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     

遥感影像分类方法研究

为了遥感解译基础性工作的发展和提高,本文综述了近年来国内外多种分类方法的研究和进展。在分析当前主要遥感影像分类方法的基础上。从传统的分类方法、基于智能的分类方法、其他新分类方法三个方面,对遥感分类方法研究进展进行了阐述,本研究还存在不足,今后还需进一步研究利用各种分类方法相互结合在盖遥感影像分类中的应用。     

基于遥感影像的土地利用现状分类方法研究

遥感影像技术对我国土地的调查和耕地保护中都发挥了极其重要的作用,从20世纪80年代我国开始逐步应用航天和航空技术对我国的土地资源进行利用和动态监测.近些年随着我国科技的飞速发展,遥感影像技术在土地利用和分类方面的业绩更加突出。本文就遥感影像技术在土地利用和分类方法进行全面的阐述.     

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。     

遥感影像分析中面向对象分类方法的研究

由于传统基于像元的分类方法存在诸多局限性,因此文章介绍了一种面向对象的影像分类方法。应definiensdeveloper7．O软件,以昆明地区海口城镇为试验区进行地物提取,并获得了较好的效果,最后提取的精度达93．66％。     

一种基于注意力机制的高分遥感影像场景分类的方法

针对高分遥感影像场景分类准确率低的问题,提出了一种改进的卷积神经网络模型AResNet。该模型将注意力机制引入到预置残差网络中,使用卷积注意力模块分别从通道和空间两个维度学习特征信息,增强了特征的可判别性,实现对遥感影像场景的有效分类。在此基础上,采用ImagNet预训练参数,在训练过程中,采用Adam算法不断优化参数。实验结果表明,在NWPU-RESISC45数据集上,AResNet模型分类准确率提升到了94.3%,验证了模型的有效性。     

小样本条件下的半监督遥感影像分类方法研究

遥感图像监督分类需要充足精确的标注数据训练分类器,然而数据标注需要人工参与,很多任务难以及时获得符合要求的监督信息,不利于影像分类。半监督学习是一种利用少量标注数据和大量未标注数据共同训练分类器的机器学习方法,能从机理上减少人工参与,提高效率。本文引入一种半监督方法——平方损失互信息归一化模型(squared-loss mutual information regularization,SMIR)实现遥感图像分类。实验结果表明,在小样本监督信息的条件下,SMIR能够利用标注数据与未标注数据,直接构建多类分类器,其影像分类结果优于经典的支持向量机(support vector machine,SVM)方法。     

基于图卷积网络的海洋测绘遥感影像场景分类研究

海洋测绘遥感影像噪声难以去除,在遥感影像场景分类时,存在去噪效果不明显、增强效果不显著、分类准确率低等问题。针对这些问题本文提出基于图卷积网络的海洋测绘遥感影像场景分类方法。采用小波阈值图像去噪算法对遥感影像场景进行去噪,再通过NSST(nonsubsampled shearlet transform)方法得到去噪后影像的低频子带滤波与高频子带滤波,并对其展开增强处理,将预处理之后的遥感影像输进图卷积网络模型中,运用该模型中的差异化单元、分类器学习单元与遥感影像特征差异化单元实现最终分类。实验结果表明：与对照方法相比,该方法对遥感影像的去噪效果更好,增强效果更明显,场景分类准确率更高。说明该方法能够有效提升海洋测绘遥感影像的场景分类性能。     

基于Landsat8遥感影像的河套灌区植被覆盖度时空变化分析——以临河区为例

本文以临河区2013年、2017年和2021年8月份的Landsat8 OLI遥感影像为数据,利用ENVI和ArcGIS软件,提取了植被归一化指数(NDVI),并利用像元二分模型估算了从2013～2021年间临河区植被覆盖度并按照标准进行了分级,结果表明2013—2021年九年间,密等级的植被增加18.7%,中等级的植被减少3.02%,疏等级的植被减少5.68%,灌丛等级的植被减少9.65%,稀疏灌丛等级的植被减少0.35%。整体来看植被覆盖度等级为密的比例不断增加,生态质量稳步提升。     

基于YOLOv3网络的高分光学遥感影像海上舰船分类检测

海上舰船目标分类检测技术可广泛用于海事监管、船只救援、打击非法犯罪等活动,具有重要应用价值。本文选取高分辨率光学遥感影像进行数据筛选及预处理,建立了含有2. 4万艘不同类型舰船的分类检测数据集。依据中华人民共和国海事局《船舶登记工作规程》中的舰船分类规则,结合遥感影像实际情况,建立了基于遥感影像的海上舰船分类体系。通过搭建深度学习训练平台,使用YOLOv3神经网络算法对舰船进行分类检测。在测试集上对训练完成的模型进行验证,舰船分类检测结果的召回率达到91%以上,准确率达到95%以上。在GPU加速的情况下,可达30 fps以上的检测速率,使得该模型在具备鲁棒性和准确性的同时也具备实时分类检测的能力。     

