共查询到20条相似文献，搜索用时 140 毫秒
1.
利用卫星遥感数据制作复杂地形环境的植被图面临的最主要问题是精度，单纯对遥感数据（ＴＭ或ＳＰＯＩ）进行监督或非监督分类的精度低于５０％。本文选择美国亚利桑那州ＳａｎｔａＣａｔａｌｉｎａ山脉的ＰｕｓｃｈＲｉｄｇｅ作为研究区，分析地理信息系统模型在改善植被分类精度中的作用。结果表明，通过结合辅助数据和应用地理信息系统模型，其精度可以从３７．４１％提高到７１．６７％（ＳＰＯＴ数据，非监督分类），或从５０．０７％提高到６１．５０％（ＴＭ数据，监督分类）。同时表明用ＳＰＯＴ数据进行山区植被制图的效果好于ＴＭ数据。 相似文献
2.
面向土地利用分类的HJ-1 CCD影像最佳分形波段选择 总被引：2，自引：0，他引：2
环境一号卫星（HJ-1）CCD影像光谱波段较少,地物之间的准确分类识别有一定困难。采用分形纹理辅助地物分类识别是一种有效方法,而波段选择是提高分类识别精度的关键。本文以江西赣州定南县土地利用分类为例,采用双毯覆盖模型对HJ卫星CCD影像6类典型地物的波谱分形特征进行了分析,利用不同地物在不同波段上的分形区分度差异构建了最佳分形波段选择模型,并利用该模型挑选出最佳分形波段来辅助土地利用分类,最后对分类结果进行检验。结果表明：最佳分形波段选择模型能够综合权衡不同地物在不同波段上的分形区分度差异,利用挑选出来的最佳分形波段来辅助分类,其分类总体精度相对于原始影像分类提高了11.77%,相对于第1主成分分形辅助下的分类提高了1.56%。 相似文献
3.
利用纹理特征提取城市用地信息方法探索 总被引：6，自引：0，他引：6
就利用灰度共生矩阵纹理特征提取城市用地信息做了初步探索。计算灰度共生矩阵四个纹理特征量,选择建筑用地与其它地类的纹理特征统计量差别较大的特征,用于提取建筑用地信息。通过计算选择了对比度纹理特征,对该特征图像进行分类、密度分割及后处理,得到城市用地信息。通过精度评定证明了纹理特征用于分类可以提高分类的精度,并能提高土地利用动态监测的自动化程度。 相似文献
4.
基于SVM的多源信息复合的高空间分辨率遥感数据分类研究 总被引：47，自引：1，他引：47
遥感图像尤其是高空间分辨率（1—4m）遥感图像在土地利用和土地覆盖变化方面有着广阔的应用前景，传统高空间分辨率遥感图像信息提取方法存在精度和分类效率低的不足。本文提出的基于SVM的分类方法，复合光谱、纹理和结构信息等多源数据信息，对IKONOS高空间分辨率图像进行分类，并与最大似然法和单源数据（光谱）SVM分类结果进行定性和定量比较分析。研究结果表明，多源数据复合的SVM高空间分辨率遥感图像分类方法，能够有效解决单源数据信息图像分类效果破碎的问题；总精度达到68．38％，Kappa达到0．5993；对高维输入向量具有高的推广能力；比单源信息的SVM和最大似然方法图像分类精度更高，适合高空间分辨率遥感图像分类。 相似文献
5.
6.
