共查询到20条相似文献，搜索用时 57 毫秒
1.
为提高采用遥感影像监测开采沉陷演化的准确性,探讨了基于多维纹理特征的影像分类方法。首先提取影像的多维纹理特征:局部方差、局部平均梯度、局部能量和局部信息熵,然后将其与地物光谱值一并作为人工免疫算法中样本的特征向量,利用免疫算法的选择、克隆、变异算子进行自学习得到全局最优聚类中心,从而提高影像分类精度。对淮南煤田进行开采沉陷遥感监测,结果表明,该方法分类总精度为88.26%,Kappa系数为0.853,优于传统的Parallelepiped和Maximum likelihood分类方法。 相似文献
2.
决策树模型分类算法为早稻遥感分布信息的获取提供技术方法。研究直接利用归一化植被指数计算,配合卫星影像纹理分析,逐步剔除非耕地的信息,得到耕地的初步分类结果;再结合多时相归一化植被指数和地表水分指数曲线等综合判析,进一步区分出早稻和其他作物。通过相关资料的验证,早稻的用户精度达到了87.50%,生产者精度为85.71%,总体精度达到了93.50%,Kappa系数为0.823,证实该方法在提取早稻信息的可靠性、准确性,也为后期水稻产量的预估提供科学决策依据。 相似文献
3.
针对救援提升车结构复杂、工况故障数据独立性差、故障诊断难的特点,提出一种基于谱聚类的半监督支持向量机救援提升车故障诊断算法。该算法利用谱聚类的思想挖掘原始故障数据的隐藏特征信息,有效区分不同耦合程度的部件系统中故障信息的独立结构特征。首先根据原始输入数据建立故障图谱,然后通过建立拉普拉斯矩阵获取更加符合聚类假设的核函数,最后,建立半监督支持向量机模型,利用梯度下降算法求解最终分类结果。将上述算法应用于XCA30＿JY救援提升车工况故障诊断系统,通过搭建真实仿真环境,对采集到的工况数据进行分类,获取最终分类效果。为评价其性能,分别与传统支持向量机及梯度下降半监督支持向量机进行比较。实验结果表明：提出的算法对于救援提升车故障诊断具有较好的分类效果,救援提升车工况故障分类错误率降低至10.2%,可有效解决复杂工况故障诊断难题。由于本算法具备任意样本空间聚类及非凸函数优化求解能力,因此,除可广泛应用于车载故障诊断系统外,对于数据分类、模式识别等方面具有普遍的应用和指导意义。 相似文献
4.
为了解决由于空间分辨率低导致城市核心地物要素提取精度低的问题,笔者构建了适用于城市核心地物要素提取的卷积神经网络模型(convolutional neural network, CNNs),同时利用基于遥感影像提取的颜色、纹理和形状等多特征信息辅助城市地物要素提取。颜色、纹理和形状等多特征信息与CNNs模型提取的深层信息相结合,融合浅层与深层特征信息,充分挖掘影像数据中的高级语义信息,能够有效地提高结果精度。实验结果表明,CNNs模型减少了模型参数量与复杂度,模型收敛速度快,具有较高的提取精度、泛化能力和鲁棒性,总体精度为97.49%,Kappa系数为0.957 5。该研究可以为城市发展与规划提供技术支持。 相似文献
5.
6.
面向对象的喀斯特地区土地利用遥感分类信息提取 总被引：1，自引：0，他引：1
传统的面向像元分类方法虽然对光谱差异较为明显的遥感影像信息提取具有较好的效果,但会不可避免地产生“椒盐现象”,同时对纹理和形状信息不能充分应用,造成了大量信息损失。为了提高喀斯特地区土地利用遥感信息提取的精度,本文采用面向对象的分类方法,对贵州省毕节地区开展了土地利用遥感信息自动提取研究。首先对该地区Landsat-5 TM影像进行多尺度分割,形成影像对象层,然后综合应用基于知识决策树分类和基于样本的最邻近分类等技术对喀斯特地区进行遥感解译。结果表明,面向对象分类技术能较好地对喀斯特地区土地利用信息进行提取,同时避免了“椒盐现象”的产生,经野外采集样点数据验证,一级类分类精度为91.7 %,二级类分类精度为89.4 %,表明该方法在贵州省毕节地区应用效果良好。 相似文献
7.
