加入多尺度图像纹理的岩性分类

利用遥感图像进行岩性分类,是遥感地质应用的重要方面之一.本文运用地统计学中变差函数提取图像纹理,并与原始的光谱图像相结合用于遥感图像的岩性分类.文章分析了不同尺度的纹理信息对岩性分类的作用,并进一步分析和比较多尺度图像纹理对岩性分类的作用.结果表明,在岩性分类过程中加入不同尺度的纹理信息可不同程度地提高图像的岩性分类精度,而同时加入多尺度的纹理信息,可得到更高的分类精度.将多尺度的图像纹理信息和光谱信息综合,是一种有效的岩性分类方法.     

基于国产高分辨率光学遥感影像的水体提取

遥感图像中地表水体同山体、建筑物等地物产生的阴影在光谱特征上存在较高的类间相似性,导致提取过程中容易出现混淆和错分的情况。针对此问题,提出一种基于面向对象和人工蜂群的地表水体提取方法。该方法首先对遥感图像进行分割以获取分割对象的光谱、比率、几何形状等统计特征,以弥补高分遥感图像波段数目少,信息量不足的缺陷;并借助人工蜂群算法在解决复杂问题最优化方面的优势,选取水体同阴影二值分类的几何平均正确率作为算法的适应度函数,最终获取地表水体的最优化提取规则。选取厦门市大嶝岛和湖南省资兴市部分区域,基于国产高分一号、二号遥感数据进行水体提取,并与传统SVM分类结果进行比较。实验结果表明本算法提取水体的总体精度和Kappa系数均优于传统SVM分类器,表明该方法可应用于高分遥感图像的地表水体提取。     

基于图像理解的土地利用分类信息提取

基于图像理解理论原理,采用面向对象分类软件作为基础软件平台,模拟人类大脑对图像的认知过程,概括出不同地类的知识表达,并构建函数作为类别的特征描述,更大限度地挖掘中低分辨率卫星数据的信息。研究结果表明,基于图像理解的土地利用分类信息提取方法有效地提高了地类的检出效率和分类精度,为中巴卫星应用于国土资源宏观监测的可行性提供了依据。     

内蒙古西乌珠穆沁旗地区围岩蚀变的遥感信息提取

根据研究区岩石光谱特征位置选择ETM波段;通过图像掩膜去除集中分布的地表干扰信息,再用主成分变换方法增强蚀变信息;用假彩色合成和非监督分类提取蚀变信息。     

面向基元的高空间分辨率矿区遥感影像土地利用分类

为了合理开发矿产资源和有效监测矿区生态环境,采用面向基元的分类方法,对广西横县某矿区的高分辨率航空遥感影像进行了土地利用分类.通过优化分形网络演化多尺度分割方法,高效提取了矿区两个尺度上的影像基元层;基于基元信息,详细分析了各地表地物光谱特征、空间特征以及类相关特征,建立了研究区土地利用的分类知识库;采用决策支持的模糊逻辑推理法进行分类,使分类的精度从53%提高到了90%.表明面向基元的方法能较好地利于高空间分辨率矿区影像的各种特征进行高精度的土地利用分类.      

基于TM影像的抚州地区土地利用/覆盖动态监测及分析

以1988年和2000年遥感影像为数据源，在ERDAS IMAGINE遥感图像处理软件的支持下，获取了抚州地区两期土地利用／覆盖结果分类图。在此过程中确定了抚州地区土地利用／覆盖分类体系和遥感影像解译标志。通过计算机自动分类和分类后人工解译纠错相结合的图像分类提取方案，提高了图像分类提取的效率和精度。动态监测结果表明，从1988～2000年，面积减少的地类为耕地和林地，面积增加的地类为园地、居民点及工矿用地、水域和未利用土地，并对其变化结果进行了分析。     

