共查询到20条相似文献，搜索用时 812 毫秒
1.
基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究 总被引：1，自引：0，他引：1
以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。 相似文献
2.
基于多尺度融合的高分辨率影像城市用地分类 总被引：1，自引：0，他引：1
基于面向对象的信息提取技术,针对高空间分辨率遥感影像进行城市用地分类。首先针对不同城市地物,选择适宜的提取尺度;然后探讨不同城市地物类型提取的适宜特征,充分利用光谱、空间结构、上下文关系、纹理等信息描述地物;最后融合不同地物多尺度下的提取结果。以北京市部分地区QuickBird影像为例,实现城市用地类型的自动分类,结果表明:该方法应用于城市用地分类的精度高达86.74%,为高空间分辨率遥感影像城市用地分类研究提供了新思路。 相似文献
3.
基于ENVI ZOOM面向对象的高海拔灌丛植被提取——以定日县为例 总被引：1，自引：1，他引：0
利用ASTER数据,基于The Environment for Visualizing Images(ENVI)ZOOM 软件平台,采用面向对象的多尺度影像分割技术与规则创建相结合方法,提取了珠峰保护区核心区的灌丛植被类型.在对影像进行去阴影处理和各种辅助信息融合的基础上,使用Feature Extraction模块对影像进行分割,基于分割对象的高程、NDVI、纹理和光谱信息创建了适合研究区的灌丛提取规则.研究表明:该分类方法不仅能够克服传统基于像元分类方法中的"椒盐效应"问题,而且能够综合利用辅助信息(DEM、NDVI等)和地物本身的信息(光谱特征、纹理特征等),有效提高解译精度.以已有数据对分类结果进行了检验,分类精度达84 7%,分类结果较理想. 相似文献
4.
《地理与地理信息科学》2017,(5)
在核函数集成SVM分类框架下,提出一种融合多尺度光谱-空间-语义特征的高分辨率遥感影像分类方法。首先,以多尺度影像分割集为基础,利用潜狄利克雷分配模型对分割图斑的语义特征进行建模,并结合原始影像的光谱特征以及分割图斑内的空间均值特征,在不同分割尺度下分别开展光谱-空间-语义特征的多核函数融合分类;然后根据多数投票法原则在决策级集成多尺度分类结果,通过最小尺度下的分割影像实现像素级分类结果至面向对象分类结果的转化。不同场景和分辨率数据下开展的实验结果表明,该分类方法能够实现分类结果的自适应平滑分类,并在一定程度上提高建筑物和道路等"同谱异物"地物的区分能力,分类总体精度由基于光谱特征SVM的66.7%和63.7%提升至86.8%和87.2%。 相似文献
5.
面向对象的湿地景观遥感分类——以杭州湾南岸地区为例 总被引：2，自引：0，他引：2
在ENVIEX软件的Feature Extraction平台上,利用LandsatTM影像数据,采用面向对象方法对杭州湾南岸地区湿地景观进行遥感影像分类;通过与基于最大似然法、人工神经网络法、支持向量机法等传统像元方法的相应分类结果进行比较,系统分析了面向对象方法在中低分辨率遥感影像的湿地景观生态分类中的有效性。研究结果表明:①较之单一依据像元光谱值进行分类的传统方法,面向对象方法综合考虑了对象的光谱、空间、纹理、色彩等多种属性特征,因而对于类型复杂多样、分布界限模糊、光谱混淆与混合像元现象严重的沿海滩涂、湖泊、河流等湿地景观具有更好的鉴别能力,也因此获得更高的分类精度(研究区景观分类总精度为88.80%,Kappa系数为0.8765);②面向对象方法在分类中提取的是由同质性像元组成的"对象",且在合理的影像分割下得到的对象破碎化程度较低,因而能在较大程度上减小分类结果中的"椒盐噪声"干扰;而基于像元方法提取的景观类型以离散像元形式组成,难以清晰表征景观的边界、形状等信息,所以分类结果中会有明显的噪声现象;③影像分割在运用面向对象方法进行遥感影像分类过程中具有重要影响,实验结果表明,60%的分割尺度和归并尺度组合较有利于中低分辨率影像的遥感分类;④面向对象分类过程中诸如影像分割精度的评价、最优分割尺度的选取、特征空间的优化等问题,则有待今后进一步探讨。 相似文献
6.
7.