基于分形和灰度共生矩阵纹理特征的种植型药用植物遥感分类 总被引：6，自引：1，他引：5
遥感技术应用已成为中国中药资源普查的一个重要探索方向。以红花(Carthams Tinctorius L.)为种植型药用植物实验样本品种,分别基于分形理论和灰度共生矩阵(GLCM)两种方法提取不同的纹理特征,结合光谱信息对资源三号卫星(ZY-3)影像进行最大似然方法的监督分类,对比分析分类效果和精度评价。结果显示:加入纹理特征后,总体分类精度提高了0.49%—5.31%,Kappa系数提高了0.01—0.07,结合基于双毯法的分形纹理较GLCM纹理分类总体效果提高至少两倍,其中在Matlab环境下,使用5×5滑动窗口提取的分形纹理特征的分类效果最显著,总体分类精度提高了5.31%,Kappa系数提高了0.07。对于红花分类精度,引入分形纹理特征的分类精度提高到了100%,识别的红花样地效果最完整,破碎程度最小,与其他类别区分度最高;而引入GLCM的分类精度却降低了0.55%—1.28%,可见采用分形理论比采用GLCM提取纹理特征能够更加有效地辅助ZY-3影像识别种植型药用植物。 相似文献
7.
李健 《测绘与空间地理信息》2014,(11)
黄河三角洲湿地是世界暖温带保存最广阔、最完善、最年轻的湿地生态系统,具有重要的研究与保护价值。本文以LandsatTM影像作为数据源,采用分层提取思想,利用人工目视解译与决策树分类,运用多种指数模型,提取了2004年黄河三角洲湿地信息。研究表明,采用分层提取法,能够较高精度地提取各种湿地信息,总体精度达到85．53％,其中浅海水域（100％）、养殖池塘（100％）、滩涂（87．5％）、建筑用地（84．62％）的分类精度较好,盐碱地（71．43％）和裸地（73．91％）的分类精度有待进一步的提高。 相似文献
8.
用模糊ARTMAP算法对CBERS-2数据进行分类 总被引：3，自引：0，他引：3
用模糊ARTMAP（fuzzy adaptive resonance theorymap）神经网络算法对CBERS-2数据进行了分类实践。首先介绍了模糊ARTMAP神经网络的算法原理和具体训练分类过程；然后用2004年9月新疆石河子地区的影像数据进行土地利用分类试验，并将分类结果与基于统计的最大似然法（MLC）、反向传播神经网络（BP）的分类结果作比较，总分类精度比MLC和BP算法分别提高9．9％和4．6％。结果表明，模糊ARTMAP对试验区CBERS-2影像上的裸地识别能力很强，对高分辨率的CBERS-2影像可获得很好的分类结果。 相似文献
9.
图像分数维计算模型的改进 总被引：1，自引：0，他引：1
分数维作为一种图像纹理特征常用于遥感图像分类,提高图像分数维的测量有助于提高遥感分类精度。本文在介绍目前常用的基于分形布朗运动分数维计算方法的基础上,运用分形的相关理论,指出了现有方法存在的缺陷,提出了改进的分数维计算方法;并用SPOT全色影像中常见的5种地物进行了对比实验,实验结果表明,本文提出的改进方法获得的分数维测量结果比现有的方法更接近理论分析结果,更有利于地物的识别与分类。 相似文献
10.
分别利用多通道Gabor滤波器和马尔可夫随机场模型对纹理图像进行分析，得到两组特征影像。将上述两组特征影像进行融合，最后利用融合后的数据实现图像的分类。实验证明，基于上述方法的纹理特征融合分类算法大大提高了图像的分类精度。 相似文献
11.
单变量特征选择的苏北地区主要农作物遥感识别 总被引：2，自引：0，他引：2
遥感识别多源特征综合和特征优选是提高遥感影像分类精度的关键技术。农作物遥感识别中,识别特征的相对单一和数量过多均会导致作物识别精度不理想。随机森林(random forests)采用分类与回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。单变量特征选择(univariate feature selection)能够对每一个待分类的特征进行测试,衡量该特征和响应变量之间的关系,根据得分舍弃不好的特征,优选得到的特征用于分类。本文基于随机森林和单变量特征选择,利用多时相光谱信息、植被指数信息、纹理信息及波段差值信息,设计多组分类实验方案,对江苏省泗洪县的高分一号(GF-1)和环境一号(HJ-1A)影像进行分类研究,旨在选择最佳的分类方案对实验区主要农作物进行识别和提取。实验结果表明:(1)多源信息综合的农作物分类精度明显高于单一的原始光谱特征分类,说明不同类型特征的引入能改善分类效果;(2)基于单变量特征选择算法的优选特征分类效果最佳,总体精度97.07%,Kappa系数0.96,表明了特征优选在降低维度的同时,也保证了较高的分类精度。随机森林和单变量特征选择结合的方法可以提高遥感影像的分类精度,为农作物的识别和提取研究提供了有效的方法。 相似文献
12.
