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.     

基于Stokes矢量特征与GA-SVM的全极化SAR影像分类方法研究

发展了一种基于极化散射特征的全极化SAR影像分类方法,探索了Stokes矢量特征作为分类特征的有效性,通过遗传算法耦合SVM的特征选取方法(GA-SVM)有效解决了分类器泛化不足的问题.以一景高分三号(GF-3)全极化影像作为主要的数据源,与同步外业调查获取的地面实况数据进行对比,结果表明所设计的待选分类特征集与特征选取方法得到的特征组合取得了较好的分类效果,总体精度达到90.00%,Kappa系数为0.87,影像部分地物的错分、误分现象得到改善.这表明:(1)GA-SVM的特征选取方法可以在有效地降低分类特征维度的同时提升目标SVM分类器的分类精度;(2)将Stokes矢量元素及其分解特征作为分类特征,可有效提升非参数模型分类的精度.     

一种结合极化分解和多尺度MRF的极化SAR数据分类方法

提出一种结合Pauli极化分解和多尺度马尔可夫随机场的极化SAR数据分类方法.该方法先将极化SAR数据进行Pauli极化分解来构造极化SAR特征数据,然后进行3层小波分解,最后进行尺度内和尺度间的迭代分类,获取极化SAR数据的分类结果.NASA/JPL数据的实验结果证明,无论是在地物轮廓保持性上还是地物细节描述性上,该方法效果都比较好.     

基于卫星遥感影像的土地分类实验方法研究

为了让本科生充分理解和掌握遥感影像处理技术,结合吉林大学大学生创新创业训练计划,设计了基于高分辨率卫星遥感影像的校园土地分类实验项目。以2015 年9 月20 日高分二号( GF-2) 卫星拍摄的吉林大学中心校区卫星影像为实验数据,通过使用不同的光谱指数以及支持向量机( SVM: Support Vector Machine) 分别对影像中的建筑物、植被、水体、平地和操场等地物进行提取,进而得到基于高分辨率遥感影像的校园地物分类图,并对分类结果中各种地物信息进行统计分析,将统计结果与真实的地物参数进行对比,近而改善该方法的分类精度与可靠性。实践结果表明,该实验可以有效的帮助学生对知识的理解和掌握,达到了预期的教学效果。     

LiDAR与航空影像的融合分类与精度分析

为了弥补单一数据源在地物分类时的不足,提出将机载激光扫描(LiDAR)数据与航空影像融合进行地物分类的思想,实现基于面向对象和单像元的复杂城区多级地物分类.将真彩色航空影像与机载激光扫描距离影像融合,采用光谱特征和空间特征将影像分割成若干同质区域;利用多源数据产生的各种信息建立分类规则并实现基于面向对象的地物分类,将植被信息和高差信息与分类结果叠加,实现基于单像元的分类结果纠正,然后再以对象内包含的建筑物直线段数量为约束条件对分类结果中的建筑物进行三级精化分类.实验表明该方法能够有效地自动分离建筑物、树木、草地和道路,其中建筑物的制图精度和用户精度分别是92.53%和95.79%,整个区域的分类精度为89.62%,该方法在复杂城区可行有效.     

面向地质应用的高分二号卫星影像融合方法评价

为了探讨不同影像融合方法在地质应用上的适用性,以高分二号(GF-2)影像为数据源,采用彩色标准化变换(Brovey)、超球体色彩空间变换(HCS)、相位恢复(Gram-Schmidt)、最邻近扩散(NNDiffuse)和高通滤波变换(HPF)等5种融合方法对全色和多光谱数据进行融合实验,并对融合结果进行质量评价。首先从定性和定量两方面进行评价,然后对融合影像进行岩性分类。结果表明:HPF和Gram-Schmidt方法无论是在定性、定量还是岩性分类应用上均具有较好的效果,NNDiffuse和HCS方法融合效果适中,Brovey方法色彩失真明显,该结论可为地质部门提高GF-2卫星的适用性以及对国产卫星数据的推广应用提供参考。     

