一种集成多分类器的面向地理对象遥感影像变化回溯分析方法

城市土地覆被变化分析在城市发展规划、环境保护研究等方面具有重要意义.在多期遥感影像变化分析中,存在多基于像元、分类器单一等问题,很难体现其优势.为了克服这些问题,提出了一种面向地理对象遥感影像变化回溯分析方法,将三种泛化能力较高的分类器适时应用在遥感影像变化分析框架的不同阶段.首先基于随机森林分类器完成基期影像(最新时间的影像)的土地覆被制图,然后基于与不同期的差异影像结合模糊C均值聚类与多阈值算法获得差异影像二值化结果,最后基于回溯分析获得不同时期影像的变化区域,使用支持向量机分类器获得变化检测结果.以Landsat影像为基础数据,在巴基斯坦伊斯兰堡1990-2018年间的4期影像变化分析中进行验证,并与两种不同方式变化检测方法对比.结果表明,提出的方法得到的4期影像变化检测总体精度平均达到81.4%,明显高于其他两种方法,证明该方法在遥感多期影像变化分析方面是有效的.     

基于机器学习的多源遥感影像融合土地利用分类研究

为了快速获取准确的城市土地利用信息,提高西南地区遥感影像城市土地利用分类信息提取的精度,探讨了当前快速发展的机器学习技术在该领域中的分类实验.选用昆明市主城区作为研究区域,以Landsat8与Sentinel-1A影像为原始数据,使用GS变换法对影像进行融合,使用卷积神经网络(Convolutional Neural Network,CNN)和BP神经网络(Back Propagation Network)2种分类算法对融合前后的遥感影像进行土地利用分类信息提取,对分类结果进行分析.研究结果表明:基于Landsat8和Sentinel-1A的融合影像数据的卷积神经网络分类算法具有最好的分类效果,其总体分类精度和Kappa系数分别为85.8091%,0.8124,认为基于多源遥感影像融合的卷积神经网络分类方法是获取准确的城市土地利用分类信息的一种可行的方法,可以为高原地区城市的土地利用分类提取研究参考.     

集成基于对象影像分析与贝叶斯软融合的土地覆被变化检测

应用遥感数据进行分类后变化检测时,土地覆被分类误差会造成严重的误差累积效应,同时会导致土地覆被类型转换结果中经常出现不尽合理的情况.采用基于对象的影像分析方法,利用两期国产高分一号影像数据分析了兰州市建成区及其东南部边缘地区的土地覆被变化.通过分析研究区的特征,得到了研究区的土地覆被转移逻辑.利用贝叶斯软融合方法降低了土地覆被变化分类误差的累积效应,运用土地覆被逻辑,消除了不合逻辑的结果,变化检测结果总精度达到81.61%.最终得出了兰州市总体上沿沟谷地向周边东南方向延伸的发展模式.