一种融合RF-SVM的无人机遥感图像信息提取与分类技术

针对传统无人机遥感图像信息提取与分类算法准确率低、稳定性差、无法有效应对大规模复杂遥感图像数据集等问题,提出一种基于RF-SVM的遥感图像处理算法。RF-SVM算法将RF数据集分类性能较强的优势与经典SVM算法数据降维能力相融合,引入随机变量和示性函数扩大样本集的边界,提升对复杂大规模数据集的处理能力,有效控制泛化误差。在对无人机遥感图像的预处理过程中,借助Brovey变换完成对光谱和高分辨率遥感图像的像素级融合,引入核函数并根据获取到的遥感图像特征和后验概率值,实现对遥感图像内部标的物的准确分类。实验结果显示,在RF-SVM算法下,无人机遥感图像信息提取准确率分类平均准确率达到99.81%,且在RF-SVM算法下的样本点感受性曲线稳定性更好。     

中美科学家联合研究发现互花米草非但不是入侵物种,还是碳捕获高手

据2011年11月18日《解放日报》消息,2011年11月18日在沪举行的中美绿色合作伙伴(湿地研究)第五次工作会议透露,华东师大河口海岸学国家重点实验室、美国杜兰大学等湿地专家经三年研究发现,互花米草非但不是入侵物种,还是碳捕获高手。中美专家认为,互花米草在全球多个地区有着20年以上的引进历史,这些地区的互花米草都与当地原生种形成了良好的、稳定的群落结构,变成了驯化种。同时,互花米草是     

利用高空间分辨率遥感影像提取城市绿地信息的方法研究

本研究基于多种遥感提取算法对高空间分辨率IKONOS遥感影像进行城市绿地信息提取,在此基础上,结合实地验证数据分别对各算法信息提取精度进行评价,最后对高空间分辨率遥感信息自动提取算法进行分析讨论。     

结合Sentinel影像与特征优选的山地城市不透水面提取

不透水面是影响山区生态环境的重要因素.多源遥感数据融合是不透水面提取的重要方法,但容易造成分类特征冗余,需要进行特征优选.现有研究尚缺乏对不同特征优选方法在不透水面遥感提取中的对比分析.首先使用Sentinel-1和Sentinel-2影像等数据提取特征,然后分别基于JM距离、随机森林(RF)模型和ReliefF算法进...     

面向对象分类法在唐山南湖遥感信息提取中的优越性分析

选取唐山南湖作为研究对象,分别采用面向对象分类法与面向像元分类法对研究区进行遥感信息提取,得到不同的分类结果。实验证明,在南湖遥感影像的信息提取中,采用面向对象分类法总体精度（91.3%）要远大于面向像元法的总体精度（72.1%）,因此,面向对象分类法具有明显优势,对于将面向对象分类方法应用于其它领域的遥感信息提取能够提供一定的借鉴意义。     

基于遥感数据的耕地信息提取方法研究

受城市快速发展及气候变化等因素影响,耕地面积和产量逐年波动,准确、快速提取耕地信息,对精确预测作物产量、提高作物管理、优化作物种植结构有重要意义。采用非监督分类、监督分类以及面向对象分类的方法提取Landsat8 OLI影像数据,其中非监督分类运用ISODATA算法,监督分类选择最大似然法,面向对象分类则采用基于样本的面向对象分类方法和基于规则的面向对象分类方法。经实验分析,基于样本的面向对象的提取方法避免了“椒盐现象”且精度最高,总体精度达93.0175%,在进行耕地信息提取时能得到较好的结果。     

高光谱遥感植被图谱信息提取研究进展

高光谱遥感在植被健康检测、植被群落分类以及精准农业等领域得到了广泛的运用,同时,高光谱遥感还能够利用精细的光谱信息来识别物质成分,使植被分类等工作更加精细和准确。高光谱遥感数据的图谱信息具备信息容量大和图谱一体化特点,能够通过连续窄波段获取地表地物信息,并记录植被等地物的光谱信息,同时也记录地物的图形信息。然而,由于数据量庞大且存在冗余,所以高光谱遥感在植被图谱信息提取方面仍面临巨大挑战,本文研究了国内外学者在高光谱植被图谱研究中的重要贡献,分析了高光谱的图谱特征、植被图谱信息提取方法并展开讨论,高光谱技术不仅能提供丰富的植被图谱信息,在其他领域研究中也具有巨大应用潜力。     

