基于面向对象分类方法和多源遥感数据的龙祥岛区域湿地变化检测

利用龙祥岛区域2001年ASTER影像、2013年GF-1影像以及Google Earth影像等辅助数据,基于面向对象分类的方法,建立各地物类型的提取规则,提取出龙祥岛区域湿地-非湿地信息,并基于e Cognition软件对龙祥岛区域湿地进行变化检测,最后利用Excel统计软件作出湿地-非湿地信息面积转移矩阵及面积转移率矩阵.结果表明:2001年ASTER影像分类总体精度为87.42%,Kappa系数为0.84;2013年GF-1影像分类总体精度为90.72%,Kappa系数为0.87.研究区2001-2013年间,湿地总面积减少了4.05%,为1.1 km~2,其中天然湿地(包括永久性河流和滩涂)总面积减少了1.65%,为0.42 km~2,人工湿地(包括淡水养殖场和农用池塘)总面积减少了39.76%,为0.68 km2;非湿地总面积增加了4.71%,为1.1 km~2.人工湿地和天然湿地内部变化情况呈现出不同的状态,天然湿地中,约有3.888 km~2的滩涂面积变为永久性河流,主要变化区域位于研究区的东南部和西北部;而在人工湿地中,约有0.663 km~2的淡水养殖场和0.41 km2的农用池塘变为非湿地,主要变化区域位于龙祥岛本岛及研究区的西南角部分,人工湿地变化的主要原因是人类生产生活进程的加快.     

面向对象的遥感影像湿地分类与变化检测研究

在面向对象技术支持下,运用多特征融合的遥感影像分类方法进行湿地分类提取,并通过对比得出两个时期的湿地变化.一时期Aster影像的总体精度为87%,Kappa系数为0.85;二时期GF影像的总体精度为87%,Kappa系数为0.83.通过对比计算发现福州市龙祥岛地区湿地总量减少,变化较显著的两类湿地是河流和滩涂,河流面积增加5.54%,滩涂面积减少6.83%.为及时掌握湿地的情况、做好湿地的开发与保护提供了参考.     

面向对象的高分辨率遥感影像变化检测方法

变化信息是遥感图像中的一类重要信息,变化信息的自动检测是遥感图像智能解译的重要研究领域.利用面向对象分类技术,对一种同一地区不同数据源的高分辨率遥感影像采用了分类后比较的变化检测方法.介绍了方法原理,建立规则以及实现过程;最后利用提出的方法对同一地区不同时相的QuickBird影像和IKONOS高分辨率遥感影像实施了变化检测实验,结果表明将基于面向对象技术的变换检测方法用于不同数据源的高分辨率遥感影像变化信息的检测是切实可行的,并具有较高的提取精度.     

基于决策树模型的面向对象方法的遥感湿地信息提取

以宁夏回族自治区中卫市与腾格里沙漠边缘及其毗邻区域为研究区,运用基于决策树模型的面向对象方法,对图像融合后15m分辨率的Landsat 8 OLI遥感影像进行湿地信息提取研究,并与基于对象的最大似然法的分类结果进行比较,结果表明,基于决策树模型的面向对象法相比于基于对象的最大似然法的湿地分类总体精度提高了18.45%,Kappa系数提高了0.17,分类结果精度显著提高。     

面向对象的高分辨率遥感影像建筑物变化检测

以武汉市东湖高新技术开发区部分区域为研究区,提出基于面向对象的高分辨率遥感影像建筑物变化检测法.利用BMI算法提取建筑物,利用CVA算法进行变化检测得到全部对象差异度,利用EM算法的贝叶斯阈值计算方法确定变化阈值.结果表明,基于面向对象的变化检测总体精度为89.48％,Kappa系数为0.86,优于基于像元的变化检测,...     

基于面向对象的长株潭地区遥感影像分类方法

结合Landsat TM遥感影像和环境减灾卫星HJ-1-A、B影像数据,基于面向对象的遥感影像分类技术实现长株潭地区土地利用/覆被的分类提取.综合利用隶属度函数和最邻近分类方法设置分类规则,逐步提取林地、湿地、耕地、人工表面的地物信息.以地形复杂多样的长株潭地区为研究区,收集整理具有代表性的样点用于分类和精度评价.结果表明,利用隶属度函数方法分类结果基本能满足生产者和用户的需要,但是林地、耕地内部二级类精度相对较低,错分比较严重,采用最邻近分类优化分类结果后,研究区总体分类精度达到86.05%,耕地和林地一级类分类精度分别提高到73.63%和87.1%.     

