排序方式: 共有23条查询结果,搜索用时 15 毫秒
1.
针对分类规则及其阈值的确定主要依赖人工经验、通用性差问题,该文提出了特征优选支持的面向对象分类规则构建方法。该方法利用面向对象技术,首先使用Boruta算法对先验样本数据集进行特征选择,然后根据隶属度函数构建分类规则集,最后引入置信区间概念,确定分类规则的阈值。以德国波兹坦地区的航空影像、数字表面模型(DSM)以及地面真实参考影像为实验数据,构建城市建筑、城市绿地(包括草地和树木)这两种地类的分类规则,利用不同数量的训练样本,开展面向对象分类实验,与支持向量机(SVM)监督分类方法进行对比分析。实验结果表明,在相同的优选特征下,利用置信区间确定阈值得到的分类规则,提取效果及分类精度更好,尤其在训练样本量少的情况下,该方法得到的分类精度比SVM高30%~40%。 相似文献
2.
探索新型测绘的产生背景与科学内涵等问题,对新时期测绘地理信息事业转型升级与跨越发展具有重要意义。该文首先从经济社会发展需求、测绘发展新阶段、测绘地理信息转型升级、测绘地理信息跨越发展4个方面阐述了新型测绘产生的背景;其次,从新型测绘关系角度给出了新型测绘的内涵与架构,从范围、内容、技术手段、体制机制方面描述了新型测绘的特征;再次,从新型测绘目标出发,描述了新型基础测绘的内涵、要求与主要任务,地理国情监测的总体目标与主要任务,公共服务与应急测绘的新需求与主要任务;最后围绕测绘地理空间数据获取、处理、管理、分析、服务与应用主线,探讨了新型测绘需要着重研究的新理论、新方法、新技术装备,旨在为新型测绘的研究与发展奠定基础。 相似文献
3.
针对遥感影像面向对象分析技术存在的“分类过程中专家分析不同带来的分类结果不一致”问题,提出地理本体驱动的“地理实体描述-模型构建-影像对象分类”解译框架。首先,利用地理本体建立影像对象客观特征与地理专家知识的联系,实现对地理实体的描述与表达;其次,利用知识工程方法以及计算机可操作的形式化本体语言构建影像对象特征、分类器的本体模型,形成语义网络模型;最后,联合语义网络模型与专家规则实现影像对象的语义分类。地表覆盖分类实验结果表明,该方法不仅能够得到反映真实地理对象的遥感影像分类结果,而且能够掌握地理实体的语义信息,实现地表覆盖分类知识的共享与语义网络模型的复用,为遥感影像面向对象分析提供了一种全局性的解译分析框架及其方法。 相似文献
4.
高分辨率遥感影像融合研究 总被引:1,自引:0,他引:1
遥感影像融合不仅可以提高原多光谱影像的空间分辨率,更重要的是最大量地保留影像的光谱信息。为了研究适合于QuickBird遥感影像融合的融合方法,本研究应用乘法复合算法(MLT)、改进的Brovey(MB)、高通滤波(HPF)以及基于平滑滤波的亮度调节算法(SFIM)四种融合方法对QuickBird影像进行了融合试验和分析。试验区以覆盖不同土地利用类型的一小景QuickBird影像为基础。采用了均值偏差、标准差、信息熵、平均梯度和相关系数五种数字统计方法来定量地评价由以上算法产生的融合影像。分析结果表明:SFIM算法在光谱保真性、高频信息融入度、影像清晰度方面都优于其他三种方法。因此,在研究的四种方法中,SFIM算法最适合Quick-Bird影像融合。 相似文献
5.
针对如何选择遥感影像面向地理对象分类方法的问题,该文面向地理国情普查中的地表覆盖分类应用,以3个典型区域(山区、平原、城区)的多源高分辨率遥感影像为实验数据,从分类效果、分类精度等方面对比分析3种分类方法(支持向量机、决策树、随机森林)的优劣。在相同影像分割、特征提取、样本采集条件下,通过333组分类实验,得出以下规律:支持向量机分类方法稳定性强,分类速度快,但对特征数的要求高,特征数目与总体精度、地物环境之间的规律性不强,从而增加了特征提取与选择的难度,而随着特征的增加,决策树、随机森林的总体分类精度均为先升高后降低,最后趋于平衡。最后,综合随机森林对特征的优选机制和支持向量机的高分类精度,得到新的组合分类器。 相似文献
6.
7.
面向地理对象影像分析(GEOBIA)技术取得了显著的进展,代表了遥感影像解译的发展范式,其主要目标是发展智能化分析方法。随机森林机器学习方法是一种相对新的、数据驱动的非参数分类方法,具有自动特征优选、自动模型构建等优势,为智能化分析提供了有效手段。充分利用GEOBIA及随机森林机器学习的优势,提出了基于随机森林的地理要素面向对象自动解译方法,阐述了随机森林面向对象分类方法的技术流程,为设计和实现该方法提供了详细指导,有助于指导用户优选特征和构建分类模型。通过与支持向量机分类的对比实验证明,该方法可以自动进行特征优选及分类模型的构建,利用较少的特征得到较高的分类精度,在不损失性能的前提下减少了计算量和内存使用,能够为大范围、大区域地理要素自动解译提供先验知识及自动化的手段。 相似文献
8.
遥感影像解译是一个不断发展的研究方向,随着日新月异的遥感应用需求、高分辨率遥感数据的快速发展、地理知识的日积月累、以及人工智能技术的发展,亟需发展自动化、智能化的遥感影像解译技术。本文针对遥感影像智能解译,首先从遥感影像解译单元、分类方法、解译认知3个方面阐述遥感影像解译的研究进展,然后提出了面向地理场景的 “地理知识图谱构建—深度学习模型构建—地理知识图谱与深度学习模型协同的遥感影像语义分类”遥感影像智能解译总体框架,并给出初步试验成果,最后对智能解译的重要发展趋势予以展望,以期拓展遥感影像智能解译研究的思路与方法,提高遥感影像智能解译的精细程度和智能化水平,使智能解译具备地理空间理解能力,推动“数据—信息—知识—智能”的深度转化。 相似文献
9.
10.