数据属性降维优化。实验结果证明,所提方法选取的属性特征精度及贡献率较高,降维过程中CPU占用率较低。     

中国近海海平面变化特征分析

用经验正交函数分析方法,对中国近海14年多的测高海平面同化格网资料进行分析,给出了黄海、东海和南海各海平面变化主要主成分的空间变化和时间变化特征.用标准Morlet小波变换方法分析了各海区主成分时间变化序列的时频特征.分析结果表明,各主成分的空间分布特征与当地的海洋环流或洋流特征相对应.时频分析结果显示,中国近海海平面变化的显著周期主要为年周期信号.其次,黄海和东海还显示准2个月的非稳态信号,东海和南海具有较显著的半年周期信号,东海半年周期信号的能量不稳定.此外,在南海及台湾东部海域,首次发现存在较为显著的准540天周期信号,其动力学机制目前尚不明确.坎门和西沙验潮站资料的时频特征分析也验证了该信号的存在.最后本文给出了中国近海海平面在1993~2007年间的平均上升速率和其区域分布特征.     

基于主成分分析的多能谱CT图像分析方法研究

基于光子计数探测器的能谱CT,可以同时采集多个能谱通道的投影数据,并获得相应能量范围内物质的吸收特征,可以有效应用于物质识别与材料分解。主成分分析是一种很好的多元数据分析技术,可以用于处理多能谱CT数据。本文分别在投影域和图像域对能谱CT数据进行主成分分析,并对分析结果做出系统比较。为了减少噪声的影响,提高能谱CT图像的彩色表征性能,提出双域滤波与像素值平方相结合的方法,用于含噪声的主成分图像去噪,然后将所选取的主成分图像映射到RGB颜色通道。实验结果表明,无论是在投影域还是图像域进行主成分分析,都可以获取清晰的CT图像,识别出物质的不同成分。相较于在图像域的主成分分析方法,在投影域进行主成分分析能够保留物质的更多细节,获取更清晰的彩色CT图像。      

基于稀疏成分分析的遥感影像分类

遥感影像分类一直是遥感研究的重点、难点和热点之一.针对经典的主成分分析法在不同地物的光谱存在重叠相关时,分类效果欠佳的缺陷,提出一种基于稀疏成分分析的遥感影像分类法.该方法利用稀疏性提取源信号,不要求源成分之间互不相关.实验结果表明,与主成分分析方法相比,基于稀疏成分分析的分类结果更可靠、更准确.     

遥感影像的分类评价及可视化分析——以平顶山市平煤矿区附近区域为例

选取平顶山平煤矿区附近区域作为研究区,使用无人机进行拍摄,以获悉矿区周边地物种类,补充辅助决策中的居民地、道路等信息,重点研究遥感影像的分析处理.为实现遥感影像分类并增强可视化效果,以无人机影像为源图像,分别采用无人机正射影像的主流处理软件Photoscan和Pix4d,完成图像的预处理及拼接,发现利用Pix4d软件进...     

基于深度学习网络的地震地质灾害识别研究

遥感影像识别方法是破坏性地震震后地质灾害快速、准确获取的重要方法之一,传统的遥感影像识别方法主要以人工目视识别方法和半自动识别方法为主,需投入大量的人力和时间。针对破坏性地震震后地质灾害解译时间长、投入人力多等问题,以2017年8月8日四川九寨沟7.0级地震震后高分辨率无人机遥感影像为研究样本,提出基于深度学习网络的地震地质灾害识别方法。首先结合震后遥感影像解译资料和现场调查资料,提取九寨沟地震地质灾害无人机遥感影像特征,并构建研究区地震地质灾害解译指标和分类数据集;然后采用DeepLabv3+网络结构及softmax损失函数,建立基于深度学习网络的地震地质灾害遥感影像图像语义分割模型方法;最后采用半监督学习方法进行结果验证。研究结果表明,基于深度学习网络的地震地质灾害识别方法可有效识别九寨沟地震地质灾害分布信息,整体分类识别准确率为94.22%,F₁分数值为0.77,结果具有较好的一致性和准确性,可提升地震现场灾情获取和重点地震隐患识别等工作效率及服务能力。     

