共查询到20条相似文献，搜索用时 67 毫秒
1.
2.
多源遥感图像融合发展现状与未来展望 总被引：2，自引：0，他引：2
近年来,随着遥感技术的发展,高光谱、红外、雷达等多源遥感成像手段在精准农业、资源调查、环境监测、军事国防等重要领域发挥着越来越重要的作用。同一场景多源遥感图像观测的地物对象相同,但观测的维度不同,图像的空间、光谱与时间分辨率存在差异,提供的信息既具有冗余性,又具有互补性和合作性。多源遥感图像融合能够综合利用不同来源获取的遥感图像信息,实现更精准、更全面的对地观测,是遥感对地观测领域的核心关键技术。本文从多源遥感图像的数据来源出发,综述了多源遥感图像融合的研究现状与未来发展趋势:首先介绍了国内外现有多源遥感图像的主要来源、图像特性与典型应用;然后,对不同类型多源遥感图像融合的研究现状和挑战性难题进行了归纳和总结;最后,对多源遥感图像融合的未来发展趋势进行了展望。 相似文献
3.
多源遥感影像像素级融合分类与决策级分类融合法的研究 总被引：10，自引：0，他引：10
首先探讨了基于像素的多源遥感影像高频调制融合法，根据成像系统特性和Heisenberg测不准原理，设计的高斯滤波器对高分辨率影像滤波的方法是合理有效的。在研究BP神经网络的基础上，采用动量法和学习率自适应调整的策略，提高了BP神经网络学习算法收敛速度，并增强了算法的可靠性。提出并实现了多源遥感影像像素级融合分类与决策级分类融合两种分类方法，并进行了比较。采用Landsat TM3，4，5和航空SAR影像进行试验，结果表明两种分类方法是行之有效的，均适用于多源遥感影像分类。 相似文献
4.
M. Shimoni D. Borghys R. Heremans C. Perneel M. Acheroy 《International Journal of Applied Earth Observation and Geoinformation》2009
The main research goal of this study is to investigate the complementarity and fusion of different frequencies (L- and P-band), polarimetric SAR (PolSAR) and polarimetric interferometric (PolInSAR) data for land cover classification. A large feature set was derived from each of these four modalities and a two-level fusion method was developed: Logistic regression (LR) as ‘feature-level fusion’ and the neural-network (NN) method for higher level fusion. For comparison, a support vector machine (SVM) was also applied. NN and SVM were applied on various combinations of the feature sets. 相似文献
5.
结合灰度和基于动态窗口的纹理特征的遥感影像分类 总被引：1，自引：0，他引：1
在基于灰度共生矩阵提取遥感影像纹理特征的基础上,针对固定窗口算法的局限性,提出了动态窗口算法;并将不同滑动窗口算法提取的纹理特征与影像灰度组合进行支持向量机(SVM)分类,对分类结果进行定性和定量比较分析。实验结果表明:影像灰度结合动态窗口算法提取的纹理特征进行SVM分类的分类精度优于灰度结合固定窗口算法提取的纹理特征的分类精度。因此,提出的算法较传统的固定窗口算法更具优势,是一种有效纹理信息提取方法。 相似文献
6.
Peijun Du Yu Chen Junshi Xia Kun Tan 《Journal of the Indian Society of Remote Sensing》2013,41(2):213-222
In this paper, we propose a novel scheme to improve the accuracy of remote sensing image classification by integrating data fusion, multiple feature combination and ensemble learning. Intensity-Hue-Saturation (IHS), Gram-Schmidt (GS), Brovey and wavelet fusion methods are first performed to obtain the optimal fusion images of high resolution and multispectral images. Support Vector Machine (SVM) classifier is then adopted to classify the fused image with different feature sets, and ensemble learning algorithm based on dynamic classifier selection (DCS) is finally used to integrate multiple classification maps. The proposed classification scheme is implemented with three remote sensing data sets, obtaining the highest overall accuracy and kappa coefficient in all cases (92.63% and 0.8917 for BJ-1 data set, 81.89% and 0.7513 for Landsat TM and SPOT4 data set, 92.21% and 0.8838 for ALOS data set respectively). The experimental results show that the integration of data fusion, feature combination and ensemble learning improves the classification performance obviously and has great potential in practical uses. 相似文献
7.
简要介绍了数字高程模型（digital elevation model,DEM）的起源与定义,根据4种不同的观测平台分类介绍了DEM数据获取方法,给出目前国际上发布的高分辨率全球DEM的主要性质和特点。重点介绍了9大类全球DEM,分析了DEM质量评估相关的评定方法和精度指标。论述了DEM在地质灾害监测、海岸带脆弱性分析方面的应用,以美国地质勘探局和德国航空太空中心正在开展的DEM项目为例,讨论了高精度、高分辨率全球同质DEM和地形测深高程模型的最新需求,最后总结展望全球高分辨率DEM的发展趋势。 相似文献
8.
