共查询到19条相似文献，搜索用时 470 毫秒
1.
《现代测绘》2020,(1)
针对国产高分辨率遥感数据在城市绿地信息提取中分割尺度选择问题,选取国产高分一号(GF-1)和中巴地球资源卫星04星(CBERS-04)遥感数据,在数据融合的基础上,采用控制变量法选取影像分割与合并尺度进行绿地信息提取,通过信息提取精度评价确定最优分割尺度。实验结果表明,对于GF-1和CBERS-04国产遥感数据,面向对象的方法均优于基于像元的方法,其中5m分辨率CBERS-04数据,面向对象方法绿地提取精度为90.53%,基于像元方法绿地提取精度为86.54%,推荐分割尺度与合并尺度为(25,70);2m分辨率GF-1数据,面向对象方法绿地提取精度为97.09%,基于像元方法绿地提取精度为83.49%,推荐分割尺度与合并尺度为(45,80)。研究结果能够为国产高分遥感数据城区绿地信息提取和地物分类过程中尺度选择提供借鉴和支持。 相似文献
2.
3.
面向对象和规则的高分辨率影像分类研究 总被引：1，自引：0，他引：1
随着航天遥感技术的发展,遥感数据的空间分辨率、光谱分辨率和时间分辨率极大提高,高效解译并处理海量的、具有空间几何信息和纹理信息的地物高分辨率遥感影像数据已成为遥感领域研究的重点与难点。对此,本文提出一种面向对象和规则的遥感影像数据的分类提取方法,即通过发现和挖掘高分辨率影像丰富的光谱和空间特征知识,建立影像对象多层次网络分割分类结构,实现对遥感影像准确快速的地物分类和精度评价。以藏南地区WorldView-2影像数据为试验研究对象,采用面向对象和规则的影像分类方法进行验证试验,即综合采用均值方差法、最大面积法、精度比较法进行分析,选择3种最佳分割尺度建立多层次影像对象网络层次结构进行影像分类试验。结果表明,采用面向对象规则分类方法对高分辨率影像进行分类,能使高分辨率影像分类结果近似于目视判读的结果,分类精度更高。面向对象规则分类法的综合精度和Kappa系数分别为97.38%、0.967 3;与面向对象SVM法相比,分别高出6.23%、0.078;与面向对象KNN法相比,分别高出7.96%、0.099 6。建筑物的提取精度、用户精度分别比面向对象SVM法高出18.39%、3.98%,比面向对象KNN法高出21.27%、14.97%。 相似文献
4.
《国土资源遥感》2020,(2)
机械性破损面容易引发水土流失、次生地质灾害等生态环境问题,但目前还缺乏其基于遥感影像的有效提取方法。选择机械性破损面分布密集的云南省螳螂川流域为研究对象,基于高分二号(GF-2)遥感影像,探讨其基于纹理特征辅助的面向对象提取方法。根据7类地物特征建立地物分类规则,在最优尺度分割的基础上,基于光谱特征的决策树A和基于"光谱+纹理"特征的决策树B进行面向对象的分类。经过精度评价分析得出,相对于传统的监督分类法和仅基于光谱的面向对象分类法,基于"光谱+纹理"特征的决策树B分类方法使Kappa系数和总精度分别提高至0. 82和86. 25%,有效地提高了机械性破损面的提取精度。 相似文献
5.
针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集（WashingtonD.C.数据）验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。 相似文献
6.
针对我国城市化进程不断加快,城市生态用地发生翻天覆地变化的状况下,如何及时准确地获取城市生态用地覆盖信息的问题,该文以北京部分城区高分一号遥感影像数据作为实验数据,提出一种面向对象的城市生态用地信息提取方法。通过分析城市生态用地5种地物类型的光谱信息和几何信息,建立相应的规则集以提取小尺寸遥感影像中生态用地信息;针对建筑物和裸土难以区分的问题,引入纹理信息来提高提取精度,并将含有纹理信息的规则集应用于北京市遥感影像。实验结果表明,该方法提取精度可以满足大面积的城市生态用地信息提取的需求。 相似文献
7.
