共查询到18条相似文献，搜索用时 156 毫秒
1.
针对传统高分辨率遥感影像的场景分类效率较低,以及卷积神经网络在遥感影像场景分类上由于空间不变性而导致的分类精度不高的问题,提出了一种结合空间变换网络和迁移学习的高分辨率遥感影像场景分类算法.首先,利用ImageNet数据集训练深度残差网络ResNet101得到预训练模型,通过知识迁移提高模型目标探测效率;之后在模型中嵌入空间变换结构,使模型能够主动在空间上变换特征映射,提高模型的鲁棒性;最后,在模型中添加Dropout层减小模型出现过拟合的概率.本方法在AID和NWPU-RESISC45两种不同规模的高分遥感影像数据集上进行了验证,在只有20%训练样本的情况下仍达到了94.30%和93.63%的分类精度.实验结果表明本次改进模型具有更好的特征提取能力,针对易误分类场景的分类结果更优. 相似文献
2.
基于深度信念网络的遥感影像识别与分类 总被引：1，自引：0，他引：1
《地质科技情报》2017,(4)
高分辨率遥感影像具有高维、多尺度、非平稳的内部特性和海量、多源、异构的外部特征,具有丰富的空间信息。探讨了利用新兴的深度信念网络研究高分辨率遥感影像的智能提取与分类,通过大量实验对比分类精度、Kappa系数以及参数敏感度分析,提出了网络层数、隐含层神经元个数、迭代次数等参数的最优设置方案,相比传统的浅层网络分类器,改进后的深度信念网络更好地拟合了样本的内在结构,遥感图像分类精度达到92%左右,取得了很好的分类效果。 相似文献
3.
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
4.
面向基元的高空间分辨率矿区遥感影像土地利用分类 总被引：2，自引：0，他引：2
为了合理开发矿产资源和有效监测矿区生态环境,采用面向基元的分类方法,对广西横县某矿区的高分辨率航空遥感影像进行了土地利用分类.通过优化分形网络演化多尺度分割方法,高效提取了矿区两个尺度上的影像基元层;基于基元信息,详细分析了各地表地物光谱特征、空间特征以及类相关特征,建立了研究区土地利用的分类知识库;采用决策支持的模糊逻辑推理法进行分类,使分类的精度从53%提高到了90%.表明面向基元的方法能较好地利于高空间分辨率矿区影像的各种特征进行高精度的土地利用分类. 相似文献
5.
《世界地质》2021,(3)
为了提高高光谱影像分类精度,设计了联合空-谱信息的高光谱影像深度森林分类方法。该方法由空间特征提取、多粒度扫描和深度森林分类三部分组成。首先提取高光谱影像的形态学属性剖面特征,将所提取的特征与原始光谱特征进行拼接获得融合后的空-谱特征;然后通过多个尺度的滑动窗口对空-谱特征进行多粒度扫描,以实现特征重用;最后将多粒度扫描后的特征输入到深度森林分类器中进行分类。采用Pavia大学高光谱数据集和Salinas高光谱数据集进行分类试验,所设计的分类方法在两组高光谱数据上分别取得了98.44%和98.47%的总体分类精度。试验结果表明所设计的分类方法能够有效地提高高光谱影像的分类精度。 相似文献
6.
中国西部的沙漠、冻土和盐渍土等典型的不良地质现象日益显现,基于遥感影像的不良地质识别已经成为遥感处理研究领域的一个热点和难点。以新疆尉犁县罗布人村寨为研究区域,针对当地典型的不良地质体遥感影像特征,主要探讨SVM分类、K均值分类以及基于因果关系的贝叶斯网络分类3种分类方法,初步尝试不同分类方法的融合,并通过实验对比分析了3种方法的分类效果和精度。结果表明:SVM分类结果为块状分布,K均值分类结果为点状分布,基于因果关系的贝叶斯网络分类取得了更好的分类精度,3种方法取得的影像融合更好地表达了多种不良地质体的识别效果。 相似文献
7.
遥感岩性制图是地质填图中的重要工作,基于光谱特征的岩性分类易受到色调、纹理等因素影响导致精度不佳。前人进行岩性自动分类研究多关注影像的光谱特征,而忽略空间特征,笔者等基于甘肃北山白峡尼山地区ASTER影像,将支持向量机、极限学习机两种机器学习分类方法与基于空间特征的快速漂移算法相结合进行岩性分类。结果表明支持向量机分类总体精度为89. 17%;极限学习机不但具有需调节参数少的优势,且分类精度和速度均优于支持向量机,分类总体精度达96. 70%;利用快速漂移算法提取的影像空间特征可有效减少错分区,提升岩性分类效果。研究证实将基于光谱特征的极限学习机和基于空间特征的快速漂移算法结合的岩性分类方法具有客观、高效、高精度等优势,可为后续地质填图和找矿勘查工作提供可靠数据支撑,在遥感岩性分类领域具有较高的推广价值。 相似文献
8.
