用随机决策树群算法进行高光谱遥感影像分类

摘要： 高光谱影像具有丰富的光谱信息,与全色、多光谱影像相比能更好地进行地面目标的分类识别. 该文对决策树分类算法的优劣进行分析,引入随机决策树群算法,对青海省祁连县Hyperion高光谱影像和IRS-P6影像数据进行实验,使用子空间划分和光谱距离进行降维后,分别采用支持向量机、神经网络、最大似然法进行分类,并与随机决策树群算法分类结果进行比较. 结果表明,该算法表现最优且无需降维预处理,可广泛应用于高光谱遥感领域.     

基于决策树方法的遥感影像分类

以齐齐哈尔市辖区为研究区域,利用分类回归树（Classification and Regression Tree,CART）算法从训练样本数据集中挖掘分类规则,集成遥感影像的光谱特征、纹理特征和地学辅助数据建立研究区的决策树模型.用实测的GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法（Maximum Likelihood Classification,MLC）进行对比.结果表明,基于CART的决策树分类结果的总精度和Kappa系数分别为82.24％和0.77,分类精度较MLC监督分类方法有明显提高,有较好的分类效果.     

基于高分二号的矿区土地利用精细分类与分析

以陕西大西沟金属矿区为研究区,选取国产高分二号卫星全色锐化的多光谱影像为主要数据源,并以研究区的实地调查资料为辅助资料,采用面向对象的支持向量机(SVM)监督分类方法和基于像素SVM分类对该地区的土地利用精细分类,多角度分析比较。结果表明前者分类精度达到了87.63%,更适合矿区土地利用精细分类。从而采用前者分类方法结合矿区道路距离图和矿渣分布图,来分析研究矿区土地变化的一些特征以及对周边环境的影响,为矿区的土地利用和规划提供重要基础。     

面向对象的无人机影像地物分类

为了对农村用地进行有效分类,本文选取面向对象的分类方法,利用某农村的无人机航摄影像提取其土地类别信息。首先对无人机获取的原始影像进行预处理;然后对研究区反复进行分割实验,选取最优的分割尺度,在不同层次进行最优尺度地物分割;最后根据地物矢量、光谱、形状等特征差异,对最优分割尺度层上的地物进行最适宜的分类规则的建立,进而在每一层提取土地利用信息。利用单一尺度分割分类进行对比实验,选取734个样本进行精度验证,研究结果表明：多尺度多层次分割分类的总体分类精度可达84.20%,kappa系数为0.806 2;单一尺度分割分类总体精度仅为77.11%,kappa系数为0.721 4。由此可见,本文研究所采用的数据和区域内的类别的分类精度更高。     

不同融合算法对ETM＋遥感影像分类精度的影响分析

以福州市南台岛的ETM＋遥感影像为基础数据,利用ERDAS Imagine8.7、ENV14.0等遥感影像处理软件,运用主成分法（PCA）、乘积法（MLT）、Brovey变换和HIS变换融合算法对ETM＋遥感影像全色波段（第8波段）与多光谱波段（第1-5、7波段）进行融合试验;从融合影像的光谱保真度、高频空间信息融入度等角度对融合后的影像进行比较分析;对各种融合后影像进行非监督分类,并评价各种分类结果进行精度,为用户进行影像分类前选择融合方法提供参考。     

基于无人机多光谱的黄土高原植被提取分割分类研究

【目的】植被作为生态系统的主要组成部分,其种类和数量及其变化对生态系统有着重要影响。探究在我国黄土高原小流域进行植被提取分割时的最优分割尺度,有助于快速准确地提取植被信息,对于监测黄土高原生态系统状况和维持生态系统稳定具有重要意义。【方法】基于吴起县柴沟流域无人机多光谱影像和面向对象的方法,使用eCognition软件对影像进行多尺度分割研究。【结果】经分析,在分割尺度为240、形状权重为0.7、紧凑权重为0.1时影像的分割效果最好,基于该分割结果,选用纹理特征和光谱特征为分类指标,采用随机森林方法对影像进行分类,分类总体精度和Kappa系数分别为96.2%和0.951。【结论】研究结论可为柴沟流域植被结构优化及黄土高原生态环境保护和植被恢复治理提供技术参考。     

基于多特征卷积神经网络的哨兵二号影像地物分类

空间分辨率为10 m的哨兵二号影像在原始的GoogLeNet中以影像的光谱值作为输入，没有将影像中的地物视为一个整体对象，为了利用影像的面向对象特征，提出了基于多特征的Object-oriented GoogLeNet网络结构。Object-oriented GoogLeNet在原有模型的基础上，引入了面向对象的光谱特征和形状特征，充分利用了不同地物间差异的形状特征进行分类。在武汉市及其周边的无云影像制作的数据集上，Object-oriented GoogLeNet模型的分类结果总体精度在GoogLeNet基础上提升了1.773%。结果表明，引入面向对象的特征模型在哨兵二号遥感影像分类中效果更好。     

贝叶斯方法和非参数模型支持下的遥感影像线性光谱分解

针对遥感影像混合像元分解中的地物光谱不确定性问题,提出利用非参数模型来刻画地物光谱的概率分布,并基于贝叶斯方法得到地物面积比例的后验概率分布,最后利用无偏估计和最大似然估计来估算地物面积比例. 通过Landsat遥感影像不透水层制图的实验表明,所提方法的分解精度高于传统的线性光谱分解算法和硬分类方法,证明了贝叶斯方法能够较好地解决地物光谱不确定的问题.     

基于Landsat-8监督分类与非监督分类的土地利用分类方法比较

本文以遥感监督分类和非监督分类原理为研究基础,采用2018年Landsat-8遥感影像作为基本数据源,利用监督分类和非监督分类中的最大似然和ISODATA分类法对宿州市埇桥区遥感影像进行处理,最后对分类的结果进行精度评价。通过分析可知,监督分类的分类效果更好,非监督分类虽然精度较低,但其不需要先验知识,所以分类速度更快。因此,在分类时,要根据实际情况来选择合适的分类方法。     

LANDSAT 8 OLI影像不同融合方法的地类信息提取

为了探究影像融合技术在土地分类中的适用性,找出适用于不同地物提取的融合方法,以LANDSAT 8 OLI 15m全色/30m多光谱影像为数据源,采用PC变换、Brovey变换、GS变换三种融合法对全色和多光谱影像进行融合,并对融合结果进行了定性和定量评价.基于地物光谱特征、决策树分类法提取研究区地类信息,比较多光谱影像和融合影像的信息提取精度.结果表明,三种融合方法均在空间细节表现能力得到提升,GS融合影像对建筑物识别能力较强,适用于城市建筑提取,而PC融合影像信息量最为丰富,突出显示水和植被信息,总分类精度和Kappa系数均为最高,是最适于农业信息提取的融合方法.