8.
近年来,随着航空航天事业的高速发展,带动了遥感对地观测技术的进步,为高分影像的获取奠定了基础。作为地物类别中的主要内容和地形图中的重要成图元素,建筑物的识别与提取,直接影响到地物提取的自动化水平。因此,高分辨率遥感影像中建筑物的提取是图像处理领域中的主要研究内容之一。为了提高城市建筑物信息提取精度,本文改进了常规的面向对象方法,以航空遥感影像和SPOT-6影像为对象针对其下垫面结构复杂的特性,采用多尺度分割和多规则结合的方法自动提取建筑物信息,并通过样本区进行了精度验证,将提取的结果与传统分类方法所得到的结果相互比较。研究结果表明,面向对象的多尺度分割对高分影像中建筑物的提取具有较好地效果,KIA精度达到了0.76,为城市建筑物信息提取的应用提供了新思路。 相似文献
9.
针对面向对象分类中的分割尺度问题,本文以国产高分一号卫星(GF-1)、高分二号卫星(GF-2)影像为数据源,选取沈阳市两处城区影像作为实验数据,以典型城市地物为分割对象,选择分割质量函数法、均值方差法、RMAS指数法进行尺度分割,并利用欧几里得2指数(ED2)评价其最优尺度,从而确定不同影像不同地物对应的最优尺度分割方法与尺度。 相似文献
10.
随着国产卫星遥感影像在电力部门的应用日益深入,利用高分辨率国产卫星遥感影像对输电线路走廊地区进行快速准确的地表覆盖分类成为现实。本文以湖北省输电线路走廊为研究对象,通过多种地物分类方法对比试验,综合利用高分辨率影像的光谱、纹理、形状等特征优势,以"高分一号"影像为例探索出面向对象的层次分类法,快速实现了地物的精确提取,可用于输电线路走廊地区山火评估及预防。研究结果表示,面向对象的层次分类法对于输电线路走廊地物快速分类是可行的并且能达到较高的精度。 相似文献
11.
遥感信息获取过程中云是重要的干扰因素，随着国产高空间分辨率卫星数据的应用，实现数据的准确云检测对有效获取地面信息具有重要意义。本文以高分一号、高分二号多光谱影像为数据源，利用图像分割获取了同质对象，基于对象光谱、纹理和几何8种属性特征建立了规则集，以规则集为输入，利用阈值法和GURLS分类器结合进行了云检测。针对不同时相和场景的高分数据，将该方法与基于像素的最大似然法和SVM法进行了对比，结果表明该方法云提取精度均在95%以上，Kappa系数在0.9以上。 相似文献
12.
以国产高分一号2 m全色、8 m多光谱遥感影像作为数据源,选择廊坊市文安县作为研究区域,针对坑塘信息精确提取问题,采用单波段阈值法、监督分类法、面向对象方法等进行实验研究,重点研究了面向对象方法,结合运用遥感影像光谱、纹理、形状等特征,分析坑塘与其他地物之间的差异,最终实现坑塘信息的精确提取。 相似文献
13.
廊坊是京津冀城市群的地理中心,位于京津两个国际都市之间。本文选取廊坊市中心为研究对象,利用高分一号卫星数据和航空影像,分析廊坊市2010~2016年的城市扩张变化情况,为京津冀协同发展制定政策并为城市制订规划提供依据。首先对遥感影像进行预处理,对高分一号卫星影像,按用地类型分别采用监督分类、面向对象和植被指数法提取城市2016年地表现状信息,并进行精度评价;对2010年的航空影像进行数字化,两类数据结合进行基于分类的变化检测和精度评价,分析城市空间变化特征。结果表明,厂房、建筑和未建成区分别采用监督分类、建筑阈值分类和面向对象法分类效果较好;廊坊市城市扩张的驱动力主要为经济发展、政策因素、历史条件、地形等。 相似文献
14.