面向对象的喀斯特地区土地利用遥感分类信息提取

传统的面向像元分类方法虽然对光谱差异较为明显的遥感影像信息提取具有较好的效果,但会不可避免地产生“椒盐现象”,同时对纹理和形状信息不能充分应用,造成了大量信息损失。为了提高喀斯特地区土地利用遥感信息提取的精度,本文采用面向对象的分类方法,对贵州省毕节地区开展了土地利用遥感信息自动提取研究。首先对该地区Landsat-5 TM影像进行多尺度分割,形成影像对象层,然后综合应用基于知识决策树分类和基于样本的最邻近分类等技术对喀斯特地区进行遥感解译。结果表明,面向对象分类技术能较好地对喀斯特地区土地利用信息进行提取,同时避免了“椒盐现象”的产生,经野外采集样点数据验证,一级类分类精度为91.7 %,二级类分类精度为89.4 %,表明该方法在贵州省毕节地区应用效果良好。      

吉林西部多时相遥感数据分类方案的构建及应用

为了深化遥感监测方法在生态环境调查中的应用,本文以吉林西部为试验区,设计了一种多时相遥感数据分类方案。该方案以物候信息为主,结合地物特征变量(植被、水体和土地信息)构建的多维特征空间数据集用于土地覆被分类。该遥感分类方案提取了9种地表覆被类型,结果表明:地表植被季节变化信息和土地利用信息的引入能明显改善土地覆被的分类精度;与基于原始波段的分类方案相比,多时相遥感数据分类方案的分类精度最好,总体分类精度为95.50%,Kappa系数为95.04%。     

不同植被覆盖率地区遥感矿化蚀变提取研究

从遥感图像上识别出的围岩蚀变信息往往是一种弱信息。地表植被和第四系覆盖的干扰,增加了遥感蚀变信息提取的难度。为了研究不同植被覆盖条件下的矿化蚀变信息提取方法,分别选取内蒙古西部戈壁荒漠基岩裸露区（温根地区）、中北部中覆盖草原区（达来庙地区）和东北部高覆盖森林草原区（颇格鲁山地区）,利用TM数据进行遥感蚀变信息提取方法研究,得出以下结论：在基岩裸露地区,利用比值法、主成分分析法均能较好地提取出矿化蚀变信息;在中覆盖草原区,利用掩膜对图像进行预处理,再利用主成分分析法提取矿化信息效果比较好;在高覆盖森林草原区,利用掩膜技术和抑制植被信息方法对遥感数据进行综合处理,再利用比值-主成分分析方法能够提取部分矿化蚀变信息。这些方法对今后在类似地区开展遥感蚀变信息提取工作具有一定的指导意义。     

利用粗糙集理论进行遥感分类信息提取

以辽宁省双台子河口湿地为研究对象,以Landsat 8和HJ-1-A/HJ-1-B的多时相遥感影像为数据源,根据研究区现状,将研究区分为旱地、芦苇、水田、碱蓬、混合植被、水面、滩涂、居民点、养殖塘九个类型.利用时间序列的归一化植被指数提取植被与非植被的分类阈值,采用粗糙集理论和多时相遥感影像,对植被和非植被分别进行分类规则的获取,建立了研究区决策树分类模型.为了进行精度评价,利用相同的训练点又进行了同样基于像元的最大似然法分类.最后利用混淆矩阵对上述两种方法进行了精度评估,基于粗糙集的决策树分类法与最大似然法总体分类精度分别为93.70%和91.62%,Kappa系数分别为0.92和0.90,两项指标值基于粗糙集理论法均比最大似然法有所提高.这为构建决策树分类模型进行湿地地表分类信息提取提供了一条新的研究思路.     

一种基于多特征波段岩土层次分类方法

岩土分类与一般地表的地物分类相比难度大得多,针对已有的分类方法（监督分类和非监督分类）对于岩土分类精度不高、分类效果欠佳问题提出一种基于多特征波段岩土层次分类方法。它是一种自顶向下、逐步求精的层次分类方法,该方法结合无监督分类和监督分类两种分类方法的优势,利用多个特征波段组合,有层次地将不同类型的岩土体逐步分开,实现对岩土的精确分类。对北京市怀柔山区附近的ASTER影像数据进行的岩土分类实验结果表明,基于多特征波段岩土层次分类识别方法能显著提高岩土分类精度,总体精度提高10%,Kappa系数提高了0.1,并且能识别以往分类识别方法难以区分的岩石阴影和水体等地物,能够有效地克服“同物异谱”现象。     

