面向基元的MapGIS-RSP遥感信息提取系统

传统的基于像元的影像分类方法,由于忽略了影像的空间语义和纹理结构等信息,分类结果难以满足当前科研和工程应用的需要。MapGIS-RSP遥感信息提取系统通过新的面向基元的影像分析方法,基于遥感影像的光谱和空间两方面特征进行模糊逻辑推理分析,实现对高空间分辨率遥感影像的信息提取。     

利用云模型实现FSVM遥感影像分类的隶属度算法

针对遥感影像分类面临的数据边界模糊性以及遥感信息解译过程不确定性的问题,结合模糊支持向量机在分类应用中可以有效避免噪声样本干扰的特点,提出一种基于云模型求解模糊支持向量机隶属度的方法。该方法通过无需隶属度的逆向云算法输入样本的定量位置得到样本类别的数字特征,再根据正向云算法计算得到每个样本对其定性类别的隶属度。实验结果表明,采用基于云模型隶属度的模糊支持向量机对遥感影像的分类方法是可行的,并能够有效提高对遥感影像的分类精度。     

有限混合密度模型及遥感影像EM聚类算法

遥感信息是地球表层信息的综合反映，由于地球表层系统的复杂性和开放性，地表信息是多维的、无限的、遥感信息传递过程中的局限性以及遥感信息之间的复杂相关性，决定了遥感信息其结果的不确定性和多解性，遥感信息具有一定的统计特性，同时又具有高度的随机性和复杂性，在特征空间中往往表现为混合密度分布，针对遥感信息这种统计分布的复杂性，提出了有限混合密度的期望最大（EM）分解模型，该模型假设总体分布可分解为有限个参数化的密度分布，通过EM迭代计算可估计出各密度分布的最大似然参数集；将有限混合EM聚类算法应用于遥感影像的聚类分析中，并与传统统计聚类方法进行了比较，比较结果表明，其对复杂地物的区分具有优势，另外在融合专家知识、初始化等方面具有扩展能力。     

GIS支持下的TM图像土壤盐渍化分级

利用遥感图像提取盐渍土的光谱特和纹理特征,进行特征,地角度分类器和距离分类器进行比较研究,对遥感信息单要素分类与遥感信息地理信息综合分类进行比较研究。     

利用空间抽样理论的遥感影像分类结果精度评价方法

遥感影像分类结果的准确性对于遥感信息的应用分析有着重要的影响。传统抽样方式下的遥感影像分类结果精度评价方法受样本量及空间布局的影响,存在效率低和信息冗余等问题。利用空间数据的相关性,将空间抽样理论应用于遥感影像分类结果的精度评价,通过与传统抽样方法比较,发现空间抽样方法应用于遥感影像分类结果的精度评价不仅降低了数据冗余,同时提高了精度评价的检验效率和准确性。     

面向对象的遥感图像数据挖掘

目的：研究基于面向对象的图像分析法的遥感影像数据挖掘技术。方法：应用区域分割算法——区域增长算法、最临近、模糊分类、知识库和模拟退火等数据挖掘的理论和算法进行遥感影像信息挖掘方法研究。结果：提出了基于面向对象遥感图像分析法的遥感影像信息挖掘方法。结论：指出面向对象的遥感图像分析是具有实际应用价值的高效的遥感图像信息挖掘方法之一。     

面向对象的高分辨率遥感影像信息提取——以耕地提取为例

随着高分辨率遥感影像的广泛应用,面向对象的高分辨率影像信息提取技术得到了迅速发展。本文着重讨论面向对象的高分辨率遥感信息提取的关键技术,探索了面向对象的影像分析软件eCognition在耕地信息提取方面的最优参数选择,并且从IKONOS影像中提取的耕地信息与传统分类方法的提取结果进行对比。试验结果表明该方法具有较高的精度。     

基于多地表特征参数的遥感影像分类研究

地表特征是反映地表信息的重要参数,是了解地表时空多变信息的定量要素。提出基于多地表特征参数的遥感影像分类方法,并利用武汉市的Landsat ETM+影像为例进行试验。试验选择通用植被指数(VIUPD)、地表温度和纹理特征等多地表特征参数,在考虑光谱特征和空间信息的前提下,结合分层思想的决策树方法,对遥感影像进行分类。结果证明利用多地表特征参数的决策树分类方法与传统的基于光谱反射率特征的决策树分类方法和SVM分类方法相比较,分类精度有了明显的提高。     

