共查询到17条相似文献，搜索用时 140 毫秒
1.
根据社会经济和人口变化,基于云平台实现中高分辨率遥感影像城市建设用地的快速提取,可以高效准确地对长时间序列大范围城市建设用地扩张情况进行动态变化监测,为城市的管理和规划提供借鉴和参考。本文基于Google Earth Engine（GEE）云平台,利用NPP/VIIRS（suomi national polar orbiting partnership/ visible infrared imaging radiometer suite）年度平均夜间灯光数据和阈值分割法提取城市区域,获得3 142景覆盖东北三省城市的Landsat影像;在原始光谱波段的基础上构建指数、纹理和地形特征,利用SEaTH算法进行特征优化,根据JM距离的取值将特征数量从20个精简到12个;在城市区域中利用随机森林（random forest, RF）算法结合最优特征对Landsat月度合成影像进行再次分类,更加精确地提取建设用地。研究结果表明,东北三省城市建设用地提取平均总体精度和Kappa系数分别为96.19%、0.92,有较高的效率和可靠性;1989—2019年东北三省城市建设用地总面积扩张49.07%,省会城市中沈阳扩张速率较快,长春次之,哈尔滨最慢;人口因素和经济因素是推动城市建设用地扩张的主要因素。 相似文献
2.
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
3.
4.
作为信息提取和分类的前提，面向对象的影像分割尺度参数的设置直接影响到提取和分类的精度。本文以GF-2影像数据为例，在已有分割理论和方法的基础上提出一种基于最优分割尺度的计算模型（OS模型）。该模型以主成分分析所得的主成分以及新建的归一化植被指数（normalized vegetation index，NDVI）特征层作为分割参考层，综合考虑均质因子的影响，构建加权尺度评价指数，插值拟合最优分割尺度。构建误差系数（Ec）对模型进行评价，结果表明：OS模型误差系数（Ec=1.15%）小于传统模型（Ec=3.28%），且分割对象更均匀、与实际地物更接近。 相似文献
5.
以辽宁省双台子河口湿地为研究对象,以Landsat 8和HJ-1-A/HJ-1-B的多时相遥感影像为数据源,根据研究区现状,将研究区分为旱地、芦苇、水田、碱蓬、混合植被、水面、滩涂、居民点、养殖塘九个类型.利用时间序列的归一化植被指数提取植被与非植被的分类阈值,采用粗糙集理论和多时相遥感影像,对植被和非植被分别进行分类规则的获取,建立了研究区决策树分类模型.为了进行精度评价,利用相同的训练点又进行了同样基于像元的最大似然法分类.最后利用混淆矩阵对上述两种方法进行了精度评估,基于粗糙集的决策树分类法与最大似然法总体分类精度分别为93.70%和91.62%,Kappa系数分别为0.92和0.90,两项指标值基于粗糙集理论法均比最大似然法有所提高.这为构建决策树分类模型进行湿地地表分类信息提取提供了一条新的研究思路. 相似文献
6.
基于决策树模型的上海城市湿地遥感提取与分类 总被引：5，自引：0，他引：5
城市湿地是上海重要的生态基础并具有复杂多变的自然特性。研究采用决策树分类方法,以TM影像多光谱波段特征为主要分类变量,采用经K-T变换、IHS变换等光谱增强后的数据以及利用灰度共生矩阵分析影像第一主成分的纹理统计量作为辅助分类变量,结合城市湿地几何特征信息,构建上海城市湿地决策树分类模型,进行上海市湿地信息的遥感提取和分类。结果表明：（1）上海城市湿地总面积为1 277.40 km2;其中水田面积最大,占总面积的65.30%;其次为河流、库塘、湖泊和芦苇。（2）决策树模型的分类方法在一定程度上提高了城市湿地提取和分类的精度,使其达到89.05%;与传统的最大似然法相比,总精度提高了约10%。 相似文献
7.
在ERDAS软件支持下,对ETM遥感影像数据的TM1—TM5,TM7与其全色波段TM8进行小波变换融合,对融合后的影像采用混合分类方法进行土地利用分类。并对其分类结果进行评价,总体精度达到95.43%,研究结果表明此方法可行有效。 相似文献
8.
