基于面向对象的香榧资源分布遥感调查研究

香榧系第三纪孑遗植物,为我同特有的珍贵经济树种.常规的香榧资源调查方法存在工作量大、数据时效性差等不足.近年来高分辨率遥感影像的应用,为特定树种信息提取提供了可能.基于此,本文以高分辨率IKONOS卫星影像为基础,采用面向对象的信息提取方法,多尺度分割形成对象后,利用光谱、形状、纹理等构建特征空间,进行会稽山区香榧信息提取的试验,并与常规监督分类法(最大似然法)进行了比较.结果显示,基于面向对象方法的香榧信息提取精度达到86.57%,比监督分类法的精度提高了27.90%.研究表明,用面向对象的分类方法进行香榧信息提取和资源调查是可行的.     

基于不同分类方法的湿地信息提取对比研究

文章以梅州市建成区为研究范围,高分辨率卫星影像为数据源,分别采用监督分类和面向对象法进行分类。分类结果显示,基于监督分类的总体精度为84.5%,总体Kappa系数为0.83,而基于面向对象法的总体精度高达94.4%,总体Kappa系数为0.92。相比传统分类方法,面向对象法能够产生较高的分类精度,并且能够克服传统分类无法解决的"椒盐现象",但还存在影像阴影影响分类精度、池塘水田分类混淆等问题,需要通过规则筛选和目视解译作进一步的处理。     

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。     

基于面向对象分类的芒果林遥感提取方法研究

中国芒果种植面积居世界第二,并有持续增长的趋势。国内外利用遥感手段提取农作物的相关研究较多,但有关芒果林遥感提取的研究仍较少。本研究基于2016年12月的高分辨率卫星SPOT-6数据,结合植被覆盖度(FVC)和坡度(SLOPE)因子,利用面向对象分类方法对芒果林地信息进行提取,结果表明,利用FVC和SLOPE参与分割的面向对象分类方法,提取芒果林地的生产者精度达92.81%,用户精度达97.19%。该方法相比于最大似然法分类以及FVC和SLOPE未参与分割的面向对象分类,提取芒果林地的生产者精度分别提高了19.28%和3.62%;用户精度分别提高了8.62%和3.86%。本研究可为果园用地的遥感识别与信息提取有效的方法借鉴。     

基于卫星图像技术的车辆速度检测

文章针对高分辨率卫星图像,设计一种基于卫星图像的车辆速度检测方法。对于采集的高分辨率卫星图像,先通过图像平滑及图像增强对图像进行预处理。然后采用面向对象的多尺度分割技术,通过计算同质性和合并同质性大的区域对图像进行分割,分别采用大小两层尺度分割出道路和车辆,利用模糊分类方法进行车辆探测识别。最后利用成像时间差,通过图像融合,提取不同时相下的车辆坐标,计算车辆速度。     

基于面向对象的城市道路高分辨率遥感影像提取方法研究

针对高分辨率遥感影像中的道路网检测的效果不甚理想的现状,提出一种基于面向对象的道路网检测方法。通过对高分辨率遥感影像进行道路自动提取实验,结果表明,本文提出的道路自动提取方法可以比较准确地提取出道路信息,对较复杂的道路环境也有一定的作用。     

第三次国土调查中面向对象的自动分类技术运用分析

国土调查工作与我国的未来发展息息相关,基于我国当前的发展形势,第三次国土调查工作将有效地助力我国"美丽乡村"、"美丽中国"规划的实施。本文分析了第三次国土调查中面向对象的应用方式,并对面向对象的自动分类技术在第三次国土调查中的具体应用进行了详细介绍。     

高分辨率遥感影像天然林与人工林植被覆盖信息提取

森林类型识别是森林资源遥感监测的基础工作,低分辨率遥感影像缺少纹理细节信息,高分辨率遥感影像不仅具有光谱信息,而且提供丰富的空间、纹理特征信息,因此基于高分辨率遥感影像的纹理特征进行森林内部信息的提取成为近年研究的热点及难点,传统基于单个象元纯光谱及面向对象建立规则集的方法难以有效区分天然林与人工林植被覆盖信息.本文利用面向对象多尺度分割算法、Sobel算子边缘检测及骨架线提取等方法,提取天然林与人工林的纹理线特征,构建了一种新的特征指数——纹理线条密度指数(TLDI).研究表明:与常用的NDVI、SAVI、EVI等植被特征及VAR、HOMO、CON等GLCM纹理特征指数相比,TLDI指数的离散度更好、分类效果更佳;当TLDI＞0.1时,为天然林植被覆盖区;当0＜TLDI＜0.1时,为人工林植被覆盖区.典型区域的实验表明,除极少数稀疏天然林对象斑块错分人工林,总体分类精度较高,人工林错分率小于0.83％,面向对象的TLDI指数可以有效地提取森林内部天然林与人工林植被覆盖信息.     

