Land cover classification of remotely sensed image with hierarchical iterative method

Based on the analysis of the single-stage classification results obtained by the multitemporal SPOT 5 and Landsat 7 ETM+ multispectral images separately and the derived variogram texture, the best data combinations for each land cover class are selected, and the hierarchical iterative classification is then applied for land cover mapping. The proposed classification method combines the multitemporal images of different resolutions with the image texture, which can greatly improve the classification accuracy. The method and strategies proposed in the study can be easily transferred to other similar applications.     

基于合成核支持向量机的高光谱土地覆盖分类

提出一种基于合成核支持向量机的高光谱数据分类方法。该方法首先对高光谱数据进行分组, 对得到的不同数据组分别运用支持向量机方法进行分类参数的优化, 然后组合不同的核函数来综合不同的数据组, 得到最终的分类结果。利用华盛顿地区 HYDICE 高光谱数据对所提出的方法进行评价和验证, 结果表明, 基于合成核支持向量机的高光谱图像分类, 可获得比传统支持向量机更高的分类精度。     

基于粗集的遥感影像决策树分类新方法

土地利用信息是进行土地规划和管理的重要数据,有着重要的经济价值.采用计算机仿真技术对遥感影像进行自动分类是一种获取土地利用数据十分有效的手段.然而遥感影像的不确定、不一致现象易导致过度拟合,增加了分类难度.提出了一种新的基于粗集的决策树用于遥感影像分类.经试验表明该分类方法较CART树、ID3树等算法在分类精度、防止过度拟合方面均有所提高.     

Integrating genetic algorithm method with neural network for land use classification using SZ- 3 CMODIS data

This paper presents a methodology on land use mapping using CMODIS (Chinese Moderate Resolution Imaging Spectroradiometer) data on-board SZ-3 (Shenzhou 3) spacecraft. The integrated method is composed of genetic algorithm (GA) for feature extraction and neural network classifier for land use classification. In the data preprocessing, a moment matching method was adopted to remove the stripes in the images. Then by using the reproduction, crossover and mutation operators of GA based on the mechanism of “natural selection”, and with Jeffries-Matusita distance as its discriminate rule and the training samples, the optimal band combination for land use classification was obtained. To generate a land use map, the three layers back propagation neural network classifier is used for training the samples and classification. Compared with the Maximum Likelihood classification algorithm, the results show that the accuracy of land use classification is obviously improved by using our proposed method, the selected band number in the classification process is reduced, and the computational performance for training and classification is improved. The result also shows that the CMODIS data can be effectively used for land use/land cover classification and change monitoring at regional and global scale.     

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．     

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。     

Land cover classification of RADARSAT-2 SAR data using convolutional neural network

In this paper, we propose a convolutional neural network (CNN) based on deep learning method for land cover classification of synthetic aperture radar (SAR) images. The proposed method consists of convolutional layers, pooling layers, a full connection layer and an output layer. The method acquires high-level abstractions for SAR data by using a hierarchical architecture composed of multiple non-linear transformations such as convolutions and poolings. The feature maps produced by convolutional layers are subsampled by pooling layers and then are converted into a feature vector by the full connection layer. The feature vector is then used by the output layer with softmax regression to perform land cover classification. The multi-layer method replaces hand-engineered features with backpropagation (BP) neural network algorithm for supervised feature learning, hierarchical feature extraction and land cover classification of SAR images. RADARSAT-2 ultra-fine beam high resolution HH-SAR images acquired in the rural urban fringe of the Greater Toronto Area (GTA) are selected for this study. The experiment results show that the accuracy of our classification method is about 90% which is higher than that of nearest neighbor (NN).     

基于分形的自然纹理自相关描述和分类

为进一步进行纹理分析研究了有效的纹理描述方法。从估计分数 Brownian运动的指数入手 ,提出了一种基于分形的描述自然纹理的新方法——自相关法。该方法利用纹理图像亮度差值的自相关函数来描述自然纹理。纹理分类实验表明 ,自相关法具有很好的描述自然纹理的能力。     

一种渐晕纹理图像自动分类方法

传统纹理分类方法对光照比较敏感,不均匀的光照分布（如渐晕）会在很大程度上影响纹理分类的准确率．为解决此类问题,针对渐晕纹理图像,提出了一种纹理图像自动分类方法;在利用小波包提取纹理指数算法的基础上,根据渐晕系数自动调整各小波包分解系数,从而消除了渐晕现象对纹理特征指数的影响,最终提高了纹理分类的准确率．仿真实验结果表明,利用此方法对渐晕纹理图像进行分类,准确率有了较大程度的提高,取得了比较理想的分类效果．     

乳腺X线图像肿块分类方法研究

乳腺X线图像肿块的良恶性分类是计算机辅助诊断的研究内容之一,本文对乳腺X线图像肿块边缘分割及不同特征的肿块良恶性分类进行研究.基于最大化分割后图像类间方差的思想,提出了一种改进控制标记分水岭方法完成粗分割,然后采用无边缘活动轮廓(CV)模型对粗分割结果进行修正.为了验证不同特征在肿块良恶性分类中的性能,对现有形状特征、纹理特征在不同分类器下的分类性能进行测试.实验在开源数据库DDSM上验证,结果表明,在通过自动分割方法得到肿块边缘的情况下,纹理特征的分类性能更好.     