西昆仑山崇测冰川区多源遥感影像的冰川信息提取方法研究 总被引：2，自引：2，他引：0
冰雪独有的性质与特性使得基于遥感影像对其进行信息提取成为可能,如何进行精准的冰雪信息提取是冰雪时空变化研究的关键和基本要求。利用多源遥感影像（TM、IRS-P5和SAR）对西昆仑山崇测冰川区的冰川进行信息提取,采用不同分类方法和数据融合方法,分别针对光学影像和微波影像进行处理,提取冰川信息并进行比较分析。结果表明：面向对象分类方法是最优的冰川信息提取方法;图像融合处理有助于提高冰川信息的提取精度,特别是多光谱和高分辨率图像融合后再分类,提取效果更为理想。 相似文献
9.
离子吸附型稀土矿是我国宝贵的矿产资源,运用遥感影像分类技术提取稀土开采区可以准确地实现对稀土开采状况的监测,但仅利用光谱信息往往难以保证分类精度。本文以江西寻乌稀土矿区为研究区,以IKONOS影像为数据源,应用面向对象分类方法提取了稀土开采区的遥感信息。针对稀土开采区的分布特点,选择基于边缘的分割算法进行影像分割;结合地形信息、光谱信息及几何信息建立规则集,进行特征提取;最后采用隶属度函数法实现面向对象分类,并与传统的光谱角填图分类进行对比分析。研究结果表明,面向对象分类法提取稀土开采区的总体精度为92.49%,Kappa系数为0.857 6,与传统监督分类方法相比有了很大的提高。 相似文献
10.
在ERDAS软件支持下，对ETM遥感影像数据的TM1-TM5，TM7与其全色波段TM8进行融合，采用主成分、乘积法、Brovey转换三种融合方法，重采样方法分别为邻域法、立方卷积法及双线性内插法。采用相同的训练样本区及最大似然法分类方法，对融合产生的9幅影像及未融合影像进行土地覆盖分类，通过对分类影像的Producers Accuracy，Users Accuracy，Kappa三者的精度数据和地物波谱信息的对比分析，在总体上，上述的影像融合方法对提高土地覆盖分类的精度不明显，但就某些地物类型来说，还是值得采用的；三种融合方法和三种重采样方式它们之问相比较而言，乘积法融合法和立方卷积重采样法相对较为可取。 相似文献
11.
为了验证ALOS遥感影像湿地地表覆被信息提取的可行性,以黑龙江省三江平原典型内陆淡水沼泽湿地为研究对象,通过ALOS遥感影像波段的光谱及纹理特性分析,探讨适合水体、旱地、水田、沼泽、林地、建设用地、草甸等覆被类型的分类特征;基于非监督、监督及面向对象分类方法,遴选能实现最优分类结果的特征组合,为湿地地表覆盖分类数据源及方法的选择提供参考。结果表明：非监督、监督及面向对象分类方法的总体精度分别达到63.86%、96.14%和85.26%;非监督分类方法整体分类效果不够理想;面向对象方法虽然得到了相对较高的分类精度,但是针对建设用地、林地及草甸地类信息提取的精度处于较低水平;监督分类方法能取得较好效果,最适合于湿地地表覆被信息提取。 相似文献
12.
13.
若尔盖高原地物遥感分类 总被引：2，自引：0，他引：2
各种物质在遥感数据中都有其特征的波谱吸收峰。因此通过波谱识别就可以大大减少以往遥感分类方法中的漏分及混分现象。为了解决若尔盖高原地物遥感分类问题,首次对本区ETM多光谱融合数据采用了地物波谱角分类法进行地物识别。分类步骤:遥感数据定标→选择训练区样本→MNF变换减维去噪处理→利用纯净像元指数(PPI)进行样本提纯→利用n-D散度法进行样本重组→波谱角分类(SAM).其分类结果表明,类别精度评价总精度为0.806,kappa系数为0.785.其精度均符合1:5万比例尺的土地详查工作的技术要求。 相似文献
14.
遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。 相似文献
15.
16.
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
17.
现行的遥感影像解译方法有监督分类和非监督分类。在监督分类中有平行算法,最小距离算法、最大似然算法等,而支持向量机是监督分类中的一种新的算法。本研究选择贵阳市花溪区小碧乡局部地区为研究对象,采用SPOT数据,分别运用最大似然算法和支持向量机算法对研究区遥感影像进行解译。通过建立混淆矩阵,来计算分类精度和Kappa系数。结果表明:支持向量机具有分类精度高,分类图斑完整等优点;但在时间的消耗上,支持向量机算法要比最大似然算法长。对于这两种算法而言,都存在地物光谱特征明显相异的地物易于区别,光谱相似的地物容易造成错分的现象,然而支持向量机分类精度要比最大似然分类精度高一些。支持向量机对样本数量具有敏感性,样本数量过多将导致运算时间过长。因此在实际运用中应根据实际情况,选择适合的算法。 相似文献