面向对象的城市规划遥感监测专题研究

面向对象方法多以图像分割技术为基础,受噪声和预处理影响小,利用地物的光谱、纹理等图像信息,挖掘高分辨率遥感图像上地物的形状、大小、位置、属性等信息,有效改善人工目视解译高分辨率影像建筑物及其动态提取效率低下、精度难以控制等问题。本文主要开展面向对象的城市规划遥感监测专题研究,分析多时相组合分割模式下城市规划监测精度。     

基于全极化SAR数据的BP神经网络分类研究

合成孔径雷达(SAR)图像可以得到非常多的地物特征信息,给图像的解译和分析提供了更多的依据,在地物目标检查、辨别和提取方面具有巨大的潜能。本文基于SAR原始数据的BP神经网络分类算法,并将极化特征分解和BP神经网络分类的优点结合起来,用于全极化SAR数据分类研究,最后得出结论,基于Freeman分解后分类获得较高的分类精度。     

基于BP神经网络的遥感影像分类方法研究

本文用遥感影像监督分类的常用方法与基于BP神经网络的分类方法对黑龙江省鹤岗市某区域高分二号数据进行土地利用分类,并比较分类精度,得出基于BP神经网络的分类方法总体精度相对较高。     

基于混合核函数的极限学习机遥感图像分类

针对遥感影像数据集庞大,地物复杂难辨等特性导致分类难度加大的问题,文中构建了一种基于混合核函数极限学习机的遥感图像分类方法。运用该方法对遥感图像数据集进行分类处理,并将其与单核极限学习机、无核极限学习机、支持向量机等方法进行了对比。实验结果表明,基于混合核函数的极限学习机在对遥感图像进行分类时,其总体精度更优,且一致性效果更好。     

ICA新算法在遥感图像分类中的应用

遥感图像分类中的关键目的在于获取高精度的遥感图像,便于目视解译和自适应智能化.为了减少运算量和达到高分类精度的目的,本文提出了基于JADE和SOBI结合的ICA算法,通过对Alos卫星图像的试验,得到了极好的分类精度,为从信号处理方向进行遥感图像分类提供了参考.     

基于TM遥感影像的玉米地专题信息自动提取

TM遥感影像中专题信息的自动提取是目前遥感界的研究热点，也已成为遥感信息生产流程中的瓶颈环节。本文分析了耕地专题信息自动提取的研究现状，选取了吉林中部和辽宁省东北部作为研究区，采用监督分类的方法对研究区TM遥感影像进行分类，提取了玉米地专题信息，玉米地信息的提取精度为85.5%。根据遥感影像目视解译的原理，提出了基于多特征空间的遥感影像专题信息自动提取的研究方法，通过对多特征空间的数学描述和计算机处理实现 遥感专题信息的自动提取。采用多特征空间的方法将玉米地信息分为光谱特征空间、形状特征空间、区域地学特征空间和干扰特征空间，应用ERDAS8.5遥感图像处理软件中的knowledge engineer模块的开发功能，设计了基于多特征空间的玉米地专题信息自动提取的专家库，使用专家库对玉米地信息进行了自动提取，提取精度为92.9%。从基于多特征空间的分类结果与监督分类结果的比较发现，基于多特征空间的自动提取方法可以提高专题信息的提取效率，对未来实现遥感影像的智能解译是一种研究方法的探索。     

高分辨率遥感影像线状地物提取方法研究

线状地物提取是遥感影像处理的主要研究内容之一。本文针对传统低层次单个像元纯光谱的信息提取方法的不足,构建了一种基于Canny边缘检测的面向对象提取方法。并针对面向对象遥感影像分割容易受到噪声和其他地物干扰导致提取精度不高的问题,运用Canny算子对遥感影像进行高斯滤波,降低噪声影响,采用高低双阈值法细化边缘有效检测出地物的边缘信息。最后结合面向对象的原理,通过基于规则的方法提取线状地物,得到包含线状地物信息的二值图像。精度检验结果表明,基于Canny边缘检测的面向对象方法提取线状地物的欠提取率平均为6.3%,比数学形态学方法提取线状地物的欠提取率下降了22.6%,可以有效提高线状地物提取的精度,对高分辨率遥感影像线状地物信息提取研究具有一定的参考价值。     

基于遥感技术的海岸线提取研究

海岸线是划分海洋与陆地区域的基准界线,针对不同海岸地貌的海岸线,分析海岸线的基本特点及分类,并在遥感影像上建立解译标志。结合边缘检测技术,介绍几种海岸线边缘提取的方法,提取海岸的水边线,并对遥感影像中的海岸线提取算法做出分析,设计合理的影像提取和推算方法,使用不同的方法完成对各类海岸线的提取。     

人工神经网络在遥感图像分析与处理中的应用

结合遥感影像及人工神经网络的特性,介绍人工神经网络在遥感图像分析与处理领域的应用现状,重点分析了在遥感图像分类、遥感图像复原、影像边缘检测与纹理信息提取等方面的应用。     

面向对象的武汉市街区公共遥感影像分类研究

面向对象的遥感影像分类方法克服了传统基于像元分类方法的弊端,将对象光谱、空间纹理等特征一并加入分类依据中,有效避免了“同谱异物”或“异物同谱”的问题,适合于高分辨率的遥感影像分类。以武汉市某街区公共遥感影像为例,采用上述方法,结合支持向量机分类方法进行地物分类识别,结果显示,分类总体精度达到了89．9913％,取得了良好的分类效果。     

