基于面向对象的遥感影像植被信息提取

主要介绍了基于面向对象的遥感影像分类方法,借用eCognition软件通过设置不同分割尺度参数及特征值,进行了一个分割分类实例试验。结果显示,与传统的基于像元的分类方法相比,面向对象的遥感影像分类方法是具有很好的效果,提交了分类提取的精度。     

基于面向对象的SPOT5湿地影像分类

本文选取洪河保护区湿地景观为研究对象,运用面向对象分类方法对研究区进行分类研究,分类精度达到95.31%,Kappa系数为0.9452。面向对象的分类方法充分考虑地物的几何、光谱、纹理、结构等多方面的信息,能够有效地弥补传统分类方法的缺陷,在高分辨率应用上可以体现更好的效果。     

面向对象的遥感影像水体信息提取

基于面向对象的遥感影像分析方法,在不同尺度分割遥感影像的基础上,根据影像对象的特征,如亮度、光谱、归一化植被指数(NDVI)、面积和上下文等信息,对水体信息进行了提取和分类.结果显示:与传统的基于像元的分类方法相比,面向对象的遥感影像信息提取方法具有很好的效果,同时也提高了信息提取的精度.     

基于面向对象分类法的高分辨率遥感滑坡信息提取

运用面向对象分类法中的基于监督分类和基于规则的滑坡识别方法,选择合适的特征属性,利用Aster和Geoeye的融合影像对构林坪流域进行滑坡信息提取,并对分类结果进行精度评价和比较.结果表明:基于监督分类的滑坡信息提取总体精度为66.58%,Kappa系数为0.65,具有较高的分类精度;基于规则的滑坡信息提取方法也取得了84.7%的识别结果,但是区域特殊地形地貌和引发滑坡因子的复杂性导致了72.6%的分歧因子.总体上基于面向对象分类法的高分辨率遥感滑坡信息提取在白龙江流域具有良好的适用性.     

基于面向对象的SPOT5湿地影像分类

本文选取洪河保护区湿地景观为研究对象,运用面向对象分类方法对研究区进行分类研究,分类精度达到95.31%,Kappa系数为0.9452。面向对象的分类方法充分考虑地物的几何、光谱、纹理、结构等多方面的信息,能够有效地弥补传统分类方法的缺陷,在高分辨率应用上可以体现更好的效果。     

基于面向对象的高分辨率遥感影像道路信息提取方法

采用一种基于面向对象的道路提取方法,阐述了影像理解、影像分割、对象层次结构等几个关键思想,提出如何解决传统高分辨率影像提取道路方法,如边缘检测、滤波等存在的不足,并对高分辨率遥感影像提取道路的实用性进行思考,为下一步具体应用指明方向。     

面向对象的城市绿地信息提取方法研究

在比较传统的城市绿地提取方法的基础上,采用了面向对象的图像分类技术,对QuickBird卫星图像进行上海市区绿地信息提取实验,得到了令人满意的结果,总体分类精度达到84.4%,较传统的监督分类方法提高了24.4%,具有明显的优越性和应用前景.     

面向对象的黄河源典型区湿地信息提取

以黄河源玛多县为实验区,遥感TM影像和DEM为数据源,在研究区湿地定义、成像机制及其地学规律分析的基础上确定了湿地遥感提取的分类体系和湿地信息提取的有效特征（包括光谱、纹理、地形和结构特征）,并构建了面向对象的遥感湿地提取方法.实验显示:该方法湿地提取的总精度为90.13％,Kappa系数为88.33％,比常用的最大似...     

湿地遥感制图中的影像融合方法研究

湿地又被称为地球之肾,它是自然界生物多样性最丰富的生态景观和人类最重要的生存环境之一。在开展江苏省大学生创新训练计划项目"沿海滩涂湿地遥感监测及动态变化研究"时利用ALOS影像对盐城市进行了湿地景观制图。以ALOS PRISM和AVNIR—2数据为数据源,比较了6种不同影像融合方法在湿地遥感制图中的应用。并借助于MATLAB采用五个指标对不同方法的融合效果进行了定量分析。再结合目视效果对融合影像进行了综合评价,最后得出了适合于ALOS数据、有利于湿地遥感制图的影像融合方法。     

基于SPOT5卫星影像与遥感技术的湿地调查实验研究

本文探讨基于遥感计算机监督分类技术提取温地信息，对2012年天津市湿地的进行调查，监测河湖为代表的湿地等专题因子遥感解译标志的建立，为本区域生态环境的保护和经济的发展提供数据和决策依据。     

结合GIS数据的神经网络湿地遥感分类方法:以上海崇明岛东滩湿地为例

以上海崇明岛东滩湿地为例,利用改进的BP算法结合主成分分析,将光谱信息的主成分、NDVI、MNDWI以及GIS数据作为神经网络的输入参数对东滩湿地进行神经网络分类.结果表明,神经网络分类能够有效的提高分类的精度,适合湿地分类.     

