多源数据结合的高分一号土地利用/覆盖分类方法研究

基于多时相的GF-1数据获取NDVI时序变化、NDWI和MNDVI等指数图像数据，辅以Landsat8卫星OLI影像和数字高程模型(DEM)数据，得到了不同地物在光谱、时相和形状等方面的特征；通过分析各种地物类型在这些特征上的差异和变化规律，总结出不同地物的特征提取规则，构建了一种基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法，并以广州市为实验区，运用该方法、最大似然法和最小距离法进行了土地利用/覆盖分类及其精度评价.结果显示:基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法的总体精度为85.86%(部分地物分类精度达到95%以上)，与最大似然法及最小距离法相比，其总体精度分别提高了4.62%和12.24%，说明该方法能够更好地发挥GF-1遥感数据在土地利用/覆盖分类中的实际应用潜力，且有效提高了各种土地利用/覆盖地物类别的分类精度.     

一种扩展的土地覆盖转换像元变化检测方法

基于土地覆盖类型的遥感影像分类结果,改进了一种扩展的基于比较叠合像元的变化检测方法,用于分析城郊土地覆盖类型的变换情况.这种扩展的变化检测方法可同时实现多种土地覆盖类型间的变化检测,依据土地覆盖类型图像中不同类型具有不同的灰度值或RGB(三元色)值的特点,将灰度的或RGB彩色的土地覆盖类型图像重叠得到土地覆盖变化图像,从而统计各种土地覆盖类型的定量转化.以上海市嘉定区1989年、1995年、2001年和2006年4期Landsat TM遥感影像为例,应用该检测方法,计算了1989年及1995年、1995年及2001年和2001年及2006年3个年份间隔各种土地覆盖类型的面积变化和相互转换数据,验证了扩展的变化检测方法的适用性.     

用支持向量机实现尺度和旋转不变性纹理分类

提出了一种简单的尺度和旋转不变性纹理分类方法．首先使用对数-极坐标变换对要分类的各纹理图像进行变换,生成对数-极坐标图像;然后以对数-极坐标图像的正则化以后的行投影数据向量构成纹理图像的特征向量;最后运用支持向量机实现尺度和旋转不变性纹理图像的分类．实验结果表明,该方法在尺度和旋转不变性纹理图像的分类中,准确率可达90％以上．     

人工神经网络在土地覆盖分类中的应用

文章使用A STER遥感数据和土地利用分布图等地理辅助数据,用BP神经网络方法对土地覆盖进行了分类,并与最大似然法的分类结果进行精度比较分析提出神经网络方法在遥感图像分析与处理技术中的应用潜力。结果表明地理辅助数据参与的BP神经网络用于土地覆盖分类研究可以获得相对较好的分类结果。     

稀疏纹理分类的研究

文章研究了视点和光照条件均未知的纹理图像分类,在滤波器输出的联合概率分布基础上,运用贝叶斯分类器和改进分类器进行分类,讨论了纹理的特征提取和用于纹理分类的方法.实验证明,本文算法可以较准确地进行纹理特征提取和分类,使得纹理分类工作变得有较强的实用性.     

基于定量遥感产品的土地覆盖分类方法研究

准确进行土地覆盖类型提取具有重要的实际应用价值,但是目前常用的分类数据较为单一,通常使用地物反射率数据或植被指数,较少使用定量遥感产品.为此,本文使用反照率等产品评价定量遥感产品在地物分类中的实际应用效果.提取定量遥感产品的年平均值、标准差等特征作为地物分类依据,运用随机森林分类方法建立中国地区土地覆盖分类的自学习模型,与仅用地物反射率和NDVI数据进行分类的结果进行比对.结果显示,定量遥感产品辅助下的随机森林模型宏观尺度土地覆盖分类方法的总体精度为89.8%,Kappa系数为0.86,比仅用反射率和NDVI数据进行土地覆盖分类的总体精度提高了12.9个百分点;通过下降梯度法对分类特征的重要性进行评价,发现叶面积指数和反照率2种定量遥感产品在土地覆盖分类模型中重要性较大.结果表明,定量遥感产品用于土地覆盖类型的信息提取,会提高资源环境要素提取的精度,本文方法可为地物分类提供新的思路.     