基于SVM的遥感影像土地利用变化检测方法

利用遥感影像的直方图统计量作为基本检测特征,采用支持向量机(Support Vector Machine,SVM)理论对淄博某地区的土地利用变化情况进行检测。为验证SVM方法的检测精度,分别使用Fisher判别准则、类别可分离判据等方法进行对比分析。遥感数据来自两个时相分辨率为0.6 m的Quickbird影像,相对于传统TM、SPOT影像,该方法能够提取出小范围内的土地利用变化情况,适合区县级范围内的土地变更调查。     

基于频域显著性方法和ELM的遥感影像变化检测

提出一种基于频域显著性(FDS)方法和极限学习机(ELM)方法进行遥感影像变化检测的方法.首先,对利用变化矢量分析方法(CVA)获取不同时相遥感影像的光谱特征差异图及纹理特征(灰度共生矩阵法)差异图进行融合获得差异影像(DI);然后,利用频域显著性方法获取差异影像的显著性图,采用模糊c均值(FCM)聚类算法对显著性图选取阈值得到的粗变化检测图进行预分类(变化像素、未变化像素、待定像素);最后,从光谱及纹理特征影像上提取变化像素和未变化像素的邻域特征作为可靠样本进行ELM训练,并利用训练好的ELM分类器对粗变化检测图进行变化检测,得到最终的变化检测图.通过对高分辨率遥感影像数据实验结果表明本方法的变化检测精度及性能优于其他对比方法.     

基于遥感影像建筑物的变化检测研究

随着自然灾害的频繁发生和城市违法建设的增多,在灾后救援、灾后评估和城市规划、城市管理工作中对于掌握建筑物变化的情况越来越重要,应用遥感技术进行变化检测成为研究热点。通过基于图像增强和二次特征的方法以及阴影分析法进行了建筑物的变化检测研究。     

基于CART决策树的柴油机故障诊断方法研究

采用一种自适应局部有效值（RMS）计算方法提取柴油机缸盖振动信号时域特征,结合分类回归树（CART）算法建立故障分类模型并进行柴油机的状态识别。通过实验获取柴油机失火和撞缸两种故障工况及正常工况下的振动数据,计算出原始信号的局部RMS后,根据自适应阈值确定点火冲击区域和非点火上止点冲击区域提取局部特征,最后将特征输入CART算法中构建分类模型来验证所提取特征的有效性。结果表明：柴油机在3种状态下的识别率均达到100%,基于CART算法和局部特征提取的方法能够有效诊断柴油机故障。     

基于规则的遥感影像分类方法研究——以黄山市为例

介绍了决策树C4.5算法,并利用该算法实现了对遥感数据规则的挖掘,在此基础上设计并实现了针对于C4.5规则的编辑器,通过该编辑器能够实现对规则的编辑与管理。规则编辑器的设计与实现,为在分类过程中人工的干预提供了可能。将人工干预与基于数学理论规则的自动提取相结合,尤其是在地形较复杂的地区,将有利于分类精度的提高。利用黄山市Land Sat TM影像,进行了基于C4.5算法自动提取规则的遥感影像分类实验。实验结果表明,利用C4.5算法提取的分类规则准确率高,利用提取的分类规则进行的遥感影像分类效果较好。     

基于复合变换的湿地信息提取的决策树方法研究——以安庆沿江湖湿地为例

湿地具有多种独特的环境功能和生态效益,在维持地球表面生态平衡中起着极为重要的作用,因而受到人们的极大关注.因此如何快速准确的获取湿地基础信息,成为湿地研究的关键.文章以安庆沿江湖湿地为例,通过对研究区TM影像进行HSV、IHS、LBV、K-T等多种变换和采样分析,构建了新的指数和谱间关系,并在此基础上建立决策树模型提取湿地信息.结果表明,该方法能够快速、准确、客观的提取湿地信息,为湿地研究提供精确的基础数据.     

基于SVM的遥感影像监督分类方法研究 ——以天水市三阳川地区为例

遥感影像分类技术是研究土地利用、规划与地理空间信息分析的重要技术手段,遥感影像分类的模型算法在各类遥感图像分类应用中起着重要作用.文章通过实地踏勘数据与图像纹理与光谱信息对比分析选择训练样本,对SVM支持向量机等6种分类方法进行结果分析与分类精度评定并得出结论.通过分类实验数据对比分析,得出基于SVM分类方法的精度高于...     