以朝鲜半岛为研究区域, 基于2000年和2007年的MOD IS数据, 应用线性光谱混合模型进行像元组分分解并提取分类特征, 对像元组分分解后有错分的地物类型结合纹理进行分析, 以决策树模型进行土地利用分类。结果表明, 像元组分分解后的决策树分类结果总体精度达78.346 5% , Kappa系数达0.681 3。与像元组分分解前最大似然法和决策树分类结果相比, 决策树分类精度优于最大似然法, 且像元组分分解方法提高了分类精度。经2000年和2007年像元组分分解后的决策树分类结果对比: 朝鲜耕地面积增加; 韩国耕地面积减少, 居民地面积增加。 相似文献
8.
遥感图像中地表水体同山体、建筑物等地物产生的阴影在光谱特征上存在较高的类间相似性,导致提取过程中容易出现混淆和错分的情况。针对此问题,提出一种基于面向对象和人工蜂群的地表水体提取方法。该方法首先对遥感图像进行分割以获取分割对象的光谱、比率、几何形状等统计特征,以弥补高分遥感图像波段数目少,信息量不足的缺陷;并借助人工蜂群算法在解决复杂问题最优化方面的优势,选取水体同阴影二值分类的几何平均正确率作为算法的适应度函数,最终获取地表水体的最优化提取规则。选取厦门市大嶝岛和湖南省资兴市部分区域,基于国产高分一号、二号遥感数据进行水体提取,并与传统SVM分类结果进行比较。实验结果表明本算法提取水体的总体精度和Kappa系数均优于传统SVM分类器,表明该方法可应用于高分遥感图像的地表水体提取。 相似文献
9.
影像分割是高分辨率遥感影像信息提取的前提,遥感影像分割的精确程度直接影响遥感分类的精度。为提高喀斯特山区遥感影像信息提取的精度,采用多尺度-光谱差异分割对喀斯特山区高分辨率影像分割,通过标准最近邻分类法提取土地利用信息,对比了仅多尺度分割、多尺度-光谱差异分割两种分割方法下喀斯特山区土地利用信息提取的精度。结果表明:（1）多尺度-光谱差异分割能改善过分割和欠分割现象。（2）多尺度-光谱差异分割优于单一使用多尺度分割。（3）多尺度-光谱差异分割综合了影像的光谱、纹理、形状等特征,进而提高了喀斯特山区影像分割分类的精度。 相似文献
10.
遥感图像分类技术对于荒漠草原浅覆盖区第四系覆盖物分类具有重要意义。以内蒙古旗杆甸子幅1∶5万填图试点为例,基于ASTER、GF-2等多源遥感数据,利用植被抑制法、波段比值法、主成分分析以及纹理信息提取等多种方法,充分考虑了多光谱数据的光谱信息和高分辨率数据的形状、空间结构、纹理信息等特征,结合面向对象分类法,对研究区第四系覆盖物进行了分类,并比较分析了不同分类方法的分类效果与精度。结果表明:将波段比值、主成分分析以及纹理分析多种特征作为辅助数据参与分类,其分类效果优于基于单一ASTER数据进行的分类;通过几种不同分类方法的比较分析,发现多特征面向对象分类的总体精度最高,达到85.40%,比多特征传统监督分类的总体精度提高了约11%,分类影像上地物边界清晰。该法分类技术可以为荒漠草原浅覆盖区的地质填图提供相关技术支持。 相似文献
11.