基于多特征融合的反向传播神经网络高分影像分类与变化检测

为了降低基于高分影像的土地利用分类后的错分和漏分的可能性,提高分类以及变化检测精度,本文以广西桂林市临桂区为研究区,采用WorldView-2号以及高景一号高分影像,基于多层前馈(back propagation, BP)神经网络方法融合遥感影像的纹理、光谱、植被指数以及水体指数特征,制定出4种特征数据集融合方案,实现对植被覆盖率较大地区的地物识别与分类;然后选取最优分类结果,进行桂林市临桂区2017与2020年土地利用变化检测。不同方案的对比结果表明,融合纹理、光谱、植被指数以及水体指数特征的第四种方案可以得到较为有效的分类以及变化检测结果,分类的总体精度为92.92%,Kappa系数为0.9028,保持了较高正确率。     

贝叶斯网络分类算法在遥感数据变化检测上的应用

以北京通州地区1996年5月29日和2001年5月19日2个时期的遥感影像为例介绍了基于贝叶斯网络(BN)的分类算法,在此基础上实现了2个不同实现遥感影像的变化检测,实验结果表明:基于BN分类的后分类比较变化检测方法是遥感数据变化检测的一种新的有效方法.     

基于目标分解的面向对象决策树PolSAR影像分类

为了解决极化合成孔径雷达(Polarization Synthetic Aperture Radar,PolSAR)影像单一分类方法不能充分利用其中的丰富信息问题,结合目标分解理论、面向对象思想和C5.0决策树算法,对PolSAR影像进行多种方式的极化分解,提取包含地物散射机理信息的各种极化参数,并将提取的参数分割为对象,最后,采用C5.0决策树算法进行分类.采用RADARSAT-2全极化SAR数据进行实验,并将分类结果与经典的分类方法进行了对比,证明了本文提出方法的有效性.该成果将在PolSAR影像分类中发挥更大的作用.     

分量模型和散射参数的全极化雷达图像分类

在分析了典型的极化目标分解和地物分类算法基础上,提出了融合Yamaguchi分解和H/α(H为散射熵,α为地物散射角)平面分解结果的迭代处理目标分类方法.首先,通过获取4种散射分量及地物的散射熵和散射角,结合6个参量,将极化合成孔径雷达图像中的地物初始分类;然后,利用相干散射矩阵服从Wishart分布的特性进行迭代,获得最终分类结果.实验结果证明,该算法提高了分类性能,运算量小,分类效果较好.     

基于定量遥感产品的土地覆盖分类方法研究

准确进行土地覆盖类型提取具有重要的实际应用价值,但是目前常用的分类数据较为单一,通常使用地物反射率数据或植被指数,较少使用定量遥感产品.为此,本文使用反照率等产品评价定量遥感产品在地物分类中的实际应用效果.提取定量遥感产品的年平均值、标准差等特征作为地物分类依据,运用随机森林分类方法建立中国地区土地覆盖分类的自学习模型,与仅用地物反射率和NDVI数据进行分类的结果进行比对.结果显示,定量遥感产品辅助下的随机森林模型宏观尺度土地覆盖分类方法的总体精度为89.8%,Kappa系数为0.86,比仅用反射率和NDVI数据进行土地覆盖分类的总体精度提高了12.9个百分点;通过下降梯度法对分类特征的重要性进行评价,发现叶面积指数和反照率2种定量遥感产品在土地覆盖分类模型中重要性较大.结果表明,定量遥感产品用于土地覆盖类型的信息提取,会提高资源环境要素提取的精度,本文方法可为地物分类提供新的思路.     