基于NOAA/AVHRR影像和地理空间数据的中国东北区景观分类研究

在借鉴前人工作的基础上,以地理空间数据和NOAA/AVHRR复合影像解译为基础,采用高程、坡度、土壤侵蚀强度等指标对中国东北区进行了景观分类:①根据≥10℃积温与干燥度将研究区划分为3个自然带、9个景观区;②通过地理空间数据与遥感信息的复合,对东北区NOAA/AVHRR影像进行解译,得出16种土地覆盖类型;③在各景观区内,将依据DEM和坡度数据进行划分的地貌类型和参照全国土壤侵蚀分类系统进行划分的土壤侵蚀类型,与土地覆盖类型叠加,再通过制图综合得到各区景观类型图;④将各区景观类型图进行接边处理,得到整个东北区的景观类型图.从分类结果可看出,平原和中、低山丘陵构成了东北区自然景观的主要特色,与实际状况基本吻合.丘陵地带多无侵蚀或微度侵蚀;平原周围山前台地大部分遭受轻、中度水蚀,高台地和熔岩高原所占比例较少.以土壤侵蚀强度作为景观类型划分指标,突出了景观类型在自然与人为干扰下的动态变化和潜在问题,有助于未来发展趋势的预测和对策的提出.运用地理空间数据辅助NOAA影像解译可以有效地提高精度,使NOAA/AVHRR数据在大尺度景观研究的深度和广度大大提高.     

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%。     

基于多分类器联合的遥感图像监督分类方法研究

遥感图像分类是遥感图像处理的一个重要内容,根据遥感图像监督分类方法适用范围不同且分类机制各有优劣的特点,将多分类器联合对遥感图像进行分类,结果表明,与单一分类器的分类结果相比,多分类器结合的监督分类技术能有效提高遥感图像专题信息提取的精度。     

影像信息决策树分类方法设计

归纳学习训练样本能够产生决策规则或决策树,通过决策规则或决策树分类新数据的方法称为决策树。本文以大连市旅顺口区为研究区域,分析该区影像信息选取分类样本,选取合适的特征,统计分析样本的特征值,运用基于特征的决策树分类方法,设计决策树分类器,来解决该区域土地利用分类问题。     

NOAA卫星角度信息在分类中的有效性研究

利用连续几天的NOAA卫星数据,经过数据预处理、Ambrals、Rahman模型反演、大气校正,将提取出的角度方向信息,以土地利用图为基础,使多角度遥感理论研究与卫星遥感的实际应用有机结合,评价其在地物识别、提取、分类中对精度提高、方法改善的有效性.研究结果表明,加入角度数据后,无论从类间可分性还是从分类精度上,都要比常规分类数据高,其分类精度提高了2%～7%.     

基于Landsat 8卫星遥感影像水体提取方法的分析

<正>在水资源管理中,遥感影像处理技术占有重要地位。遥感技术可通过感测地表的电磁波辐射以及反射特征能够快速准确地提取水资源信息。它具有感应监测范围非常广、时间分辨率较高、信息的获取速度极快以及数据内容更新的进度飞快等优势。因此,在目前的水体信息提取方法中,遥感技术就成了其中一个重要的手段。水资源调查监测也可以采用遥感影像处理技术。通过获取水体的遥感影像,能够监测水体的面积、深度和水质等参数的变化情况,为水资源合理利用提供数据支持。另外,遥感技术还可用于洪涝灾害的预警和管理。通过实时监测和分析洪涝灾害的发生和演变,可以准确预测洪水范围和影响,为防灾减灾提供参考。同时,湿地资源保护和湿地资源管理也是遥感技术的重要应用领域。通过分析湿地的遥感影像,     

基于Twitter数据的地点分类方法研究

城市化进程中,新的地点不断出现且地点类型不断更新,导致大量未知地点产生,为城市形态的理解和掌控造成障碍。本文综合多种空间分析及文本挖掘技术,创新性地融合Twitter数据中的时间记录与Tweets(用户在Twitter中发表的文本内容)用于地点分类。设计抽取精细的人群活动的时空-内容信息的方法,并通过监督学习方法,利用少量标记样本,自动识别未知地点的类型。最终识别出教育、娱乐、商店、社会服务、交通五种类型的地点,整体精度达67. 6%,表明方法的可行性,为社交数据在地点分类研究中的有效利用提供了新的思路。     

基于高分辨率调查底图为控制基础的影像纠正精度研究

本文以高分辨率数据航片为基础底图,充分考虑不同地形条件、不同侧视角、不同轨道,利用适当的几何纠正模型,对高分辨率SPOT5和QB卫星遥感影像数据纠正结果进行控制点残差、相对精度、重叠精度的评价和分析。     

基于市场营销离群数据挖掘的客户分类模型

客户分类是企业客户关系管理的基石.客户价值包括当前价值和潜在价值两部分,对于企业实现客户价值目标,最主要的三个客户信息变量为订单金额、商品种类和订单频率.对客户的三个变量的离群数据进行分析,将客户分为9小类3大类,不同类别的客户应采取不同的管理策略.在此基础上构建客户分类器和客户分类模型,并进行客户分类的实例研究.     

基于支持向量机的土地覆被遥感分类

遥感图像的分类是研究土地变化的基础。传统的遥感图像分类存在着精度不高,不确定性强的特点。本文使用支持向量机（SVM,Support Vector Machine）技术对遥感图像分类,并与传统的最大似然分类进行对比试验。结果表明不同参数组合下SVM的分类总精度和Kappa指数普遍高于最大似然分类的结果,其最高总精度高出最大似然分类0.9779%。SVM和最大似然分类结果都存在着类别混分,但是SVM混分程度远小于最大似然分类,其精度保持在可接受的范围内,如对于低密度草而言,最大似然分类的用户精度下降到84.68%,而支持向量机的用户精度虽然也有下降但还是保持在92.31%。SVM在样本数目很少的情况下表现出了出色的学习能力,是机器学习领域很有希望的一种学习方法。