基于决策树的CBERS遥感影像分类及分析评价 总被引：1，自引：0，他引：1
以江苏省徐州市为研究区,以城市土地利用遥感分类为目标,采用CBERS多光谱数据的近红外波段、全球环境监测植被指数(GEMI)、归一化植被指数(NDVI)及主成分分析得出的第一和第二主成分作为分类的特征数据,基于先验知识和统计分析构建层次分类决策树,进而发展和改进了决策树交互式构建算法,实现了城市土地利用遥感分类。通过与最大似然分类器(MLC)和支持向量机分类器(SVM)分类结果的比较分析,表明基于多种特征的决策树分类器能够有效应用于CBERS遥感数据分类,在研究区具有良好的推广性。 相似文献
9.
The recent and forthcoming availability of high spatial resolution imagery from satellite and airborne sensors offers the possibility to generate an increasing number of remote sensing products and opens new promising opportunities for multi-sensor classification. Data fusion strategies, applied to modern airborne Earth observation systems, including hyperspectral MIVIS, color-infrared ADS40, and LiDAR sensors, are explored in this paper for fine-scale mapping of heterogeneous urban/rural landscapes. An over 1000-element array of supervised classification results is generated by varying the underlying classification algorithm (Maximum Likelihood/Spectral Angle Mapper/Spectral Information Divergence), the remote sensing data stack (different multi-sensor data combination), and the set of hyperspectral channels used for classification (feature selection). The analysis focuses on the identification of the best performing data fusion configuration and investigates sensor-derived marginal improvements. Numerical experiments, performed on a 20-km stretch of the Marecchia River (Italy), allow for a quantification of the synergies of multi-sensor airborne data. The use of Maximum Likelihood and of the feature space including ADS40, LiDAR derived normalized digital surface, texture layers, and 24 MIVIS bands represents the scheme that maximizes the classification accuracy on the test set. The best classification provides high accuracy (92.57% overall accuracy) and demonstrates the potential of the proposed approach to define the optimized data fusion and to capture the high spatial variability of natural and human-dominated environments. Significant inter-class differences in the identification schemes are also found by indicating possible sub-optimal solutions for landscape-driven mapping, such as mixed forest, floodplain, urban, and agricultural zones. 相似文献
10.
土地覆被作为地表自然和人工建造物的综合体，是开展土地科学相关研究的重要基础，在遥感大数据背景下，准确、快速、自动化进行土地覆被提取技术一直是遥感研究中的重点。本文基于eCognition软件，采用面向对象的多尺度分割法，综合考虑地物在遥感影像上的光谱、形状和纹理特征，建立多种地物提取规则。通过模糊函数、支持向量机（SVM）和阈值法对研究区的土地覆被进行分类提取，并与研究区的FROM-GLC10数据和土地利用变更数据进行了对比分析。结果表明：①研究区土地覆被分类的总体精度为97%，Kappa系数为0.96，分类精度较高；②基于10 m分辨率影像，综合使用形状、纹理、光谱信息对于道路的提取具有较好的效果，道路提取Kappa系数为0.84；③分类结果在面积和空间分布上都优于FROM-GLC10数据，与研究区实际土地变更数据保持较好的一致性。基于面向对象与规则的分类方法提取地物能够有效利用多种遥感影像特征，分类精度高，对于处理高分辨率遥感数据具有很好的优势。 相似文献
11.
土地覆盖制图：基于最优化遥感数据的支撑向量机分类 总被引：1，自引：0，他引：1
遥感数据具有在不同空间、光谱和时间尺度上获取地表测量信息的能力,使其成为获取土地覆盖信息的一个主要数据源。影像分类即把卫星影像上的相关像元划分给某类已知的土地覆盖类型的过程。支撑向量机（SVMs）是一种土地覆盖分类的新技术。三种常用的SVMs是：基于线性和多项式的SVM以及具有高斯核函数的SVM分类器,分类能否成功地应用有赖于其各自选择的最佳参数。但是海量的遥感数据使得这些参数的确定速度十分缓慢。本文研究了一种新的基于最优化遥感数据压缩技术的SVM分类方法。研究显示用于获取SVM参数的数据量能够在不影响土地覆盖的分类精度的前提下进行压缩。数据压缩成功的应用于多项式和高斯核函数的SVM分类,而线性SVM的分类精度却非常低。 相似文献
12.
本文提出了一种聚类特征和SVM组合的高光谱影像半监督协同分类方法。利用构建的协同分类框架能够将KSFCM聚类算法与半监督SVM分类器相结合,同时利用聚类和分类优势,提高分类器的分类准确率。其中,通过聚类损耗函数、分类一致函数、分类差异性、样本差异性四个指数用以构建协同分类框架,以充分利用少量类标签样本信息,避免高光谱类标签样本获取困难问题,在一定程度上解决SVM支持向量随着训练样本增加而线性增加的问题,从而寻求最佳分类结果。实验结果表明,本文所提方法得到的分类精度优于直接利用SVM进行半监督分类。 相似文献
13.