基于ResNet的面向对象矿区占地信息提取研究

利用高分二号影像结合面向对象方法展开矿区占地信息提取研究,采用面积比均值法确定分割尺度进行多尺度分割获取对象,基于空间优化工具选取特征后标记样本,其中训练集、测试集和验证集比例为3∶1.将样本集在ResNet模型中训练,应用于全部对象,并与CNN模型进行对比.结果表明,面向对象方法结合ResNet模型进行矿区占地信息提取总体精度为91.41%,Kappa系数为0.89,优于CNN方法.该方法适用于以露天采场和矿堆为主的矿区环境,可以为后续的矿区环境治理工作提供有效的技术支持.     

一种面向对象的遥感影像多尺度分割方法

高分辨率遥感影像中丰富的空间结构信息和地理特征信息提取需要在多种不同的尺度下进行,而传统的基于像素光谱特征的影像分割和单尺度影像信息提取方法在这方面存在明显的缺陷.基于区域的面向对象影像分析方法,为高分辨率遥感影像信息提取提供了新的思路,其关键的核心问题在于实现对高分辨率遥感影像的多尺度分割.本文提出了一种基于相邻影像区域合并异质性最小的面向对象多尺度分割算法.影像分割试验结果表明:该方法可以根据任意特定尺度下的影像分析任务或任意感兴趣尺度的地物目标,调整影像分割的尺度参数,从而获得特定尺度下感兴趣的影像区域(对象)作为后续面向对象影像分析和应用的基础.     

基于遥感影像的济南市湿地信息动态监测

以济南市湿地为研究对象,利用济南市1987年、1996年和2001年的陆地卫星TM数据,以及2007年CBERS数据,采用决策树分类法和监督分类法,对研究区的湿地资源进行动态监测,结果表明:从1987至2007年间,济南市湿地总面积呈现先增加后减少的趋势,在各类湿地资源中水库面积增加最快,而河滩数量急剧减少。     

基于GF-2遥感影像的面向对象分类方法比较研究

基于eCognition软件分别采用K-最近邻(KNN)分类、支持向量机(SVM)分类和CART决策树分类对GF-2遥感影像进行面向对象分类,并对3种分类方法的结果进行比较分析。结果表明:K-最近邻分类在影像准确性、复杂多样性、影像光谱混淆以及分布边界模糊等方面具有较高的识别能力。     

面向对象的地质灾害信息提取——以汶川地震为例

讨论了面向对象的高空间分辨率遥感影像地质灾害体信息提取方法.该方法首先利用像元的色调和形状特征判别所要生成的影像对象的异质性,采取自下而上区域合并的方法将影像划分为互不相交的影像对象,然后根据这些对象的影像特征,如光谱、纹理、形状和上下文等,进行分类,提取出地质灾害体.结果表明,该方法能有效地提取地质灾害信息,为震灾调查和快速预评估提供决策支持数据.     

浅论面向对象的遥感图像的模糊分类

介绍了面向对象与基于像素的分类方法,分析了模糊分类方法,阐述了面向对象的模糊分类技术的软件应用。     

基于BP神经网络的湿地遥感分类

遥感图像分类的实质是通过计算机对图像像元进行数值处理，达到自动识别地物的目的．在对国内外湿地遥感分类研究的基础上，用BP神经网络方法对湿地遥感分类进行了研究，并与最大极然法进行精度比较分析．结果表明：BP神经网络分类法是一种有效的湿地分类技术，能够提高分类精度．     

高分辨率遥感影像面向对象耕地信息提取方法探讨

随着高分辨率遥感技术发展,高分辨率遥感影像得到广泛应用,特别是高分辨率遥感影像面向对象信息提取技术应用广泛.本文以某地区遥感影像为基础数据,探讨了高分辨率遥感影像面向对象耕地信息提取的技术方法,并对耕地信息提取实验结果进行精度评价,得到了良好的效果.