基于随机森林算法的城区土地覆盖分类研究

随机森林算法是一种高度灵活且易于使用的机器学习算法,目前在遥感影像分类中应用广泛。为了验证其在城市土地覆盖分类中的效果,本文对河南省洛阳市局部城区进行了土地覆盖分类实验,将Landsat 8(OLI)遥感影像的光谱波段、光谱指数和纹理特征相结合,构成多种特征组合进行随机森林算法分类比较,选择分类效果最佳方案,并与支持向量机方法进行比较。后利用随机森林算法对该组合特征变量高维数据进行降维处理,得到优化特征方案。实验结果表明:采用多源特征组合的随机森林算法的土地利用分类效果最佳,总体精度为90.54%,Kappa系数为0.890,比支持向量机方法的分类精度提高了3.1%;降维处理后的特征方案与随机森林结合在保证分类结果拥有高准确度的同时,减少了运算时间,实现了土地覆被类型信息的高效获取。表明随机森林算法在城区土地覆盖分类上有很好的适用性与稳定性。     

基于人工免疫算法的光学影像与SAR影像配准方法

提出了一种基于人工免疫算法的光学影像和SAR影像配准方法,该方法从影像上的面状地物入手,仅从识别性较好的光学影像上提取面状地物,先随机给定一组配准参数,将光学影像上面状地物的坐标经仿射变换获得新的坐标,以转换后新坐标在SAR影像上对应区域的均质性为评价标准,并利用人工免疫算法对配准参数进行优化,从而得到影像配准结果.最后,利用WorldView-2和RadarSat-2影像的配准实验验证该方法的有效性,结果表明该方法配准精度可优于2像素.     

基于超像素与Span-Pauli分解的SAR影像分类

针对高分辨率极化合成孔径雷达(SAR)影像解译中面向像素方法难以充分利用影像信息的问题,提出一种基于超像素与Span-Pauli分解的非监督分类方法.利用分水岭方法易于过分割的特点,将分水岭分割得到的特征相似、空间相邻的像素集合视为超像素,并作为分类算法的基本处理单元.利用极化参数Span及Pauli基对极化SAR数据进行迭代分类,以实现适用于高分辨率SAR影像的非监督分类.采用X波段高分辨率SAR数据进行实验,结果表明:基于超像素的分类方法能有效抑制分类结果中的椒盐现象,将总体精度提高到了73.81%;在准确区分水体、道路的基础上,提高了复杂的农作物类别的分类精度.     

基于HJ影像的面向对象土地覆被分类方法

提出了基于HJ影像的面向对象技术土地覆被分类的一整套方法,即采用面向对象的影像分类技术,充分利用影像的光谱特征、空间特征、纹理、上下文关系,综合运用多层分割、整体分割、类内分割和局部分割模式,融入二叉树流程法,以多时相HJ影像为实验数据,对土地覆被类型进行自动提取.并以地形复杂的麻阳苗族自治县为例进行实验研究,结果表明:分类总体精度为82.88%,能够满足利用遥感影像进行土地覆被信息提取的精度要求,说明是可行的;由于中分辨率的HJ影像提供的光谱细节并不是很丰富,HJ影像面向对象土地覆被分类技术的光谱特征优势不明显,利用二叉树流程法和多种分割方法是降低误差提高分类精度的有效途径.     

高分辨率极化SAR影像KummerU分布非监督分类方法

针对高分辨率极化SAR数据特征分布不再符合同质区域假设,进而导致基于统计分布的极化SAR影像非监督分类方法精度下降的问题,将具有广泛适用性的KummerU分布嵌入粒子群寻优聚类算法,提出了新的极化SAR影像非监督分类算法(PSO-KummerU方法):首先基于极化SAR统计特征对数据进行初分类,然后采用极化SAR统计特征与粒子群优化算法进一步进行聚类中心求解,分类准则部分采用KummerU距离改进代替传统的Wishart距离度量准则;采用3种非监督分类方法(H/α-Wishart、PSO-Wishart、PSO-KummerU方法)进行分类对比实验.实验结果表明:基于KummerU分布的PSO-KummerU方法与采用Wishart距离的聚类方法相比,目视效果明显改进,整体分类精度提高14%以上.     