基于SPOT影像的常宁市水口山地区矿产资源分布研究

利用ENVI遥感图像处理软件,选取2009年常宁市SPOT高光谱影像数据,利用矿区在影像上的光谱特征,采用决策树分类方法对常宁市水口山地区的矿产资源分布进行调查和信息提取,并将提取结果与全国第二次土地调查的矿区分布进行对比,同时结合实地调查进行验证。结果表明:基于SPOT影像的决策树分类方法提取的地表矿产分布较现有矿产分布面积广,具有较好的识别能力。     

一种集成CNN模型及其在ECG信号分类中的应用

针对复杂非线性多通道时变信号模式分类问题,提出了一种集成卷积神经网络（CNN）与随机森林（RF）相融合的方法。该方法以CNN为基学习器,自动提取信号样本的抽样特征,同时省去降维与人工选择特征的过程,以RF为次级学习器,增加样本扰动,同时增加属性扰动。为增强样本多样性,使得该模型尽可能充分利用信息,在训练集中随机抽取7份子训练集,再利用7份子训练集训练出7个不同的学习器;最后通过投票法和学习法建立集成模型,提高了识别精度。实验结果表明,在测量区间上,该方法对3种ECG信号类别的平均分类精度达94.60%,提高了1.1%,取得了良好结果,验证了模型和算法的有效性。     

基于改进CRUISE算法的遥感影像分类研究

以南京南部高淳县为研究区,采用2010年ETM+多光谱遥感影像作为遥感信息源,选择影像的地形因素、植被指数(NDVI)作为辅助分类特征,基于改进CRUISE算法构建决策树,实现了研究区的地物分类,并与其他分类方法的结果相比较。实验结果表明,与普通的决策树分类相比,基于改进CRUISE算法的分类可以有效地提高土地分类结果精度,具有良好的适用性。     

互花米草对红树林湿地的入侵现状调查研究

对福建、广东和广西等省区受到互花米草入侵的有代表性的红树林湿地进行实地调查.调查结果发现:互花米草主要以带状或斑块状分布在红树林的前缘;在红树林内,主要呈斑块状分布于红树林林间空隙处;在红树林密集的地方则难以侵入.互花米草与红树植物存在生态位的重叠,与红树植物竞争阳光和生长空间,容易对周围低矮的红树植物形成遮荫,特别是对红树林幼苗的生长带来不利影响.建议采用本土红树植物科学地营造红树林,以较快形成较高的郁闭度,达到防治互花米草的目的.     

基于卷积神经网络高光谱影像土地利用分类方法研究

土地覆盖/土地利用变化信息是全球环境变化发展的最重要信息来源之一。本文以高分五号高光谱影像为数据源,采用主成分分析（Principal Component Analysis,PCA）方法进行特征提取,并选用前六个主成分作为分类数据,利用基于卷积神经网络（Convolutional Neural Networks, CNN）的分类方法进行分类,并以支持向量机（Support Vector Machine, SVM）和RF(Random Forest,RF)分类方法进行对比。结果表明,基于CNN的分类方法获得的总体分类精度最高,达到87.67%,Kappa系数为0.84,总体精度相较于基于SVM和RF分类方法的总体精度分别提高了9.00%和8.00%;基于SVM和RF的分类方法的分类结果“椒盐”噪声明显,基于CNN的分类方法可以很好地改善这种情况;基于SVM和RF的分类结果对草地、林地以及其他用地等的分类精度较低,错分比率较高,而基于CNN的分类方法可以有效地改善这种情况。     