基于ASTER数据遥感影像的决策树分类

以黑龙江省北安市为研究区域,尝试利用ASTER视反射率值进行便利、准确的土地利用分类研究。对ASTER数据进行波段相关分析,确定最佳组合波段;然后重点分析转换为视反射率值的影像特征和光谱特征,从中提取各种典型地物的光谱曲线; 并依据提取的光谱曲线建立基于地物反射率值大小关系或阈值的决策树模型,对研究区不同地物类型进行分类,并对结果进行精度评价。应用效果表明,该方法简单有效,但对于混合光谱容易错分。     

甘肃省农用地土壤环境质量类别划分方法

简述了常用的耕地土壤环境质量评价方法,按监测数据单因子评价、多因子评价、评价单元的确定及农产品安全性辅助判定等方面阐述了耕地土壤环境质量类别划分的技术流程,探讨了甘肃省耕地土壤环境质量类别划分存在的问题及改进建议,为将来林地、草地等进行土壤环境质量类别划分提供方法参考。     

基于强度与形态指标的洪水分类研究

洪水分类是描述洪水的特性和规律、加强洪水管理的重要手段之一。以澜沧江流域旧州站为例,通过POT取样法提取了198场洪水为样本,分别从仅考虑强度指标或综合考虑强度与形态指标,研究了该区域洪水分类的基本特征,研究结果如下:(1)基于强度指标的洪水分类,不能兼顾洪水强度与形态特征,同一类洪水形态差异明显,使得洪水分类结果不合理;(2)综合考虑强度与形态指标,可将旧州站洪水划分为4类,各类洪水间洪水强度与形态指标差异明显,同类洪水相似性较强。     

基于ETM影像数据融合的土地覆盖分类研究

在ERDAS软件支持下，对ETM遥感影像数据的TM1-TM5，TM7与其全色波段TM8进行融合，采用主成分、乘积法、Brovey转换三种融合方法，重采样方法分别为邻域法、立方卷积法及双线性内插法。采用相同的训练样本区及最大似然法分类方法，对融合产生的9幅影像及未融合影像进行土地覆盖分类，通过对分类影像的Producers Accuracy，Users Accuracy，Kappa三者的精度数据和地物波谱信息的对比分析，在总体上，上述的影像融合方法对提高土地覆盖分类的精度不明显，但就某些地物类型来说，还是值得采用的；三种融合方法和三种重采样方式它们之问相比较而言，乘积法融合法和立方卷积重采样法相对较为可取。     

四川省地文景观和水域景观资源分类方案研讨

四川省位于我国西南腹地、长江上游和我国陆地三级阶梯中的一、二级阶梯之间,由于地质构造和地貌的独特性、复杂性和多样性,所形成的地文景观和水域景观等自然景观丰富、类型多样,成为中国乃至全世界地质景观最为丰富、最具特色的地区之一,按2017年底发布实施的《旅游资源分类、调查与评价》分类方案不能很好地反映出四川省地文景观和水域景观特色与亮点,为此,在充分研究国标基础上,结合其他相关规范以及全省地文景观和水域景观特色,依据资源现存状况、形态、特性、特征主要分类原则将地文景观和水域景观划分为8亚类34基本类型,其中前者4亚类21基本类型、后者4亚类13基本类型,与国标相比,取消了四川没有的海面1个亚类及其相应的3个基本类型以及不便于识别的垂直自然带1个基本类型,划分的基本类型与国标一致的有16个、修改完善的有7个、新增加的有11个。对四川景观资源分类方案进行研讨。     

支持向量机在遥感数据分类中的应用新进展

支持向量机是一种基于统计学习理论的新型机器学习算法,它通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.随着应用面的不断扩大,支持向量机在遥感领域也得到了广泛关注.该算法已经成功的应用于遥感数据的土地覆盖、土地利用分类,多时相遥感数据的变化检测,多源遥感数据信息融合等,并且在高光谱遥感数据处理中得到了广泛应用.综述了支持向量机算法在遥感数据分类中的应用.首先对支持向量机的理论进行简要介绍,进而综述了该算法在不同遥感问题中的应用进展,最后阐述了新型支持向量机算法的发展以及在遥感中的应用.