高光谱遥感影像分类是高光谱遥感影像处理和应用的重要组成部分。然而,高光谱遥感影像具有波段数量较多和空间分辨率较高等特点,给分类任务带来一定的挑战。为了提高分类精度,充分利用影像的空间信息和像素间的局部信息,提出一种引导滤波联合局部判别嵌入的高光谱影像分类方法。首先,对高光谱遥感影像进行归一化,利用主成分分析方法实现特征提取,将提取的第一主成分影像作为引导图像;其次,采用引导滤波分别提取各波段影像的空间特征;然后,将提取的空间影像特征进行叠加,通过局部Fisher判别分析完成低维嵌入;最后,将得到的低维嵌入特征输入支持向量机分类器得到分类结果。采用Indian Pines和Pavia University两幅高光谱影像进行实验的结果表明：在分别从各类地物中随机选取10%和100个样本作为训练样本的情况下,其总体分类精度分别提高到98.28%和99.45%;对比其他相关方法,该方法能够获取更高的分类精度。该方法在低维嵌入的同时,有效利用了影像的空间信息,改善了分类效果。 相似文献
9.
三峡库区地质结构复杂,尤其是巫峡高陡岸坡发育区域,历来是滑坡灾害高发区,对三峡库区的安全运行构成威胁。为了厘清巫峡高陡峡谷区滑坡灾害发育的高精度多光谱遥感影像特征,本研究以高精度遥感影像资料为基础,以巫峡高陡峡谷区为研究对象,应用面对对象的分类方法对研究区的高精遥感影像进行分割和分类,结合多尺度分割和ESP(Estimation of Scale Parameter)工具确定最优分割尺度,选取典型的滑坡对象样本进行最近邻分类,探索基于高精度多光谱遥感影像的高陡峡谷区滑坡灾害识别技术方法。经试验得出高陡峡谷区基于高精度多光谱遥感影像的滑坡灾害识别的最优分割尺度为720,形状因子和紧致度为0.5,在分割基础上,进行分类和滑坡信息提取。通过对比已有滑坡灾害资料,基于遥感影像自动识别滑坡灾害技术得到的研究区滑坡灾害分布结果总体精度达到了0.8696。研究结果表明,基于高精度的遥感影像自动识别滑坡灾害技术方法能够较好地进行分割与滑坡识别,精度评价的结果比较符合实际。研究结果为巫峡高陡峡谷区滑坡灾害的识别、调查、预测和防治提供依据,对三峡库区滑坡灾害的早期识别和防灾减灾有重要意义。 相似文献
10.
随着深度学习语义分割的快速发展,基于计算机视觉语义分割模型的高分辨率遥感影像分类方法也大量涌现。为系统定量地研究经典的和先进的视觉语义分割模型在遥感影像分类中的性能,在总结深度学习语义分割进展的基础上,选择9种基于卷积神经网络(CNN)和视觉注意力的语义分割算法,对米级和厘米级2个尺度的遥感数据集进行分析研究。在模型构建上基于计算机视觉通用的语义分割框架,训练时采用红绿蓝3波段遥感图像并基于ImageNet预训练权重进行迁移学习训练。研究结果表明：通用的语义分割模型通过常规训练设置进行训练能取得较好的遥感影像分类效果,部分地物的交并比(IoU)可以达到90%以上;基于视觉注意力的遥感影像分类模型的精度普遍高于基于CNN的模型,且MaskFormer能更有效地提取离散的地物信息;不同类别的精度最高值并不全在总体最优模型中,部分会存在于次优模型中;类似的地物在更高分辨率遥感数据集中可以获得更高的精度。 相似文献
11.
针对泥石流灾害沟谷图像分类问题,文章对Resnet18网络进行改进,提出了一种改进的卷积神经网络模型。通过在网络结构中加入残差注意力模块,解决了原模型提取图像特征较差、边缘模糊的问题,改进后的网络能精确捕捉到泥石流灾害沟谷图像中的轮廓和内部山脊信息。此外,文章还对多种注意力机制结构进行了实验对比,分析其差异性,得出最适... 相似文献
12.
The continuous improvement of the launched satellites’ spatial and spectral resolutions has brought new challenges for remote sensing image segmentation technology. The traditional supervised methods greatly depend on artificial interpretation and reduce the degree of automation and robustness of image segmentation. Therefore, the article proposes a novel unsupervised multi-scale segmentation method for high-resolution remote sensing images based on automated parameterization and it mainly includes three steps, adaptive selection of scale parameter (SP) based on local area homogeneity index J-value, multi-scale segmentation based on the inter-scales boundaries constraint strategy, and region merging based on multi-features. The article makes experiments by multi-group high-resolution remote sensing images of different launched satellites and compares the proposed method with the well-known commercial software eCognition and a traditional supervised method. The results show that the proposed method can locate the object edges more accurately and extract the object outlines more completely, and needs no human intervention in segmentation process, so it can provide a generic and effective unsupervised solution for high-resolution remote sensing image segmentation. 相似文献
13.