基于多特征的城市用地高分辨率影像分类与提取

利用高分辨率影像对象的多特征信息，采用面向对象的影像分析技术与多尺度影像分割技术，建立基于多特征的遥感影像分类模型，提取城市用地信息，为城市用地的合理规划与有效管理提供信息支撑。该方法分类速度快、精度高，为遥感影像信息的分类与提取提供了新的思路。     

遥感影像生理认知概念模型和方法体系

目前遥感地学理解和分析研究的前沿是以遥感地学分析模型为支持,运用统计分析、神经计算、知识处理模型、地学优化等技术,对遥感信息、地学知识的相互作用进行综合运用,建立集成地学知识、地理信息和遥感信息等处理分析模型的智能化遥感影像地学理解与分析系统。地学认知问题是遥感地学理解和分析的核心问题。以神经计算和进化计算为理论基础,探讨如何从模拟生理视觉的角度实现对遥感影像的地学认知,初步提出了融合地学知识的遥感影像生理认知模型及其方法体系。     

高空间分辨率遥感数据在离子吸附型稀土矿山调查中的应用

为更好地监测离子吸附型稀土矿山的开采现状,选取赣南离子吸附型稀土矿区,采用最新高分辨率遥感数据,开展离子吸附型稀土矿矿山非法开采监测、环境破坏监测、矿山动态变化监测等示范研究。运用IKONOS数据结合矿权资料在赣南寻乌地区开展稀土矿山非法开采监测;在赣南寻乌地区提取土地荒漠化及水体污染等环境信息;利用两期QuickBird数据在赣南定南某矿区开展动态变化监测。研究表明高空间分辨率遥感数据处理与分析为离子吸附性稀土矿矿山快速、准确、动态监测提供了良好的技术手段。     

基于遥感和陆表信息集成的广东省土地覆盖分类方法研究

土地覆盖信息是估算地-气间的生物物理过程和能量交换的关键参数,也是区域和全球尺度气候和生态系统过程模型所需要的重要参量。如何高效地利用遥感数据提取土地覆盖信息是当前研究迫切需要解决的问题。面向对象的分类方法不但充分利用了遥感数据的光谱信息,同时也利用了影像的纹理结构信息和更多的地物分布信息关系,在遥感分类中具有较大的潜力。研究基于2010年多时相的环境卫星数据、TM数据以及DEM数据,并结合地表采集的4000多个样点数据,采用面向对象的分类方法对广东省土地覆盖进行分类。经采样验证,广东省土地覆盖平均精度为85%,分类结果精度远高于常规的分类算法,说明结合陆表信息的面向对象分类方法比常规的分类算法更具有优势,可以实现高精度的土地覆盖分类。     

基于分形的遥感蚀变异常提取在毛坪铅锌矿中的应用

在地球科学领域中,自相似性非常普遍,围岩蚀变作为一种地学特征并以遥感异常反映在影像上,其像元亮度—面积模式符合一定的分形理论。利用分形理论的求和法进行遥感蚀变异常的提取和分级可以弥补门限法和灰度直方图目视方法确定突变点的不足,再次利用分形的盒维数方法可得到研究区遥感蚀变异常的分形特征。以云南昭通毛坪铅锌矿ETM+遥感影像数据为信息源,采用主成分分析法(PCA)计算出反映矿区遥感蚀变异常的主分量,再对异常主分量进行像元灰度值和像元个数的统计并采用分形方法对蚀变异常信息进行分析和蚀变异常级别的划分,最后利用分形的盒维数法得到毛坪铅锌矿遥感蚀变异常信息的分形特征并与传统门限化方法进行了对比研究。研究表明区内遥感蚀变异常信息具有统计上的分形特征,分形方法确定异常限要比传统的门限化方法选取蚀变阈值更为准确;分维值与异常级别存在一定的正相关关系;分维高值区与蚀变信息密集区相一致。
     

基于知识发现和决策规则的遥感图像城区土地覆盖/利用分类方法

提出一种利用地类的色度信息、小波提取纹理特征、植被指数及形状知识等采用规则推理有效识别遥感土地类别的方法。采用知识发现和决策规则方法,可以充分吸收遥感专家的思想和工作经验,可以充分利用多种模糊性地学知识来提高遥感影像分类效果。最后通过实例证明了该方法的有效性。     