《地质科技情报》2017,(4)
岩性识别是遥感图像分类的难点,也是遥感地质应用的难点和热点。从遥感地质应用的实际需求出发,以西昆仑地区侏罗纪沉积岩地层为例,通过尺度转换提取高分遥感图像的多尺度纹理信息,采用波段叠加的方式协同多尺度纹理信息与ASTER影像多光谱信息进行岩性识别方法研究。利用WorldView-2全色数据进行向上尺度转换,形成空间分辨率分别为0.5,2,5,10,15,30m6种尺度图像数据,基于灰度共生矩阵提取各尺度上的纹理信息;将不同尺度的纹理信息分别与ASTER多光谱数据叠加形成协同数据;采用监督分类方法对研究区协同数据进行岩性分类。结果表明:(1)岩性纹理信息对空间尺度表现出依赖性,纹理信息量及含义随空间尺度不同而变化;(2)每套特定岩层因其独特的几何空间结构特征(厚度、产状、夹层、互层等)都有与之相适应的最佳纹理尺度,且该最佳尺度下纹理与光谱的协同效应最大;(3)纹理信息与多光谱数据形成的协同数据能有效提高岩性分类的精度,分类精度提高的程度与纹理计算的尺度相关。研究区岩性分类结果显示当纹理尺度为10m时,与仅基于ASTER纯光谱分类结果相比,精度提高了约6.9%。 相似文献
12.
加入多尺度图像纹理的岩性分类 总被引：2，自引：0，他引：2
利用遥感图像进行岩性分类,是遥感地质应用的重要方面之一.本文运用地统计学中变差函数提取图像纹理,并与原始的光谱图像相结合用于遥感图像的岩性分类.文章分析了不同尺度的纹理信息对岩性分类的作用,并进一步分析和比较多尺度图像纹理对岩性分类的作用.结果表明,在岩性分类过程中加入不同尺度的纹理信息可不同程度地提高图像的岩性分类精度,而同时加入多尺度的纹理信息,可得到更高的分类精度.将多尺度的图像纹理信息和光谱信息综合,是一种有效的岩性分类方法. 相似文献
13.
基于支持向量机的遥感图像建筑物识别与分类方法研究 总被引：1，自引：0，他引：1
《地质科技情报》2016,(6)
高分辨率遥感影像可以更精细地描述地物目标的几何特征、空间特征和纹理特征等信息,在各个领域中都得到广泛的应用。建筑物作为地物信息分类中的主要部分,是地形图成图的主要组成元素,对建筑物的识别与提取,直接影响到地物测绘的自动化水平,对它的识别和定位可以为特征提取、特征匹配、图像理解、制图和作为其他目标的参照体有重要的意义。针对建筑物的遥感影像特征,研究了支持向量机分类器(SVM)在建筑物识别与分类中的应用,提出了一种交叉验证的方法对参数敏感度进行分析,通过使用GridSearch算法确定模型参数设置的最优方案,并对分类结果中建筑物进行轮廓提取。通过实验表明,优化后的SVM算法对建筑物的分类精度达到90%,对比随机森林算法、最近邻分类器优势非常明显。 相似文献
14.
利用灰度共生矩阵的多光谱影像纹理分析的方法,实现了利用k-mean算法对Aster影像数据进行分类,并对基于单波段影像纹理的分类结果、单纯光谱信息分类结果和结合基于主要波段影像纹理的分析方法及在分类过程中结合掩膜等技术所得纹理特征影像分类结果进行比较。 相似文献
15.
用ASETR图像和地统计学纹理进行岩性分类 总被引：9，自引：0，他引：9
运用新获取的ASTER数据可以对岩性进行识别与分类：首先运用地统计学中的变差函数来计算分析几种选定的岩性单元的灰度值空间变化特征；运用ASTER数据的可见光一近红外波段、短波红外(SWIR)波段以及二者的组合进行岩性的分类，分析分类精度的变化。用变差函数作为纹理的计算函数来提取图像纹理，并与原始的光谱数据结合，进行岩性的分类。结果表明，与单纯的光谱分类相比，加入纹理信息可显著改善分类精度；用不同方向的滞后距离提取的图像纹理对图像的分类结果有一定的差异，尤其是对存在明显的各向异性的岩石单元。 相似文献
16.
17.