一种基于Pauli分解和支持向量机的全极化合成孔径雷达监督分类算法

全极化合成孔径雷达(SAR)影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多,却均存在各种各样的问题。无论极化特征提取方法还是分类算法,都会影响最终的分类精度。针对此问题,在多次实验的基础上,提出一种综合Pauli极化特征分解和支持向量机(SVM)的分类策略,简称为Pauli-SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征;并将这些信息组合成一个特征向量,然后引入高精度的SVM分类算法,选择训练样本后对全极化SAR影像进行监督分类。在江苏溧水和南京横溪镇两个研究区,以ALOS卫星的PALSAR影像为研究数据,进行监督Wishart分类算法、Freeman特征提取法结合SVM的分类算法、Yamaguchi特征提取法结合SVM的分类算法、Pauli-SVM算法的分类对比实验。结果表明,新提出的PauliSVM算法可以有效地提高分类的准确性。     

Cameron分解法在极化SAR图像分析中的应用

利用Cameron分解法对极化SAR图像进行分析,将目标的极化散射矩阵与8类具有特定散射机理的典型散射体匹配,根据匹配角度提出了一种分类算法,从而对地物目标进行分类;实验结果表明,该分类算法对于分类地物目标,进而分析其散射机理是十分有效的。     

基于Envisat数据的地物后向散射特征研究

本文采用ENVISAT ASAR的APMode（Alternating Polarisation Mode）数据,由雷达图像成像原理及物理机制人手分析广州市几种典型地物（水体、植被、建筑物）在不同极化方式下后向散射特征及其成因。在此基础上选取HH极化图像、VV极化图像及VH／VV比值图进行合成,并利用监督分类方法对该极化合成影像进行分类,与光学影像的分类结果图进行比较。结果表明：极化雷达具有探测水质的能力,建筑物的后向散射特征还与其排列方式有关,极化合成影像分类图能初步达到地物分类识别的效果。     

基于ALOS_PALSAR双极化雷达影像遥感监测水稻的研究——以德阳地区为例

该文以包含平坝地及丘陵区的德阳地区为研究区,利用该区水稻拔节(7月10日)和乳熟(8月25日)两景双极化(HH/HV)ALOS_PALSAR雷达数据,参照2009年6月3日TM(129/038,130/038)光学影像,分析主要地物影像特征,对比分析水稻在不同时相、不同极化方式后向反射系数,结合GIS和GPS技术获取的地面调查资料,对水稻种植区域进行识别和面积监测,最后利用水稻本底调查资料进行对比,探讨利用ALOS_PALSAR数据进行水稻遥感监测的可行性和准确性.该文采用了监督分类和决策树分类两种方法,其中决策树分类以后向反射系数HH/HV比值和两时相HV-HV差值为基础,以HH-HV≥1.5和0.2≤HH/HV≤0.6(7月10日)和0.15≤HH/HV≤0.6(8月25日)为水稻阈值区域.结果表明:与2009年水稻本底解译随机选取的100个水稻图斑相比较,监督分类准确率为91%,区域水稻种植总解译面积比本底增加了8.2%;决策树分类准确率为93%,区域水稻种植总解译面积比本底增加了3.48%.结合地面样方调查资料,利用ALOS_PALSAR多时相影像进行水稻识别和面积测量可以达到较高精度.     

面向对象的多层次规则分类地物遥感信息提取方法试验分析研究

监测土地覆盖变化是目前高分辨率遥感的重要应用领域，城市覆盖地物变更速度快、地物类型复杂，使用传统方法提取监测难度较大。针对此问题，选择云南省大理白族自治州上官镇为研究区，以GF-2 PMS遥感影像为数据源；采用面向对象的方法对研究区进行最优分割尺度分割，选取最优特征组合用于构建模糊分类规则，分层次进行地物提取，最终获得研究区地物类型分布图。运用混淆矩阵方法进行精度评价，面向对象的多层次规则分类法提取分类效果良好，分类总体精度达79.95%,Kappa系数为0.74。与基于像元的分类方法和单一尺度下面向对象的提取分类法相比，面向对象的多层次规则分类法精度明显提高，说明本方法运用于复杂地物提取分类具有较好可行性。     