基于遥感影像的土地覆盖分类方法研究

20世纪90年代卫星遥感在全球和区域尺度土地覆盖研究与应用方面取得了突破性进展,土地利用/覆盖遥感研究的新方法不断出现。对国内外土地覆盖遥感图像分类的研究现状进行了综合阐述,初步探讨了提高土地覆盖遥感影像分类精度的方法与途径     

遥感影像监督分类和非监督分类方法探讨

从遥感图像的分类的原理入手,比较分析遥感图像分类的监督分类和非监督分类的具体分类方法及特点,运用某地区的遥感影像采用不同分类方法对其精度进行了评估。     

宁波市土地TM遥感图像Bayes分类

遥感图像处理技术是进行区域国土资源监测的有效方法。该文采用贝叶斯（Bayes）判别分类方法对宁波市区的TM遥感图像进行土地分类研究，得到宁波市区的建成区分布状况、水资源状况、城乡接合部状况及其它土地资源利用状况，基本上达到了对不同地物的分类要求。     

面向对象的高分影像最优分割尺度方法的研究与应用

面向对象的高分影像的图像处理方法相比于传统的基于像元的遥感图像处理技术,具有稳定性、准确性、可行性等突出的优势。本文在理论研究的基础上,应用均值方差法、最大面积法方法,获取了影像的最优分割尺度,验证了其对高分影像处理所具有的优势,为面向对象的图像解译提供了基础和保证,在后续研究和应用中具有一定的参考价值。     

浅谈遥感影像纹理特征提取及应用

现阶段,遥感图像具有相对丰富的数据信息,纹理信息也不例外。遥感影像在纹理方面的分析研究已经逐渐发展为提高遥感影像具体分类精度的有效手段,可以在一定程度上准确提取相关的纹理特征,实现影像的成功分类。本文就纹理特征提取方法进行分析,然后有效结合遥感影像实际纹理特点,利用专业化的灰度共生矩阵方法对其特征进行详细描述。另一方面,介绍了纹理特征在遥感图像处理上的应用。     

基于ETM＋影像的凌源市土地利用遥感分类方法的研究

本文以辽宁省凌源市为研究对象,采用RS技术,以ETM＋数据为信息源,使用ENVI遥感影像处理软件进行数据处理,对凌源市土地利用类型进行分类,并对分类结果进行精度比较分析。分类的方法包括非监督分类,监督分类的最大似然法分类以及决策树分类。采用混淆矩阵法对三种分类结果进行精度分析。结果表明,非监督分类与最大似然法分类的总体精度分别为84.34%、85.82%,精度不高。在决策树分类中,对数据进行地物光谱特征分析、NDVI特征分析、主成分分析并结合DEM数据,建立一棵比较合理的决策树,总体分类精度达到90.65%。     

遥感影像房屋自动提取

遥感影像数据量大、地物种类多、噪声多,难以分割出代表现实世界中的实体,同时房屋形态复杂,纹理信息丰富,提取难度较大。探索了借助机器学习方法的房屋自动提取技术,具体分为训练和测试两个步骤。训练中利用机器学习主成分分析算法进行降维,自动计算参数,输出最优模型;测试中,利用所得分类模型处理测试图像,输入训练所得模型,得到提取后房屋图像。以高空间分辨率遥感影像为样本进行实验,利用机器学习对遥感影像进行房屋提取,对于纯净的房屋窗口子区提取率达到百分之九十,而对于非纯净的房屋窗口子区提取率为百分之六十,说明本方法适用于房屋密度高的遥感影像提取。     

遥感影像在煤矿中的解译研究

遥感影像是全国矿产资源开发多目标调查与监测的最基本的信息源,它在矿山开发监测中发挥着重要的作用。本文应用TM、SPOT5、IKONOS等影像,通过野外实地踏勘获取的现场资料及经验,分析煤矿在影像中的特征。从颜色、纹理、地物邻接关系等方面建立不同类型煤矿的遥感解译标志,提出煤矿的信息提取原则,旨在为矿山监测中的人们提供更加合理、准确的日视解译方法。     

QuickBird遥感影像的融合及在农业园区底图制作中的应用研究

应用比值变换、IHS变换、主成分变换和合成比值变量变换等4种影像融合方法对QuickBird多光谱和全色遥感影像进行融合,并利用偏差指数、平均梯度等指标对融合效果进行定量评价;运用最佳指数因子确定参与成图的多光谱影像的波段．研究结果表明,合成比值变量变换法的融合效果最佳;最优波段组合为431,并在此基础上建立了地物判读分析依据,用于QuickBird遥感影像目视解译;采用容差格网矢量化技术进行遥感影像的屏幕矢量化,制作了1：2000比例尺农业园区底图。     

基于GF-2与LandSat-8影像的土地覆盖分类比较

基于GF-2与Land Sat-8影像数据,利用支持向量机分类器(SVM)对同区域同期两种数据进行土地利用覆盖分类对比研究。结果表明:典型样本的光谱比较接近,但在农田与林地、不透水面与裸土的典型样本可分离性方面,Land Sat-8优于GF-2;GF-2与Land Sat-8的分类总精度分别为92.25%和92.06%,但不同地物类型的分类精度存在差异,波谱响应函数的差异可能是导致Land Sat-8对林地的分类精度高于GF-2的原因;此外,GF-2对零碎分布地物类型的分类精度高于Land Sat-8,主要原因是GF-2具有更高的空间分辨率。