基于多纹理特征和PCA的地基云图识别研究

地基云图自动分类识别对于天气现象的诊断和预报具有重要意义。以地基云图为研究目标,首先在提取云图灰度共生矩阵和Gabor变换特征的基础上计算云图的多纹理组合特征,然后采用主成分分析法对组合特征进行数据降维,获取最终鉴别特征。通过对积雨云,高积云和层积云三类地基云图进行分类识别的实验结果表明,该方法可以同时提高云图分类的精度和效率。     

基于模糊聚类SVM的混合像元分类方法

针对遥感影像分类过程中混合像元难判别的问题, 提出一种基于Gustafson-Kessel模糊聚类算法的支持向量机（SVM）分类模型. 以Gustafson-Kessel算法优选训练样本方式提高支持向量机的分类性能. 为验证其有效性, 将该模型应用于森林覆盖类别分类, 并与标准支持向量机模型分类结果对比. 实验结果表明, 该方法能提高支持向量机对混合像元划分的精度.     

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.     

城市热岛研究中地表温度与植被丰度的耦合关系

城市热岛遥感研究传统上应用归一化植被指数(Norm alized D ifference Vegetation Index,NDVI)作为植被丰度(vegetation abundance)的指示,并用于耦合地表温度与植被之间的关系.文章探讨了运用光谱混合模型获得的植被比例(vegetation fraction)作为植被丰度指标的一种选择,以2000年9月14日获得的122/44景ETM 截取的广州市海珠区作为验证影像,运用最小二乘法将变换的影像分解成三个分维影像,即绿色植被、非渗透性表面和水体.结合最大似然分类和决策树算法的混合分类处理,将比例影像进行土地覆盖分类.结果表明,地表温度与分解的植被比例的负相关关系比地表温度与NDVI的负相关关系要高出几分.由此说明,地表温度结构的空间变异无疑与归一化植被指数和植被比例相关,不同土地覆盖类型的热辐射与植被动态的相互影响导致地表温度在光谱辐射率和结构上的变化,这些变化在别的影像中也有表现,这是城市热岛空间格局形成的原因.     

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...     

基于多特征的高光谱遥感土地利用信息提取

【目的】为了降低高光谱遥感数据噪声,提高土地利用分类信息提取精度,探索结合纹理和空间信息的分类方法。【方法】以河南镇平县Hyperion高光谱成像光谱仪获取的高光谱影像为数据源,借鉴决策树分类思想,采用了一种结合光谱、纹理和空间信息的高光谱遥感多特征地类提取方法,先通过提取光谱特征初步提取地类,再分别采用提取纹理特征和基于空间信息的植被提取进行详细地类信息的分层提取,最后,用地面实测样点验证各类土地利用类型的分类精度,比较了用不同方法对不同地类的提取效果。【结果】基于多特征的地类分层提取体系中,采用各波段光谱反射率区分大的地类,再用纹理特征进行光谱差异较小的地类划分,而基于空间信息进行植被的分类。通过结合纹理和空间信息提取方法的总分类精度达86.7%,较最大似然法分类精度提高13.3%。【结论】高光谱与纹理和空间信息相结合的遥感分类方法能有效减小噪声,提高分类精度,可为土地利用分类提取研究提供一定的参考。     

利用分层分类法进行厦门岛城市地表分类研究

利用分层分类法把厦门岛城市土地类型分为七类,并对分类结果进行了验证．在TM图像光谱特征分析和归一化差异型指数分析结论上,提出分层分类法的分类步骤．利用ERDAS的专家分类器逐类地提取土地类型,并利用掩膜法将原图像上新提取地类所对应区域掩膜掉,使得分类过程越来越容易．分层分类法避免了一次划分多种类别方法在选择波段组合上的矛盾．精度评价结果表明,总分类精度达到90．9％,达到分类要求标准．     

基于局部模式纹理描述符的杂草自动分类算法

传统的耕作过程中,除草剂的施用对环境、人体健康以及其它生物都会产生不利的影响。为了解决这个问题,提出了基于局部模式纹理描述符的简单有效的杂草自动分类算法,首先借助于局部二元模式（LBP）、局部的三元模式（LTP）、局部定向模式（LDP）三种广泛使用的纹理描述算子对杂草图像进行纹理编码,然后通过微观层面的纹理图案将杂草图像分类成阔叶杂草和禾本科杂草,最后利用模板匹配和支持向量机完成了杂草的自动分类。在自己拍摄的400张杂草图像样本上的实验验证了所提方法的有效性,实验结果表明,与最先进的方法相比,所提方法取得了更好的分类性能。     

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。     

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.