典型地物LiDAR回波强度特征实验分析

LiDAR回波强度信息的利用正成为研究热点,许多学者利用归一化校正方法进行回波强度处理并以此为参考辅助地物分类,这种校正方法主要考虑了激光传输距离、入射角的影响,且假定地面平坦、为朗伯体,但自然界中绝大多数地物都是各项散射异性的非朗伯体,且目前的研究中有关地物激光反射特性的定量分析较少。选取12种城市典型地物,通过反射率、反射比因子测量,并与回波强度值进行对比,分析了不同地物的回波强度特征及影响因素。实验证明,形态结构简单且平坦的地物,其回波强度均值之间的差异性与激光反射率、反射比因子的测量结果具有较好的一致性,基于回波强度的可分性较强;而倾斜地物(如房顶)、树木等形态复杂的地物,其产生的回波强度值范围较大,对地物分类的参考价值较小。实际应用中,可首先利用其它参数(如高程、回波次序)对LiDAR数据进行分类,然后针对回波强度之间差异较大的地物应用回波强度辅助分类,会取得较好效果。     

典型地物机载激光雷达测量系统回波强度特征实验分析

机载激光雷达测量系统Li DAR回波强度信息的利用正成为研究热点,许多学者利用归一化校正方法进行回波强度处理并以此为参考辅助地物分类,这种校正方法主要考虑了激光传输距离、入射角的影响;且假定地面平坦、为朗伯体,但自然界中绝大多数地物都是各项散射异性的非朗伯体;且目前的研究中有关地物激光反射特性的定量分析较少。选取12种城市典型地物,通过反射率、反射比因子测量,并与回波强度值进行对比,分析了不同地物的回波强度特征及影响因素。实验证明,形态结构简单且平坦的地物,其回波强度均值之间的差异性与激光反射率、反射比因子的测量结果具有较好的一致性,基于回波强度的可分性较强;而倾斜地物(如房顶)、树木等形态复杂的地物,其产生的回波强度值范围较大,对地物分类的参考价值较小。实际应用中,可首先利用其他参数(如高程、回波次序)对Li DAR数据进行分类,然后针对回波强度之间差异较大的地物应用回波强度辅助分类,会取得较好效果。     

基于MDL准则和EM算法的多光谱遥感影像变化检测

针对由实际遥感地物类型难以确定导致的多光谱遥感影像变化检测精度较低的问题,提出一种结合最小描述长度(MDL)准则的EM变化检测方法。首先,采用主成分变换与相关系数融合法相结合的方式构造差异影像;其次,利用分支数为k的高斯分布混合模型对差异影像进行建模,并利用MDL-EM算法自适应估计模型各参数;最后,利用基于统计最小错误率的Bayes判别准则确定变化检测的阈值来实现多光谱遥感影像变化检测。实际遥感数据验证结果表明,所提检测方法应用于多光谱遥感影像变化检测中是可行、有效的。     

基于GF-2号卫星影像的土地利用变化监测研究

针对土地利用变化中局部像斑变化较难提取和自动化监测较难实现等问题,该文提出了一种基于类别的矢量图与遥感影像变化检测方法。在矢量图约束下,对遥感影像进行影像分割获取像斑;提取像斑在遥感影像上的直方图特征,采用G统计量度量像斑之间的特征距离;利用像斑与其他相同类别像斑之间的特征距离,构建单波段上像斑的类别异质度,自适应加权组合各波段上像斑的类别异质度构建像斑的类别异质度;依据最大熵方法获取各地物类别对应的异质度阈值,以类别为单位对各像斑进行变化判别,获取变化检测结果。在GF-2号卫星影像上的实验验证了该方法的有效性,实现了矢量图与遥感影像的自动变化检测。