基于光谱和纹理特征的ALOS影像土地利用信息提取 总被引：1，自引：0，他引：1
针对高分辨率遥感影像易于反映地物纹理特征的特点,综合利用地物的光谱和纹理特征进行分类,探讨适用于ALOS影像的土地利用信息提取方法。以川东丘陵地区影像为例,基于GLCM提取纹理信息,将提取的纹理特征向量采用赋权值法融合为一个综合纹理信息波段,然后采用面向对象法将其与光谱特征信息共同参与分类。与最大似然法的提取结果对比表明,考虑了纹理特征的面向对象分类方法能明显提高分类精度,Kappa精度提高了0.12;避免了椒盐现象,分割的地类边界具有更好的语义表达,更贴合地物实际分布特征;建筑用地和林地具有明显的纹理特征,而旱地纹理特征不明显。该方法不仅分出了6个基本地物类型,而且对于林地、建筑用地等类型还能进一步细分。 相似文献
8.
基于面向对象的城市地物信息提取方法研究 总被引：1，自引：0，他引：1
20世纪90年代以来,高空间分辨率遥感影像数据的处理已成为遥感领域中的热点与难点。利用具有人的思维特点的面向对象的信息提取技术,对高分辨率遥感影像中的城市用地进行分类,分析和利用高分辨率影像的空间信息、结构信息与光谱特征等,总结了面向对象解译方法的5个步骤,即影像分割、分类方法的选择、地物种类分类,知识库构建、计算机自动分类。分类结果表明：（1）克服了“椒盐现象”;（2）信息提取的总体精度为92.19％,而且各类地物信息的提取精度均有所提高,特别是利用前期分类的拓扑关系有效提取了城市水体与建筑物阴影。 相似文献
9.
结合多尺度纹理的高分辨率遥感影像决策树分类 总被引：11，自引：2，他引：9
地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述地物并有效解决光谱数据分类中存在的地物破碎问题,其分类精度为81.7%,kap-pa系数为0.78;与光谱数据分类和结合单尺度纹理数据分类结果比较,分类精度分别提高了11.2%和6%,该方法有助于提高高分辨率影像的分类精度。 相似文献
10.
以蒙自市为研究区域,使用ISODATA法、最大似然法、支持向量机法、人工神经网络法、面向对象法共5种分类方法对蒙自市资源3号遥感图像进行分类。利用天绘一号卫星拍摄的高分辨率影像随机选取1 000个点选出真实感兴趣区作为参照,对以上5种分类结果进行精度评价,根据精度检验结果选择了精度最高的面向对象的分类方法作为本次遥感图像分类的分类器。在进一步研究面向对象的分类时,用较大的间隔确定分割尺度的最佳取值所在区间后缩小数据间隔最终确定分割尺度的最佳值,基于精度最高的尺度分割参数的分类结果确定蒙自市2016年的土地利用分类进行统计分析。 相似文献
11.
城市生态——生产——生活空间功能定量识别与分析 总被引：55，自引：2，他引：53
土地利用多功能性识别是城市用地组织,协调与配置的基础信息源,是判定城市用地内在功能形态,功能组合模式和功能之间动态权衡的关键,具有重要的理论和实践意义,但长期以来并未构建一套可行的识别方法体系.本文从土地功能,生态系统服务和景观功能综合的视角构建城市生态--生产--生活空间功能分类体系,并以生态系统服务价值评估为基础系统整合空间功能价值量核算函数群,通过纵横对比的方法确定空间功能主导类型.研究区实证分析表明,城市生态--生产--生活功能分类体系较好反映了不同地类的功能类型;空间主导功能的识别也与不同地类的功能匹配;同时也发现三生空间的整体毗邻性较低,空间功能的互补和融合性较差的问题;三生空间功能存在一定的空间集聚性. 相似文献
12.
基于高光谱特征选择和RBFNN的城市植被胁迫程度监测 总被引：5，自引：4，他引：1
以Hyperion星载高光谱数据为例,基于指数提取-特征选择-分类识别-模式分析的思路,分析广州市的城市植被胁迫状况。提取与胁迫相关的高光谱植被指数,对其进行相关分析,滤除相关性很高的植被指数,利用选取的特征应用RBF(径向基函数)神经网络对城市的植被胁迫程度进行分类,对广州市受胁迫植被的空间分布及其原因进行分析。研究表明:运用特征选取和RBF神经网络可以较好的区分城市植被受胁迫的程度;城市植被受胁迫的程度与城市交通污染、人为干扰相关性比较大;受胁迫植被的强度分布呈现从城市中心向外的梯度变化,在大块绿地外围呈环状分布。 相似文献
13.