矿产资源过度开发造成了严重的环境污染,可持续发展面临严峻挑战,矿山治理迫在眉睫。遥感信息提取技术能够便捷地获取矿山开发信息,为矿山治理提供依据。然而,目前信息提取的精度和自动化程度仍有提升空间,并且就矿产类型而言,关于石灰岩矿开采信息提取的研究甚少。针对以上现状,本文以唐山市的一处灰岩矿山为例,以Landsat-8影像作为基础数据,通过计算不同地物的纹理信息,包括地物均值、方差、信息熵、偏离度和数据范围,构造了能够突出露天灰岩矿开采区域的纹理指数模型(texture variance index,简称TVI)。结合已有的光谱和空间特征,设定准确的阈值并建立决策树,以面向对象方法为依托,进行露天灰岩矿山开采边界的信息提取。结果表明,将纹理方差指数作为灰岩矿山开发信息提取的规则之一,总体精度、用户精度和Kappa系数与原有决策树相比皆有所提高。以文中灰岩矿开采范围提取结果为基础,根据高分辨率影像的纹理特征,进一步实现了新矿区与待复垦旧矿区的分类,总体精度约为0.916。 相似文献
18.
为了提高煤矿井下钻孔瞬变电磁反演成像结果中的异常响应边界识别和解译能力,完成掘进工作面前方隐伏水害精准刻画、隐蔽致灾因素精细分析等地球物理解释,提出应用无监督机器学习中的聚类方法分析钻孔瞬变电磁处理成果。根据电阻率数值分布特征和2种聚类方法的特点,选择K-Means聚类算法对电阻率成像结果进行聚合分类;在聚类计算过程中,应用最远距离原则确定类簇的初始质心,选用欧氏距离作为距离计算方法,采用基于组内平方误差和的肘部法则确定聚类数目。针对掘进工作面前方的隐伏水害,分别采用三维数值模拟和井下现场应用实例进行了实用性和有效性验证。研究结果表明:该方法可自动识别最佳类簇数目,对电阻率实现准确聚类,聚类成像结果能改善原始成像模型的光滑过渡问题,突出异常响应边界,清晰显示异常响应形状和位置,有效帮助对钻孔瞬变电磁超前探测反演结果中的隐蔽致灾水体进行识别和归类。 相似文献
19.
研究聚类分析新方法一直是统计学和机器学习研究领域普遍关注的课题。针对概率距离聚类算法不能解决非线性可分聚类问题的缺欠,笔者应用核函数理论将该模型拓展成为一种能够解决非线性可分聚类问题的统计模型,称为核概率距离聚类分析模型。研制出一种应用新模型进行遥感图像非监督分类研究的实施策略和可行算法;在GDAL遥感图像数据输入输出函数库基础上,用VC++语言开发了遥感图像核概率距离聚类分析算法程序;用ERDAS软件提供的一幅7波段491像素×440像素大小的TM图像进行新方法分类应用实验研究。对比了新模型和其原版本的TM遥感图像非监督分类效果,结果表明新模型的非监督分类效果优于原有的分类模型。 相似文献
20.
岩石单元的结构、构造、差异风化和出露状况在遥感图像上综合表现为图形纹理特征即“图”标志，其矿物成分和组合则表现为光谱特征即“谱”标志.传统遥感岩石单元分类以利用其光谱特征为主，图形纹理特征为辅，因此分类精度有限.以新疆维吾尔自治区与甘肃省交界的北山西段为研究区，开展岩石单元图形指数和光谱指数协同分类方法研究.基于Worldview-2全色图像构建的图形指数，能够量化岩石单元的层理、构造、展布形态和微地貌等特征，包括0°和45°定向滤波图像及灰度共生矩阵计算出的同质性和异质性特征图像、熵特征图像；光谱指数基于Worldview-2多光谱图像和ASTER（Advanced Spaceborne Thermal Emission and Reflection Radiometer）短波红外波段图像利用比值、和-差方法构建.多源遥感图像构建的光谱指数其光谱波段涵盖可见光-近红外及短波红外，包括RI（Ratio index）ASTER、SI（Spectral index）ASTER、SIWorldview-2.采用面向对象方法对建立的图谱指数进行多尺度分割，依据不同岩石单元出露规模建立适宜的分割尺度，利用光谱指数自动提取相应岩石信息，实现岩石单元自动分类.结果表明，实验区基于图谱协同方法共划分出17类岩石单元，总体精度达到83.62%，而单独利用Worldview-2和ASTER图像，仅划分出13类和14类岩石单元.提出的图谱协同岩石分类方法可为我国西部高海拔深切割无人区地质调查及找矿工作提供新思路和遥感技术支撑. 相似文献