采用不同融合方法对土地利用现状进行自动分类的研究

LandsatTM图像在土地利用上的应用极为广泛,但TM图像的空间分辨率比较低,因此单独采用TM图像进行土地利用分类的精度也较低。通过融合高空间分辨率全色图像的高频纹理信息来提高TM图像的空间分辨率,使融合后的图像既保留TM图像的多光谱特性,又具有高空间分辨率的特性,易于图像的解译,达到提高自动分类的精度,减少自动分类的误差的目的。笔者运用IHS和KL融合方法,并对生成的新图像作分类精度比较研究,探讨融合图像在土地利用中的应用。     

遥感数据的土地覆盖分类

为有效开展土地覆盖变化检测、碳循环评价和气候评估,从土地覆盖分类中使用的遥感数据、分类方法、土地覆盖分类系统以及分类结果对比4个方面,综述了近年来国际上土地覆盖分类的研究进展.这对建立一套能够反映中国实际,又能与国际上流行的分类系统兼容、灵活转换的土地覆盖分类系统,并建立开放的、及时更新的中国土地覆盖样本数据库,具有现...     

基于Brovey融合的卫星影像土地覆盖变化检测

随着高空间分辨率卫星影像的发展,如ETM ,QuickBird,IKONOSE等高空间分辨率卫星,近20年来已相继开发了许多影像融合的方法,如HIS,PC,HPF,SFIM,SVR,Wavekt和Brovey等融合法．传统的影像融合是将时相相同或相近的影像进行融合,以提高影像的空间分辨率和光谱分辨率,提高影像的目视可解度和分类精度等．而本文却是对不同时相的影像进行融合,用Brovey融合法将不同时相的TM(1986年7月26日)和ETM (2000年5月4日)的Pan波段影像进行融合,再对融合后的影像采用无监督分类和PC2分析两种方法将两时相的土地覆盖变化区域提取出来．研究证明融合法能快速、简便、准确的检测出土地覆盖变化的区域。     

基于D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

基于轮廓波特征的纹理图像识别方法

通过利用方向可控滤波器(steerable filter)和轮廓波(contourlet)分解的方向性及能量变化特性,提出了一种适用于纹理图像的特征提取方法.利用基于轮廓波方向性与分解系数能量的性质可以很好地表示一个旋转纹理图像的特征,而且轮廓波的方向性和分解层次可以根据需要灵活地调节.使用这样的特征并运用简单的分类方法可以对旋转纹理图像进行较为准确的分类.最后通过对标准纹理库(Brodatz)图像的测试,验证了算法的有效性.     

土地利用的遥感信息变化提取研究

利用卫星遥感影像进行土地利用类型分类和动态变化监测是遥感应用中的一个重要课题。本文选择不同时相的ETM 和SPOT-5卫星遥感影像数据,对两期影像进行监督分类,快速提取不同时期的土地利用数据;然后进行动态变化监测,获得土地利用情况的变化特征和信息;最后对其分类精度进行评价分析。研究表明,两期影像中耕地、居民用地和未利用地这三个类别的变化面积较大;ETM 影像进行监督分类的精度为90.1692%,Kappa系数值为0.8268;SPOT-5影像进行监督分类的精度为95.1477%,Kappa系数值为0.9361。由于SPOT-5影像的分辨率较高,分类效果更优于ETM 影像,更能准确的反映土地类型的信息和特征。     

基于遥感的昆明市城市土地利用变化情况对比研究

利用昆明地区1992年、2005年两个时相TM数据,在ERDAS IMAGINGE8.5专业遥感图像处理软件的支持下,进行土地利用分类和昆明市区13年来土地利用化的对比研究.将分波段分层分类法与基于监督分类的分层提取法相结合,利用TM影像多光谱数据间的有效重组利用,在TM145波段组合影像上提取建设用地和水体,在TM345组合上提取剩余地类.在单纯运用监督分类法对掩膜后的2005年影像分类难以达到精度要求时,用基于监督分类的分层分类法,分出一类掩膜掉一层,最终将所有层叠加得到研究区土地利用/土地覆盖分类图,分类精度达到要求.并根据分类结果进行研究区13年来土地利用数量结构变化分析和土地利用转型分析.     