Spectral unmixing is a key technology of optical remote sensing image analysis; it not only influences the accuracy of the extraction of land cover information and automatic classification of topographical objects, but also greatly hinders the development of quantitative remote sensing. Independent component analysis (ICA) is a statistical method which is recently developed to extract the independent linear components, and which can realize the extraction of endmembers as well as fractional abundances with little a priori knowledge. However, ICA still cannot process the correlations among the various components. To overcome this problem, variational Bayesian independent component analysis (VBICA) has been proposed to process optical remote sensing images. In the Bayesian framework, the separation of independent components of remote sensing image has finally been achieved with conditional independence standards of Bayesian network and approximate variational algorithm. In the simulative image and real AVIRIS hyperspectral remote sensing image, the VBICA algorithm demonstrates its better performance. The experiment’s results indicate that the proposed VBICA algorithm is feasible, which has obvious advantages and a good application prospect. The reason is that it can effectively overcome the correlations between the various components in remote sensing images and break through the limitations of traditional remote sensing images analysis. Last but not least, the VBICA algorithm is applied in the classification of the TM multispectral remote sensing images. Compared to basic maximum likelihood classification, principal component analysis and FastICA algorithms, VBICA improves the classification accuracy of remote sensing images, and contributes to the further extension of the application of ICA in remote sensing image analysis. 相似文献
14.
基于分形特征的高标准农田遥感分类方法研究 总被引：1，自引：0，他引：1
目前全国高标准农田面积数量已具一定规模,由于人工解译的工作效率较低,如何实现对全国大面积的高标准农田建后利用情况进行实时、精准遥感监测成为亟待解决的问题。由于监测面积大,精度要求高,迫切需要研究一套遥感自动监测方法在全国推广。以广东省东莞地区作为研究区,选择2017年2月15日的高分二号遥感影像,基于分形图像分割并结合BP神经网络对区域高标准农田进行分类,并加以人工解译和实地验证。 结果显示,该分类方法总体精度为 80112 2%,Kappa 系数为0761 1。表明分形图像分割结合BP神经网络的遥感分类方法总体精度较高,能较好地满足高标准农田建后利用情况遥感监测的需求。此方法可以在全国范围推广应用,为高标准农田建成后的实时监管提供技术支撑。 相似文献
15.
为有效解决传统遥感图像变化检测预处理复杂的问题,提出一种基于随机补片和DeepLabV3+的建筑物遥感图像变化检测方法。以ResNet50特征提取网络为基础,创建DeepLabV3+语义分割网络,并在图像和标签中创建大小为224像素×224像素的随机补片作为网络输入,训练建筑物提取网络;修改建筑物提取网络输入层为6通道,通过矩阵运算将两期遥感图像转换为一幅6通道非RGB图像,利用转换后的非RGB图像进行网络训练并验证变化检测精度。实验1利用ENVI5.3软件,采用马氏距离法进行变化检测;实验2采用改进的U-Net网络和随机补片,完成网络训练和精度验证;实验3使用实验2的训练数据和验证数据,采用随机补片和DeepLabV3+网络进行变化检测网络训练及精度验证。实验结果表明,该方法实验1、实验2、实验3建筑物变化检测平均交并比分别为24.43%、83.14%、89.90%,边界轮廓匹配分数分别为61.47%,80.24%、96.51%。 相似文献
16.
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
17.
为了在目标域遥感图像不存在标记数据的情况下实现自动分类,论文提出一种基于特征对齐的迁移网络.网络以各类类心对齐和协方差对齐作为迁移策略,全面描述域间各类别之间的对应关系,实现知识迁移.另外,网络采用线性修正单元作为激活函数,能够产生稀疏特征,提高分类效果.该迁移网络能够同时获得对齐的特征和自适应分类器,不需要目标域的标记数据,实现无监督迁移学习.在多时相的Hyperion高光谱遥感图像和WorldView-2多光谱遥感图像上的实验结果证明了该迁移网络的有效性. 相似文献
18.
Zhong-ping Sun Suhong Liu Fei Cao Yuanli Shi Chang-zuo Wang 《Arabian Journal of Geosciences》2017,10(22):495
Detailed construction land information plays a significant role in monitoring planning restricted zone of nuclear power plant and ecological environment protection. This study focuses on developing fine classifying method of construction land in planning restricted zone of nuclear power plant using high spatial resolution GF(GaoFen)-1 remote sensing images. The object-oriented classification method is used in this study; the important process of which is image segmentation and classification. Multi-scale segmentation method, rule-based decision tree, and the nearest neighbor classifier are used in classifying construction land classes, i.e., road, industrial, and residential. An optimal segmentation scale is crucial to image segmentation in object-oriented classification. Instead of laborious trial-and-error experiments for optimal image segmentation, the change rates of the local variance in the homogeneous region are calculated to get the optimal segmentation scales. Multi-level classification strategy is used in the following classification. Rule-based decision tree is used to classify road and water, vegetation and non-vegetation, and industrial and residential. And the nearest neighbor classifier is used to classify cropland and forest within the vegetation land use type. The accuracy assessment result shows that the overall accuracy is 89.67% and Kappa coefficient is 0.85 for object-oriented classification, which is much higher than pixel-based maximum likelihood classifier (overall accuracy is 79.17% and Kappa coefficient is 0.74) and support vector machine classifier (overall accuracy is 74.16% and Kappa coefficient is 0.68). 相似文献