遥感地学分析的智能化研究

遥感地学分析是建立在地学规律基础上的遥感信息处理和分析模型,是结合物理手段、数学
方法和地学分析等综合性应用技术和理论,通过对遥感信息的处理和分析,获得能反映地球区域分
异规律和地学发展过程的有效信息的理论方法。通过回顾遥感地学分析的发展历史,认为智能化是
遥感地学分析的一个重要发展方向,同时提出开展智能化遥感地学分析研究需要解决的几个关键
问题,最后提出了“遥感地学智能图解”的概念。     

基于MATLAB的遥感图像棚户区识别与提取

以QuickBird遥感影像为数据源,研究在MATLAB环境下,利用灰度共生矩阵（GLCM）对QuickBird遥感图像棚户区纹理特征进行识别和提取的方法。首先,利用所选择的四个纹理特征统计量（对比度、能量、同质性和相关性）构建一个特征空间。然后运用非监督分类的方法（ISODATA算法）将研究区分成确定的类别数目。最后,根据实际情况,利用数学形态法对分类结果进行精确定位,从而提取得到研究区域的棚户区信息。     

高分辨率遥感影像的多特征多核ELM分类方法

针对高分辨率遥感影像地物分布复杂多变,利用ELM的快速分类性能,提出了一种ELM的多特征多核高分辨率遥感影像分类方法。首先利用多尺度分割算法将原始影像粗分为若干地物区域;然后依据区域合并准则对粗分割图像合并得到典型地物特征的对象信息,并提取分割对象的光谱特征与空间特征;最后以多种核函数加权组合的方式构建多核ELM对影像分类,获得最终的分类结果。实验结果表明,所提方法不仅降低了对目标训练样本的要求,同时还提高了分类的准确性、及时性和完整性。     

基于图卷积网络的多标签遥感图像分类

由于遥感图像包含物体类别多样,单个语义类别标签无法全面地描述图像内容,而多标签图像分类任务更加具有挑战性.通过探索深度图卷积网络(GCN),解决了多标签遥感图像分类缺乏对标签语义信息相关性利用的问题,提出了一种新的基于图卷积的多标签遥感图像分类网络,它包含图像特征学习模块、基于图卷积网络的分类器学习模块和图像特征差异化模块三个部分.在公开多标签遥感数据集Planet和UCM上与相关模型进行对比,在多标签遥感图像分类任务上可以得到了较好的分类结果.该方法使用图卷积等模块将多标签图像分类方法应用到遥感领域,提高了模型分类能力,缩短了模型训练时间.     

低空间分辨率多源遥感数据的空间一致性分析和相对几何校正

多源低空间分辨率遥感数据在空间上的一致性对于其在全球变化研究中的集成使用有非常重要的意义。对此,以公认几何精度较高的MODIS数据为基准,对NOAA/AVHRR、FY-3/VIRR、FY-3/MERSI、FY-2/VISSR这4类国内外常用的低空间分辨率传感器的L1B数据进行了一系列相对几何精度评价和多项式相对几何校正的实验。相对几何精度评价的结果表明:MODIS数据与这4类L1B数据在几何精度上的偏差都比较大。在此基础上,选取少量均匀分布的控制点并采用不同阶数的多项式几何校正模型对多源数据进行空间一致性校正。校正结果表明:低阶的多项式几何校正模型就能对各种待校正数据的几何精度有显著的提升,使其与基准数据在空间上达到一致,满足全球变化研究对低分辨率多源遥感数据在空间一致性上的需求。     

一种新的可见光遥感图像云判别算法

为了解决由于云层遮挡所引起的数据利用率低等问题,提出了一种新的基于支持向量机(SVM)与无监督聚类算法相结合的分类算法,实现可见光遥感图像快速高效地自动云判别。该算法首先使用ISODATA进行聚类,再利用聚类结果为SVM挑选训练集,从而大大减少SVM的训练时间,融合了SVM准确率高与ISODATA聚类速度快的优势。结果表明:该算法使得SVM的训练时间降低至单独使用SVM算法所需训练时间的2%,基本满足实时性需求,并保证分类正确率达90%以上。