基于Landsat-8影像的大通县土地覆盖分类方法对比研究

针对Landsat-8影像在土地覆盖分类中的应用研究,以青海省西宁市大通县为研究区,在对Landsat-8影像进行辐射定标、大气校正、影像裁切等基础上,利用最大似然分类和支持向量机(SVM)分类法,获得两种方法支持下的6种土地覆盖分类结果。经过精度评定和对比分析,结果表明:SVM分类法优于最大似然分类,总体分类精度分别为78.53%,85.64%。同时,Landsat-8 OLI数据相对于TM/ETM+数据,增加的波段新特性有利于土地覆盖分类精度的提高。文中方法适用于Landsat-8影像在土地覆盖分类研究与应用,能够满足大区域土地覆盖分类应用需求。     

基于Sentinel-2影像红边光谱指数与特征优选的竹林提取研究

为了从Sentinel-2A影像中快速、准确提取竹林分布信息,以福建省永安市上坪乡竹林为研究区开展竹林提取研究.在影像分割的基础上,提取原始波段光谱、红边光谱指数、纹理3类共18个特征变量,利用随机森林Gini系数法进行特征变量重要性排序,设计5种不同特征变量组合方案,采用随机森林分类进行竹林分布信息提取.结果表明：原始波段光谱特征在Sentinel-2A影像竹林信息提取中具有重要作用,红边光谱指数特征次之,纹理特征未发挥显著作用.在红边光谱指数特征中,基于红边综合效应指数（MVIred1）构建的红边竹林指数3(BImvired1)具有良好的分类性能;利用随机森林Gini指标结合OOB泛化误差法有效减少了噪声数据的影响,筛选出最有利于竹林提取的特征变量子集,基于该特征子集的竹林分类总体精度（OA）达到94.58%、Kappa系数0.91、生产者精度（PA）为95.09%、用户精度（UA）85.54%.     

基于模拟影像的山地SAR影像配准方法研究

针对目前常规SAR影像配准方法在困难地区配准可靠性较低的问题,提出了一种基于模拟影像的山地SAR影像配准方法.该方法借助研究区的辅助DEM数据、真实SAR影像的卫星轨道数据和RD模型生成模拟SAR影像,并创建DEM地理坐标相一致的查找表.利用SIFT匹配算法对模拟影像和真实影像进行匹配,间接获取真实SAR影像的特征点,再利用仿射变换通过最小二乘法确定参考影像和待配准影像的变换模型,并进行重采样,最终实现山地SAR影像的配准.采用两种传感器类型的山地SAR影像数据进行了实验验证.结果表明,在地形起伏较大的山地区域,所提方法的配准精度相对于传统配准算法有明显提高,较好地克服了传统SAR影像配准方法对山地SAR影像配准适应性较差、精度较低的缺点,能够有效解决山地SAR影像配准问题.     

基于面向对象分类方法的城市用地类型提取

丰富的高分辨率影像及面向对象分类方法为城市土地利用分类与分析提供了新的机遇.以SPOT-5 2.5 m融合后的多光谱遥感影像为主要数据源,采用基于规则的面向对象分类法进行分类.首先分析典型地物的影像光谱特征、几何特征和纹理特征,找出区分点进行,对最终的房屋、工厂、道路、阴影、未利用地5类城市用地进行精度分析,进而对面向对象的分类方法及存在问题进行阐述.     

基于SAR影像的海洋溢油监测方法适用性分析

随着微波遥感技术的迅猛发展,利用SAR影像提取海洋溢油区域已成为监测海洋溢油的重要手段之一.首先介绍了利用SAR影像监测海洋溢油的基本原理并对主要监测方法进行适用性分析.在此基础上,利用SAR影像对珠江口担杆岛附近海面进行了海洋溢油的提取实验,并从提取精度与算法的消耗时间两个方面对各种监测方法对比分析.实验结果表明:人工神经网络法和最大类间方差法的提取结果较为接近,适用于大范围溢油监测.而马尔柯夫链法算法消耗时间长,但精度较高,更适用于实时监测溢油扩散这样的随机过程.