估算森林地上生物量(AGB)对于全球实现碳中和目标至关重要。本文以美国缅因州Howland森林为研究区域,借助地面实测样地数据,对比分析协同不同数据源(高光谱和LiDAR)和机器学习算法(随机森林、支持向量机、梯度提升决策树和K最邻近回归)的研究,以改善Howland森林的生物量估计精度。结果表明,采用LiDAR和高光谱植被指数变量模型的最佳精度分别为0.874和0.868,协同高光谱和LiDAR变量并采用梯度提升决策树回归模型的精度为0.927,即多源遥感数据要优于单一数据源。高光谱和LiDAR数据的协同使用对于提高类似于Howland地区或更广泛区域的生物量估计的准确性,具有普遍的适用性与一定的应用前景。 相似文献
14.
利用SVM的全极化、双极化与单极化SAR图像分类性能的比较 总被引：1，自引：0，他引：1
支持向量机(SVM)以其在小训练样本时良好的分类性能,目前已广泛应用于多个领域.本文在极化SAR图像特征提取基础上,将SVM应用于极化SAR图像分类,定性和定量地比较了全极化、双极化和单极化SAR图像的分类性能,分析了不同的极化组合对分类结果的影响,并根据地物极化散射特性分析了分类精度差异的成因.实测极化SAR数据的实验结果表明,全极化数据能获得最好的分类性能,双极化次之,单极化最低,且在某些情况下,双极化与全极化分类性能接近. 相似文献
15.
Optimizing support vector machine learning for semi-arid vegetation mapping by using clustering analysis 总被引：1，自引：0，他引：1
In remote sensing communities, support vector machine (SVM) learning has recently received increasing attention. SVM learning usually requires large memory and enormous amounts of computation time on large training sets. According to SVM algorithms, the SVM classification decision function is fully determined by support vectors, which compose a subset of the training sets. In this regard, a solution to optimize SVM learning is to efficiently reduce training sets. In this paper, a data reduction method based on agglomerative hierarchical clustering is proposed to obtain smaller training sets for SVM learning. Using a multiple angle remote sensing dataset of a semi-arid region, the effectiveness of the proposed method is evaluated by classification experiments with a series of reduced training sets. The experiments show that there is no loss of SVM accuracy when the original training set is reduced to 34% using the proposed approach. Maximum likelihood classification (MLC) also is applied on the reduced training sets. The results show that MLC can also maintain the classification accuracy. This implies that the most informative data instances can be retained by this approach. 相似文献
16.
机载激光雷达(Light Detection And Ranging,LiDAR)系统近年来逐渐成为一种新兴的测量手段,是一种可以直接提供大量地面离散点的高精度三维信息的主动式遥感技术,具有依赖控制测量条件少、受天气影响小、自动化水平高等优点。然而LiDAR获取的数据主要是离散激光点云,具有高精度的空间结构信息而缺少纹理和光谱信息。将LiDAR数据和遥感影像数据进行融合将是当今测绘科学研究的方向之一。融合影像数据和点云数据的关键步骤就是将两者进行高精度的配准。 相似文献
17.
为了进一步提高遥感图像建筑物区域的识别精度,提出了一种基于中值稳健扩展局部二值模式(median robust extended local binary pattern,MRELBP)、Franklin矩和布谷鸟优化支持向量机(support vector machine,SVM)的分类方法。首先,通过MRELBP特征算子计算图像块的纹理特征向量,并根据Franklin矩得到形状特征向量,组合图像块的纹理特征向量和形状特征向量得到综合特征向量;然后,利用训练样本对SVM进行训练,同时由布谷鸟搜索算法对SVM的核函数参数和惩罚因子进行优化;最后,通过训练好的SVM得到建筑物区域识别结果。通过30组试验的结果表明,与基于三原色(red green blue,RGB)和SVM的分类方法、基于LBP和SVM的分类方法、基于Zernike矩和SVM的分类方法相比,本文提出的方法所识别的遥感图像建筑物区域准确度更高。 相似文献
18.
Light detection and ranging system (LIDAR) can obtain diverse remote sensing datasets which contains different land cover information. The datasets offer vital and significant features for land cover classification. As a new and effective deep learning algorithm, stacked auto-encoders (SAE) consists of multiple auto-encoders in which the code of each auto-encoder is the input of the successive one. The classification precision is closely related to hidden layers, and the number of samples in fine-tuning step also affects classification results. In this paper we study the classifiers based on different number of samples and hidden layers. According to appropriate parameters, we promote SAE with adaptive boosting ensemble strategy to build new classification method. Two tests which are based on LIDAR datasets are implemented. The experiment results prove that the fusion of deep learning and ensemble learning is effective to LIDAR remote sensing images. The proposed method is robust to similar scenes classification. The overall accuracy increases 6% compared with bagging method on test 1. 相似文献
19.
多分类器集成能够有效地提高遥感分类精度、降低结果中的不确定性,基于样本操作的Boosting和Bagging算法是多分类器系统常用的两种算法。针对高分辨率卫星遥感分类的需求,以Qu ickb ird数据为例,分别以BP神经网络、RBF神经网络和决策树为基分类器,对Boosting和Bagging算法的应用效果进行了实验和分析评价,结果表明Boosting算法和Bagging算法能够用于高分辨率遥感影像分类,具有较好的分类性能。 相似文献