基于遥感影像光谱与纹理分析的地物分类——以长白山天池火山地区为例

利用遥感影像的光谱分析和纹理分析技术,研究了长白山天池火山地区IKONOS影像的光谱特征以及纹理特征。对照野外实际调查结果,选取了8种训练样本类别,首先使用波谱角技术(SAM)和最大似然法进行分类,并通过混淆矩阵评价分类结果;然后,引入了ENVI的二阶概率矩阵法的纹理分析,利用差异性(Dissimilarity)纹理特征图对地物建立了纹理解译标志;最后,通过光谱和纹理结合的方法得出了最终的分类结果,使得分类精度得到了很大提高。以研究区广泛分布的浮岩为例,确定了浮岩的分布范围和相对厚度分布,分析了不同厚度浮岩的地形特征     

利用遥感图像对震损建筑结构变形检测的识别研究

为识别震后建筑变形损坏状况,提出震损建筑结构变形检测的遥感图像识别分析方法。利用无人机采集震灾区域的遥感图像,将建筑结构变形检测问题转变为构件间坐标测量问题,提取所采集遥感图像中样本矢量点,将其划分为不同种类区域,在此基础上对图像进行聚类分割,以获得震后图像的不同类别建筑结构特征,实现识别不同样本矢量点的地震受灾情况。通过实验分析发现,所提出的图像识别分析方法在一定程度上可以识别出损毁建筑物,但仍需要进一步研究,以提高其识别精度。     

基于梯度变换的浅水湖泊围网区遥感提取算法

获取并掌握浅水湖泊围网养殖区域的时空分布信息对合理规划围网养殖进而提升湖泊水质具有重要意义.本文以长江下游典型的围网养殖浅水湖泊——阳澄湖作为研究区,利用资源三号(ZY-3)高分遥感影像,针对围网区与非围网区的光谱空间变化特征,采用梯度变换方法,尝试提出一种浅水湖泊围网区的遥感提取算法;并以人工解译结果作为参考,对提取结果进行验证.研究结果发现该算法对浅水湖泊围网养殖区的提取精度为90.66%,可进一步用于开展长时序的浅水湖泊围网区动态变化研究,进而为湖泊环境的政府部门制定湖泊水质提升和围网区合理规划政策提供决策依据.     

基于遥感影像纹理信息的湖泊围网养殖区提取

中国东部许多湖泊被人为围网养殖开发,高密度的围网养殖区较容易导致湖泊富营养化和水质恶化,因此人们利用遥感数据开展了湖泊围网养殖区的调查研究．对于湖泊围网养殖区的提取大多采用多光谱分类或目视解译手工数字化,多光谱分类围网养殖区和自然水体易于混淆,而手工数字化对于大区域提取工作量比较大.论文提出了基于遥感影像纹理信息的湖泊围网养殖区提取方法,事实证明此方法易于实现且提取精度高．该文选用中巴资源卫星02星多光谱数据,以白马湖为试验区,首先采用归一化差值植被指数提取水体及少部分光谱特征与之相似的人工建筑物和裸土,再采用主成份分析对研究区影像进行数据压缩和几何信息增强,利用灰度共生矩阵对影像纹理信息进行分析,以均值为量化指标,确定其最佳阈值,最后以决策树分类方法提取湖泊围网养殖区．     

A classification method of building structures based on multi-feature fusion of UAV remote sensing images

In order to improve the accuracy of building structure identification using remote sensing images, a building structure classification method based on multi-feature fusion of UAV remote sensing image is proposed in this paper. Three identification approaches of remote sensing images are integrated in this method: object-oriented, texture feature, and digital elevation based on DSM and DEM. So RGB threshold classification method is used to classify the identification results. The accuracy of building structure classification based on each feature and the multi-feature fusion are compared and analyzed. The results show that the building structure classification method is feasible and can accurately identify the structures in large-area remote sensing images.     

基于相关变化检测与面向对象分类技术的 多源遥感图像震害信息提取

遥感图像面向对象分类作为空间信息提取的关键技术, 在震害信息提取方面发挥着非常重要的作用, 然而由于光学遥感影像是正射图像, 只能提取建筑物屋顶信息, 这使得单一利用震后光学影像进行震害信息提取存在一定的局限性. 针对该问题, 本文提出了一种基于合成孔径雷达(SAR)相关变化检测的光学影像震害建筑物面向对象提取方法, 即在光学影像面向对象提取的数据中融合SAR相关性, 对光学影像进行面向对象提取震害建筑物时不仅考虑建筑物的几何、 光谱等特征, 还加入震前震后变化信息即SAR相关性进行分类. 在此基础上, 选取2008年汶川M_S8.0地震震区都江堰地区作为研究区进行试验. 结果表明, 本文提出的方法相对于单一使用光学影像进行震害建筑物提取, 其准确度有较明显的提高.