利用Sentinel-2A数据提取长江中下游丘陵地带农作物种植信息 总被引：1，自引：1，他引：0
长江中下游丘陵地带地块细小破碎、种植结构复杂,导致作物遥感光谱特征相互纠缠,信息精确提取困难等。本文基于Sentinel-2A数据提出了多特征组合优化的丘陵地带农作物种植结构精确识别方法。首先获取研究区内主要农作物的关键物候特征信息;然后计算其光谱特征、纹理特征、地形特征值,构建原始特征集;最后采用随机森林方法对特征进行重要性排序,对原始特征集进行特征变量优化,并选择优化后的组合特征进行监督分类提取出研究区农作物信息。试验结果表明,相较于单变量特征,通过多特征优化组合分类总体精度和Kappa系数分别从80.4%和0.748提高到96.3%和0.954,有效地提高了南方丘陵地带农作物分类精度,算法稳定性较强。在南方丘陵地带农作物的识别过程中,进行特征变量优化后的地形特征与纹理特征能显著提高分类精度。 相似文献
13.
LiDAR has been an effective technology for acquiring urban land cover data in recent decades. Previous studies indicate that geometric features have a strong impact on land cover classification. Here, we analyzed an urban LiDAR dataset to explore the optimal feature subset from 25 geometric features incorporating 25 scales under 6 definitions for urban land cover classification. We performed a feature selection strategy to remove irrelevant or redundant features based on the correlation coefficient between features and classification accuracy of each features. The neighborhood scales were divided into small (0.5–1.5 m), medium (1.5–6 m) and large (>6 m) scale. Combining features with lower correlation coefficient and better classification performance would improve classification accuracy. The feature depicting homogeneity or heterogeneity of points would be calculated at a small scale, and the features to smooth points at a medium scale and the features of height different at large scale. As to the neighborhood definition, cuboid and cylinder were recommended. This study can guide the selection of optimal geometric features with adaptive neighborhood scale for urban land cover classification. 相似文献
14.
全极化SAR获取的信息量远多于传统SAR,但信息量的增加并不能确保分类精度的提高,如何有效进行特征选择至关重要。针对自适应特征选择问题,提出一种顾及分类器参数的特征选择和分类方法。该方法以支持向量数为评估依据,结合遗传算法进行特征选择,并同时对分类器参数进行寻优;最后利用优选的特征集和模型参数进行分类。为验证算法的有效性,利用两组全极化数据进行了监督分类实验。实验结果表明,提出方法降低了SVM分类器对自身参数的敏感性,而且能在较少特征个数下具备良好的泛化性能,分类精度优于未经过特征选择和参数优化的方法。 相似文献
15.
高分辨率遥感影像具有复杂的几何结构和空间布局,传统的卷积神经网络的方法仅能提取场景图像中的全局特征,忽略了上下文的关系,导致特征的表达能力受限,制约了分类精度提高。针对此问题,本文提出一个面向高分辨率遥感影像场景分类的CNN-GCN双流网络,该算法包含CNN流和GCN流两个模块。CNN流基于预训练DenseNet-121网络提取高分影像的全局特征;而GCN流采用由预训练VGGNet-16网络得到的卷积特征图构建邻接图,再通过GCN模型提取高分影像的上下文特征。最后,通过加权级联的方式有效地融合全局特征和上下文特征并利用线性分类器实现分类。本文选取AID、RSSCN7和NWPU-RESISC45共3个具有挑战性的数据集进行实验,得到的最高分类精度分别是97.14%、95.46%和94.12%,结果表明本文算法能够有效地表征场景并取得具有竞争力的分类结果。 相似文献
16.