以位于中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台为研究区,基于低空无人机遥感影像,结合实地调查,开展草原灌丛遥感辨识方法研究。通过对灌丛、草地和裸地归一化植被指数（NDVI）的方差统计分析,确定了裸地与植被的分割阈值为-0.08,并使用该阈值提取植被覆盖区,然后分别利用面向对象的决策树（DT）、贝叶斯（Bayes）、K最邻近（KNN）、支持向量机（SVM）机器学习分类器进行灌丛辨识。研究表明：借助Estimation of Scale Parameter（ESP）最优分割尺度评价工具可以快速确定分割参数,获取灌丛、草地影像对象;利用特征空间优化工具选取了18个的对象特征,可以有效避免盲目选择而导致的计算量增大;通过对不同分类器分类结果的对比和样本数量敏感性实验得出：Bayes分类器精度稳定、无需设置参数,灌丛分类精度最高,总体精度和Kappa系数分别达到92%和0.83,结果与影像地物嵌合最好,能够精确识别单株灌丛;根据Bayes分类器分类结果统计得研究区灌丛盖度为14.74%,平均冠幅为0.6 m2,与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同,因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。 相似文献
14.
全球及区域模式中陆面过程的地表植被覆盖分类方法 总被引：1，自引：0，他引：1
全球和区域尺度上陆面生态系统与气候密切相关。全球和区域模式的发展对于我们认识气候与陆地生态的变化起到重要作用。在这些模型中,植被覆盖是影响大气-植被间热量、水分和CO2等交换的重要陆面参数。在分析了陆地植被覆盖分类原理基础上,介绍了目前全球不同植被覆盖分类方案,包括基于地基观测的植被分布、基于生物气候特征的分类方案（如：Holdridge的方案）;特别近年来陆面过程试验表明,各种遥感数据源（如：NOAA—AVHRR,EOS—MODIS,Landsat—TM）等为我们提供了有利的工具来监测全球植被动态,完善植被分类,并且采用高时空分辨率的全球土地覆盖状况特征,在不同时空尺度揭示植被-大气相互作用。本文分析了代表性的3种基于卫星遥感技术的陆面植被分类方案,分别是BATS（18类）、SIB（9类）、SIB2（12类）和BIOME—BGC（31类）陆地模式的植被覆盖分类方案．最后分析了目前可用于全球植被覆盖分类的新的遥感数据库。 相似文献
15.
水源涵养功能重要性是生态保护红线划分工作中重要的评价指标之一。通过对以往生态系统水源涵养功能区划分的指标及其区域导向的系统梳理,在进一步明晰国土空间规划中水源涵养功能生态保护红线区域指向的基础上,按照国土空间规划关于“三区三线”自下而上试划的要求,探讨了水源涵养重要性生态保护红线划分及其评价的改进方法。选取中国典型喀斯特区域六盘水市作为研究案例区,分别用环保部2015版与2017版《生态保护红线划定技术指南》中的模型法、NPP法以及本研究提出的改进方法,对六盘水市水源涵养功能生态保护红线进行了试划。对比三种方法的划定结果可以看出,改进方法因评价数据精度的提高减少了《生态保护红线划定技术指南》方法的区域损失,提高了区域判别的精准性,可望为国土空间规划中生态保护红线的划定提供科学依据。 相似文献
16.
城市地域地表温度-植被覆盖定量关系分析--以深圳市为例 总被引：39，自引：6，他引：33
地表温度-植被覆盖间的关系一直是城市热岛研究的热点之一,两者均为描述生态系统特征的重要参数。本文利用深圳市2004年的ETM+影像,基于遥感技术提取相关的下垫面类型、地表温度和植被覆盖等信息,探讨不同下垫面类型对地表温度-植被覆盖关系的影响,并结合分形维度计算方法,比较不同分辨率下地表温度、植被覆盖及其相关关系的变化。研究结果表明,植被覆盖程度与地表温度之间存在明显的负相关,并且在不同的植被覆盖程度下,地表温度-植被覆盖关系呈现分段线性关系。下垫面类型及其组合主要通过植被覆盖的分布对地表温度产生影响。而在不同空间分辨率下(30m至960m),地表温度和植被覆盖的空间变异程度均表现为先升后降,在120m的分辨率下,两者的相关程度达到最高。结果证实区域植被覆盖状况可直接影响辐射、热动力以及土壤水分等多种地表特征,从而导致地表温度分异等。 相似文献
17.