基于数学形态学和神经网络的纹理分类

本文提出一种基于数学形态学和神经网络的纹理分类方法．首先运用数学形态学的开、闭运算提取纹理图像的特征,然后用ＢＰ神经网络对纹理进行分类．实验证明这种方法是有效的     

结合Gabor滤波和同质性判定的高光谱图像分类

针对传统高光谱图像分类算法多利用目标类别光谱信息而忽略空间信息的问题,提出了一种综合利用空间信息与光谱信息的分类算法．首先,利用主成分分析（PCA）和无参数加权特征提取（NWFE）分别对高光谱数据进行特征提取;然后,在PCA第一主成分的基础上进行二维Gabor滤波得到像元纹理特征,结合纹理信息与光谱信息利用支持向量机对图像分类;最后利用多尺度区域同质性判定进一步改进图像分类精度．实验表明,该算法能够消除“噪声”像元,有效地提高图像分类精度．     

基于地质统计学影像纹理的海南矿区荒漠化监测

多年来,由于对钛矿的无序开采,使得海南岛东部出现大面积的土地荒漠化.采用遥感的手段进行跟踪监测,合理地授予采矿权,组织适当的复垦,是解决当地荒漠化的有效途径.基于不同沙地类型在地表空间结构上的差异,提出将基于地质统计学的影像纹理应用到荒漠化监测中,通过变异函数纹理来加大各种不同类别沙地间的区别,提高样本选择的分离度.结果表明,运用变异函数纹理结合光谱波段的最大似然分类方法能够很好地界定海滩沙地和内陆荒漠地的等级,最高分类精度达到92.4%,证明了基于地质统计学的影像纹理在实现该地区遥感荒漠化监测方面的有效性.     

中国自然植被物候特征遥感分类

现有的土地覆盖分类数据以及植被-气候分类或分区数据均未考虑各类型或各分区单元内的植物物候差异,也没有排除各分区单元内受人为干扰强烈的区域,从而不利于单独考察植被物候与气候变化的相互作用关系.本文基于1km分辨率的多年SPOT-VGT归一化差值植被指数(NDVI)时序数据,首先依据植被信号强度、植被季相变化强度以及受人为干扰程度将中国自然植被按物候特征划分为极明显、明显、较明显和其他4个一级类别;并进一步利用能够较好反映NDVI时序数据形状特征的光谱角余弦作为相似性测度方法,根据物候相似性对极明显、明显、较明显这3个一级类别分别聚为9、15、7个二级类别;最后采用7个物候指标的变异系数来评价分类效果.结果表明,同已有的植被-气候分类或分区数据(生物气候区、生态区、植被区划、IGBP土地覆盖分类、生态物候区)相比,本文构建的植被物候二级类别具有更为一致的物候特征,该物候分类结果可为植被物候与气候变化关系研究、陆地生态系统碳循环模拟、植被物候地面监测站点选址提供基础数据和科学依据.     

基于色彩纹理特征的图像分类及应用

目的研究彩色数字图像的计算机分类识别方法并应用于古瓷片的自动分类。方法提出了一种色彩纹理特征的提取模型,采用该模型,利用IGabor滤波器提取数字图像的色彩纹理特征,并构造支持向量分类机(SVM)分类器组。结果实现了高准确率多类别图像的自动分类识别,并成功应用于古瓷片的自动分类。结论色彩纹理特征提取方法将颜色与纹理进行融合,增强了数字图像之间的特征区分能力。     

基于模糊分析的多光谱遥感图像的纹理特征

模糊分析的方法是用均一表面不确定性对原始图像进行模糊纹理滤波,在滤波图像上计算空间均一不确定性,对不确定性进行模糊纹理光谱分析,其光谱曲线直观地反映了多光谱遥感图像的纹理特征;通过采用不同的洲量窗口,在不同的类别提取纹理样品进行实验.研究结果表明:多光谱遥感图像在小区域纹理特征不稳定,不同波段的纹理特征不同,不同类别的最小测量区域不同;模糊纹理分析的方法可用于图像分割.     

基于3-D Gabor纹理特征和GBDT分类器的高光谱分类方法

为了有效提取高光谱图像的空间和光谱维特征,获得准确率和分类效率俱佳的方法,利用52个不同方向和频率的3-D Gabor滤波器提取图像的纹理特征,结合梯度优化决策树分类器(GBDT)完成高光谱图像分类.结果表明3-D Gabor+GBDT方法的分类准确率高于CNN算法、Gabor以及EMAP为纹理特征的方法,且高于CNN和以SVM为分类器的方法.虽然3-D Gabor+GBDT建模训练时间长,但是该方法在保持高准确率的前提下,分类效率依然较高,适合大规模高光谱图像的在线分类场景.