面向对象分类特征优化选取方法及其应用 总被引：3，自引：1，他引：2
与传统基于像元的分类方法比较,面向对象的分类方法可利用的地物信息更加丰富,然而如何从众多信息中筛选出能够有效提取不同地物的分类特征,从而提高分类效率与精度,是使用面向对象方法分类时急需解决的问题。SEaTH算法（分离阈值法）是一种有效的自动选取分类特征并计算阈值的方法,但其只考虑了类间距离,容易存在信息的冗余,从而对分类精度造成一定影响。本文在SEaTH算法的基础上,综合考虑了特征间的相关性、类间距离以及类内距离,对SEaTH算法进行了优化,并将改进前后的两种方法运用到广东省肇庆市TM影像及环境一号卫星影像土地覆盖分类中进行对比分析。实验结果表明,改进后的方法筛选出的特征在提取地物上更为有效,尤其使耕地的分类精度提高了12.26%,使分类总体精度由80%提高到了85.26%。改进后的方法对不易获取多时相影像的地区的土地覆盖分类具有重要意义。 相似文献
17.
18.
综合多特征的Landsat 8时序遥感图像棉花分类方法 总被引：3，自引：0，他引：3
传统的多时相遥感图像分类大多拘泥于单一特征,本文基于多时相的Landsat 8遥感数据,开展了综合多特征的特征提取与特征选择方法研究。综合了NDVI时间序列、最佳时相反射率光谱特征以及纹理特征作为初始分类特征,并采用基于属性重要度的粗糙集特征选择算法对其进行特征约简。分类结果表明:(1)利用初始分类特征,分类的总体精度达到92.81%,棉花提取精度达87.4%,与仅利用NDVI时间序列相比,精度分别提高5.53%和5.05%;(2)利用粗糙集选择后的特征分类,分类总体精度可达93.66%,棉花分类精度达92.73%,与初始分类特征提取结果相比,棉花分类精度提高5.33%。基于属性重要度的粗糙集特征选择不仅提高了分类精度,同时有效降低了分类器的计算复杂度。 相似文献
19.
TM 图像的信息量分析及特征信息提取的研究 总被引：1，自引：0，他引：1
图像信息量分析是图像处理的基础,为此,本文研究了三个不同植被覆盖类型区,即多林区(森林覆盖在40％以上)、一般林地分布的丘陵区(森林覆盖10-30％)和农田为主的丘陵与平原区的图像信息量。分析同一地区冬夏两季的图像信息特征后得知,红外波段的信息量高于可见光波段,其中信息量最大的是TM5波段,最小的是TM2波段。同时对不同情况下波段间的相关性、均值和标准差等统计特征值也进行了分析。据此就图像增强、信息特征提取方法,如主成分分析、缨帽变换(KT变换)、比值等方法以及波段组合等进行了系统研究,并就其实用条件进行了探讨和评价。 相似文献
20.
针对高分辨遥感影像同谱异物、同物异谱导致单一特征分类结果精度较差的问题,本文提出了多特征流形鉴别嵌入的高分辨率遥感影像分类方法。该方法首先提取高分辨率影像数据的光谱特征与LBP纹理特征;然后通过样本数据的联合光谱、纹理特征的空间距离及对应的类别信息,构建影像对象的类间图与类内图,用于学习高分辨率影像上的鉴别流形结构,保证在嵌入空间上尽可能不同地物特征分离、相同地物特征紧聚,确保相同地物光谱、纹理特征的相似性,完成光谱、纹理鉴别特征的有效提取,以充分挖掘影像特征,有效提高影像的分类精度。在GF-2遥感数据集上进行试验,结果表明本文算法可实现多特征的有效融合,分类精度均优于传统方法,可达93.41%。 相似文献