基于迁移学习的遥感影像树种类型分类

提出了基于迁移学习思想的卷积神经网络遥感影像树种类型分类算法。采用ImageNet上训练的Inception-v3模型对树种影像特征进行提取,使用AID标准数据集和自行采集的东北林业大学实验林场数据集训练一个新的全连接层和Softmax层,更改输出层的节点数量;引入Dropout函数改善过拟合现象;通过反向传播优化模型。实验结果显示,模型在两种数据集上总体分类精度分别达到了98. 8%和97. 2%,Kappa系数分别为0. 987和0. 984,表明实验算法不仅降低了卷积神经网络的参数数量,还提高了目标分类识别的准确性。与传统方法相比,实验算法无需进行复杂的预处理技术即可实现树种的自动特征提取,同时解决了只有依赖大规模样本才可达到较高分类精度问题,在树种类型分类上具有很高的应用价值。     

基于不同DEM数据源的流域特征信息提取对比——以重庆市大宁河流域为例

文章介绍了流域河网特征的传统获取方式以及最近十年发展起来的遥感地形测绘,比较了ASTER GDEM（先进星载热发射和反射辐射仪全球数字高程模型）与SRTM（航天飞机雷达地形测绘任务）的发展由来与数据基本情况,同时论述了基于地表径流模型提取流域的方法。选取重庆市大宁河流域做不同DEM数据源的流域特征信息提取对比,研究表明ASTER GDEM提取流域河网特征精度高于SRTM。     

基于主成分分析的GA-BPNN遥感图像分类研究

在高原山地地区,传统遥感分类方法分类精度低,而标准BP神经网络分类方法在实际应用中也难以胜任.探讨对数据源主成分分析特征选择的基础上,用量化共轭梯度法改进标准BP算法,采用GA优化BP网络的隐层神经元数目、初始权重.并以香格里拉县ETM+遥感图像为例,在DEM地形数据辅助下,训练网络使其收敛,仿真输出.结果表明,其分类总精度为84.52%,Kappa系数为0.8317,比最大似然法分类精度提高了9.08个百分点,验证了GA优化的BP网络遥感图像分类的可行性和有效性.     

Web实体表格结构识别研究

Web表格信息提取已成为构建本体的重要工作,它能自动将本体所需的属性名和属性值提取出来,节省大量人工劳动。提出了一种基于单元格类型和值长度的表格结构识别算法,能有效识别定位出的表格展开方式,对于表格信息提取具有重要意义。     

基于特征提取的视频预处理方法

针对现有视频识别算法对不同帧中同一对象反复分类、反复识别问题,提出一种基于特征匹配的预处理算法。该算法将前一帧中已识别物体的图像特征与下一帧画面提取出的特征相比较,找出下一帧中已经被分类或识别过的物体,并将其剔除,达到压缩输入视频画面尺寸、提升视频处理效率的目的。为了验证算法的预处理效果,对两组道路图形进行实验,结果表明,该算法平均降低85%的画面尺寸,视频画面处理时间平均降低5%。     

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。     

高空间分辨率遥感影像小波域分形纹理特征提取

融合小波多尺度分析方法及分形纹理提取方法在遥感影像信息提取方面的优势,提出高分辨率遥感影像小波域分形纹理特征计算方法,以获取地物多尺度分形纹理属性,为遥感影像地类识别提供更好的标识。首先对遥感影像进行小波多尺度分解,进而基于DBC、多重分形纹理计算方法在各个分解层上提取地物纹理特征,通过比较分析,从中选取更为有效的小波域分形纹理特征。基于该方法,利用福州市高空间分辨率QuickBird遥感影像进行试验,并对QuickBird影像进行三级小波分解及纹理提取,结果表明：小波第一、第二分解层粗影像（CA1、 CA2）及三方向平均细节影像（L1、 L2）的DBC空隙特征及多重分形分维数结果作为最终甄选的小波域分形纹理特征更为合适。     

基于基因表达式编程的遥感影像分类方法研究

本研究将基因表达式编程算法应用于遥感影像分类问题,利用广东省东莞市1997年Landsat TM影像数据进行实验,取得了较好的分类结果,模型分类精度达到85.19%。实验结果表明:基因表达式编程算法提取的分类规则具有较高的分类精度,具有一定的优越性与有效性,为遥感影像分类研究提供了一种新的模型方法。