基于卫星遥感影像的黄河三角洲湿地景观格局动态变化研究——以东营市为例

以黄河三角洲东营市为研究区域,以湿地为研究对象,以多时相Landsat卫星遥感影像为主要数据源,在GIS技术支持下,对东营市湿地景观时空变化进行了动态分析.研究结果表明:10年间东营市的湿地分布及面积发生了明显变化,湿地总面积减少401.21km2.其中,天然湿地减少689.27km2,主要转化为人工湿地,尤其海涂共减少456.88km2.人工湿地增加288.06km2,面积增加最多的是海水养殖场,增加面积为187.31km2.人为干预是湿地动态变化的主要原因.     

遥感影像数据融合方法的比较和分析——以开封地区SPOT影像数据为例

遥感数据融合技术一直是近几年国际遥感界研究的热点.目前有关融合效果的评价还没有一致的评价准则和标准.因此,如何评价融合结果的客观性和可信度,成为人们长期探索的问题.本文分别对5种基本融合方法进行定性和定量对比分析,从地物光谱的统计特性、相关特性等方面,来分析融合图像的空间分辨率及其与原多光谱影像的光谱一致性,比较得出在光谱特征上扭曲较小和空间分辨率较高的融合方法,为融合算法的应用和完善提供基础.     

利用多特征融合的面向对象的高分辨率遥感影像变化检测

针对高分辨率遥感影像变化检测中的一些难点和传统基于像元的变化检测方法的局限性,提出了一种多特征融合的面向对象变化的检测方法。为保证图斑的空间位置对应,首先利用改进的图像分割算法对两幅影像进行联合分割,然后统计图斑的多种特征,依据该特征进行变化向量分析,得到图斑的变化和非变化类型。最后,利用Quick Bird影像验证了该算法的可行性,检测结果明显优于传统基于像素的检测方法。     

基于eCognition面向对象技术的高分辨率遥感影像土地利用分类——以福州琅岐岛为例

该文采用eCognition软件平台,运用面向对象的多尺度分割方法,对研究区SPOT6影像进行土地利用分类.综合利用光谱、形状与纹理等特征,快速、有效地区分地类.研究结果表明,该软件平台分类效果较好,总体精度达到了88.25％,KAPPA系数为0.8560,与传统的分类方法相比,在提高分类精度的同时,能够有效避免“椒盐现象”的产生.     

基于遥感影像的校园周边建筑物变化检测研究

为使本科生了解卫星遥感技术、掌握机器学习方法,结合吉林大学大学生创新创业训练计划,设计了实验项目“基于遥感影像的校园周边建筑物变化检测研究”。以高分二号(GF-2)卫星影像与吉林一号夜间微光影像为实验数据,实验区域为中国某小学周边地区。使用多种机器学习方法以提取实验区域内不同时段的建筑物信息并对该结果进行精度分析;将建筑物提取结果与地面参考数据进行对比,最终获得了不同时间段的建筑物的变化情况。并且采用了吉林一号夜间微光影像对校园周边建筑与居民活动情况进行了分析。实验结果表明,所选取的随机森林与VGG(Visual Geometry Group)神经网络算法可对遥感影像中的建筑物进行有效识别,并通过不同时期建筑物数量和夜间灯光变化的检测结果,说明了校园对周边地区发展的影响,为城市规划提供了参考信息。     

基于遥感影像的重要地物的变化检测和标注

破坏性灾害会造成巨大危害和损失,灾后一定时间内由于信息匮乏,使得对了解灾情和救灾都极为不利。为了及时获取灾区建筑物、道路、桥梁、水库等重要地物的倒塌和毁坏信息,给出了一种可自动识别和标注灾害前后遥感图像差异区域的方法。首先对时序遥感影像通过三维块匹配(block matching 3D,BM3D)方法去除高斯噪声,然后利用尺度不变特征变换(scale-invariant feature transform, SIFT)方法进行图像配准,通过对差分图像采用Wv＿Canny边缘检测方法获得差异区域重要地物的边缘信息,最后识别并标注出发生变化的重要地物,真实遥感图像实验结果按建筑物变化面积比较,正确率78%～79%,误检率21%～22%,无漏检率。仿真试验和实际遥感影像处理表明：所研究方法可有效识别和标注建筑物等重要地物的差异区,有利于灾后破坏性地物的及时了解和救助工作。