针对南方复杂地区水稻遥感信息提取研究中机器自动学习分类研究较少、分类精度不高的问题,以福建省三明市建宁县溪口镇为研究区,基于GF-1号卫星影像,采用面向对象的随机森林遥感分类算法对研究区内水稻田信息进行提取。首先通过优化面向对象分割参数和随机森林分类模型参数,提取并调用了影像中的多种特征;再对光谱特征、植被指数特征、纹理特征、几何特征进行特征空间优选;最后通过设置4种特征优选试验进行对比,得到最优分类模型。实验结果显示,基于特征空间优选的面向对象随机森林分类算法的水稻提取精度高达90%,分类总体精度可达87%,Kappa系数为0.85;与其他试验结果相比,漏分和误分现象较少,实现了南方地区水稻信息高精度自动识别。该方法计算特征少、实现简便,对于国产高分卫星影像在南方复杂地区作物自动提取中的应用具有参考性。 相似文献
15.
快速准确地从遥感影像提取冰川堰塞湖水体信息,是研究冰坝遥感监测与应急监测的核心热点问题。以GF-1卫星遥感影像为主要数据源,采用归一化差分水体指数(NDWI)、改进阴影水体指数(ENDWI)和面向对象(SVM)对克亚吉尔冰川堰塞湖水体进行定量提取。比较分析3种水体判识方法,3种方法均可以提取完整的水体边界,并且抑制了90%以上的非水体信息。NDWI法和ENDWI法可应用于GF-1地表水体提取,能够满足冰坝水体监测与应急监测需求,但面向对象法最适宜GF-1影像的水体信息准确提取。 相似文献
16.
基于eCognition的遥感图像面向对象分类方法研究 总被引：1，自引：0，他引：1
随着高分辨率遥感图像越来越普及,传统的面向像元的图像分类方法不能满足对高分辨率遥感图像区域分类的需求,高分辨率遥感图像对图像处理的软件与硬件都有了更高的要求,因此,出现了相较于面向像元有着更高精度更为合理的面向对象分类方法,也更加适用于高分辨率遥感影像。本文通过采用面向对象分类的基本方法,运用eCognition软件,以山东省胶州市地区遥感影像为例,进行多尺度分割和面向对象分类。并用ENVI做监督分类,基于目视解译精度评定,对不同方法作出分析评价。结果表明:面向对象分类方法精度更高,更具有可靠性。 相似文献
17.
18.
我国正处于城镇建设的高速发展阶段,城市用地现状信息提取是进行城市精细化管理的重要基础工作。本文通过对高分辨率遥感影像光谱特性的深入分析,提出一种结合面向对象分类和GIS分析技术的城市用地现状分类的处理新模式,实现了城市用地现状的高效分类。利用高分一号卫星高分辨率遥感数据进行验证,总体分类精度达81.44%。试验表明,该处理模式有效地简化了人工操作步骤,大幅度提高了高分辨率遥感影像城市用地现状提取的效率。 相似文献
19.
土地覆被作为地表自然和人工建造物的综合体，是开展土地科学相关研究的重要基础，在遥感大数据背景下，准确、快速、自动化进行土地覆被提取技术一直是遥感研究中的重点。本文基于eCognition软件，采用面向对象的多尺度分割法，综合考虑地物在遥感影像上的光谱、形状和纹理特征，建立多种地物提取规则。通过模糊函数、支持向量机（SVM）和阈值法对研究区的土地覆被进行分类提取，并与研究区的FROM-GLC10数据和土地利用变更数据进行了对比分析。结果表明：①研究区土地覆被分类的总体精度为97%，Kappa系数为0.96，分类精度较高；②基于10 m分辨率影像，综合使用形状、纹理、光谱信息对于道路的提取具有较好的效果，道路提取Kappa系数为0.84；③分类结果在面积和空间分布上都优于FROM-GLC10数据，与研究区实际土地变更数据保持较好的一致性。基于面向对象与规则的分类方法提取地物能够有效利用多种遥感影像特征，分类精度高，对于处理高分辨率遥感数据具有很好的优势。 相似文献