珠三角地区地表温度与土地利用类型关系 总被引：4，自引：1，他引：3
随着城市化进程的加快,城市气候与环境问题日益显现,尤以城市热岛效应最为突出。通过监督分类方法对TM遥感影像进行了土地利用分类,并运用TM热红外波段线性拟合模型进行近地表气温反演,分析城市热岛的空间分布及地域性差异,以及与土地利用类型的关系。结果表明:珠三角地区近地表气温与土地利用类型紧密相关,城市建设区形成高温中心,是热岛的主要贡献因子,植被和水体则有明显的冷岛效应;研究区热岛具有区域性集中与分散分布的特点,且以区域性热岛为中心向周边扩展;分析热岛强度剖面线发现,由于地形、植被覆盖度等因素影响,研究区热岛强度的南北差异较大,而东西差异较小;热岛分布与土地利用类型分布格局较为一致,但也有分布不一致性的区域,表现为城市热岛向非城市建设用地扩展。 相似文献
18.
Classifying airborne LiDAR point clouds via deep features learned by a multi-scale convolutional neural network 总被引：1，自引：0，他引：1
Ruibin Zhao Jidong Wang 《International journal of geographical information science》2018,32(5):960-979
Point cloud classification plays a critical role in many applications of airborne light detection and ranging (LiDAR) data. In this paper, we present a deep feature-based method for accurately classifying multiple ground objects from airborne LiDAR point clouds. With several selected attributes of LiDAR point clouds, our method first creates a group of multi-scale contextual images for each point in the data using interpolation. Taking the contextual images as inputs, a multi-scale convolutional neural network (MCNN) is then designed and trained to learn the deep features of LiDAR points across various scales. A softmax regression classifier (SRC) is finally employed to generate classification results of the data with a combination of the deep features learned from various scales. Compared with most of traditional classification methods, which often require users to manually define a group of complex discriminant rules or extract a set of classification features, the proposed method has the ability to automatically learn the deep features and generate more accurate classification results. The performance of our method is evaluated qualitatively and quantitatively using the International Society for Photogrammetry and Remote Sensing benchmark dataset, and the experimental results indicate that our method can effectively distinguish eight types of ground objects, including low vegetation, impervious surface, car, fence/hedge, roof, facade, shrub and tree, and achieves a higher accuracy than other existing methods. 相似文献
19.
基于夜间灯光数据的中国城市用地扩展类型 总被引：12，自引：2，他引：10
针对目前在城市用地空间扩展类型的划分与识别方面存在的问题,首次提出了基于夜间灯光图像像元灯光强度的时间变化特征对城市用地空间扩展类型进行分类/识别的方法, 并应用该方法将中国1992~1998年间的城市用地空间扩展类型分成了3级7大类,进而对这些扩展类型的区域结构、空间分布和开发强度进行了分析,揭示了1992~1998年间中国城市用地空间扩展的一些主要特征。提出以像元为分析对象、并采用多级分类的方法,不仅实现了大尺度上城市用地空间扩展类型的快速识别,而且还在保证分类结果与其他相关研究结果衔接一致的前提下,提供了更为详细且符合实际的城市用地空间扩展信息。 相似文献
20.
基于三维激光点云的复杂道路场景杆状交通设施语义分类 总被引：1，自引：0，他引：1
文章提出一种完整的全自动化处理框架,基于三维激光点云数据对高速公路和城市道路场景的杆状目标进行了检测和分类,主要包括3个步骤：数据预处理、杆状目标检测和分类。其中,在数据预处理阶段,采用基于布料模拟滤波算法自动分离地面点和非地面点,然后基于欧氏距离聚类方法对非地面点进行快速聚类,以及采用迭代图割算法进一步分割目标对象;在目标检测阶段,集成先验信息、形状信息和位置导向搭建滤波器,对杆状目标进行检测;在对象分类过程中基于多属性特征,利用随机森林分类器对目标的特征进行计算和分类。并使用3个道路场景数据集进行测试,结果显示,3个数据集的整体MCC系数为95.6%,分类准确率为96.1%。这说明文章所构建方法具有较高性能。另外,该方法还可以鲁棒地检测杆状目标的重叠区域,较为适应复杂程度不同的道路场景。 相似文献