应用高分辨率遥感影像Spot5进行土地利用调查与更新中的误差分析

以Spot5影像为例,通过各种地类影像判读的难易分析,得出高分辨率遥感影像在土地更新调查中的精度分析与评价。     

基于面向对象随机森林算法的主被动遥感协同实现农作物自动识别

以Sentinel-1/2哨兵卫星获取的雷达和多光谱遥感影像为数据源,提取多时相光谱反射和微波后向散射特征变量,基于面向对象的随机森林算法对吉林省扶余市水稻、玉米和大豆分类,并与支持向量机算法比较,综合评估基于多源遥感数据的面向对象随机森林算法对大范围农作物自动识别的适用性。结果表明：利用多时相多源遥感数据能够有效提高作物分类精度。面向对象随机森林算法的分类总体精度为87.32%,高于支持向量机算法9.82%。利用面向对象随机森林算法结合多时相主被动遥感特征变量能够准确地自动识别大范围农作物,可为作物种植面积调查与产量估值提供重要的支撑。     

基于面向对象高分辨率影像的校园地物提取

针对高分辨率遥感影像的校园地物分类,引入了面向对象的信息提取技术,以校园作为研究对象,实现校园用地的分类和提取。最终结果精度高达85%左右,比传统监督分类中相对成熟的最大似然的精度高出10%左右,同时克服了"椒盐"噪声的影响,各地物信息的提取特征比较明显,具有较大的应用潜力。     

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ENVI Zoom面向对象的高分辨率影像的道路提取

随着科技的发展,遥感技术已经形成向高空间分辨率和高光谱分辨率发展的趋势,并且取得了很好的效果,如QUICKBIRD影像全色波段的分辨率已经达到0.6 1 m,WORLDVIEW影像全色波段的分辨率达到0.5m。因此,高分辨率遥感影像能很好的突出的地物细节信息和结构纹理信息,利用这一特点,可以采用面向对象技术,提取道路信息。而传统的道路提取方法只依据道路的光谱信息。利用面向对象技术对试验区进行提取。首先,对影像进行预处理,然后对影像进行分割;其次,利用道路的光谱、纹理、结构信息,构建道路对象的知识库,从而实现道路信息的提取。所以,面向对象技术是提取高分辨率影像信息的一个重要发展趋势。     

“面向对象思想”在文本分类中的体现

结合文本分类的过程和面向对象方法学理论,讨论面向对象思想在文本分类过程中的体现。阐述文本分类过程和面向对象程序设计中抽象类过程的区别与联系。     

面向对象回归测试的方法

对面向对象软件回归测试的方法进行研究,该方法先对类及受影响的类进行分析,找出这些类,然后从测试用例集中找出覆盖所有受影响的类,最后进行测试用例排序进行执行。这种方法有效、经济和安全。     

西双版纳橡胶林地的遥感识别与数字制图

橡胶林地是西双版纳人工景观的主导类型,橡胶林地的遥感识别与动态监测对于促进西双版纳的经济发展和生态保护具有重要意义。研究基于MODIS—NDVI数据,通过分析各植被覆盖地类的物候特征,判定橡胶林提取的时间窗口：以2010年TM为主要数据源,根据橡胶林在不同树龄所表现的光谱差异,采用面向对象分类方法,按照橡胶幼林（〈10年）、橡胶成林（≥10年）系统分析其光谱、纹理、地形以及类相关特征,完成了2010年橡胶林地的提取与制图。精度评价结果表明,总分类精度达到85．20％,较基于像元的决策树分类精度提高5．20％;其中橡胶成林分类精度达到92．50％,橡胶幼林分类精度在76．42％。统计结果表明,橡胶幼林与橡胶成林种植面积比重为1．04：1,与目前民营橡胶种植面积超过国营橡胶种植面积现状相吻合。研究提出来一种验证和提高橡胶林分类精度的新方法,即采用相同分类方法提取2000年的橡胶林地,通过2000年和2010年两期橡胶林地变化的叠加分析,发现橡胶成林提取方法较为可靠,而橡胶幼林误分率略大,可通过提取更晚年份的橡胶成林来进一步改善和提高提取精度。     

支持向量机的二叉树多分类算法在变压器故障诊断中的应用

支持向量机最初只能用以解决二分类问题,对于多类故障,只能通过组合二分类器间接应用于多类分类问题。本文提出一种基于二叉树多分类算法对变压器中常见故障进行了模式识别,并与传统多分类算法作对比。根据svm理论结合二叉树方法建立变压器故障诊断模型,通过VS2008对其进行了验证,结果表明该方法能有效地、准确地识别故障模式,具有较高的推广性。     

面向对象软件测试技术研究

面向对象软件测试是面向对象软件开发的重要一环,是保证软件质量、提高软件可靠性的关键。针对面向对象程序的特点及对软件测试的影响,提出一种基于状态的类测试的面向对象软件测试方法,该方法与有限状态机理论相结合,对提高软件测试效率和软件可靠性具有指导意义。     

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。     

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％。