共查询到10条相似文献，搜索用时 125 毫秒
1.
《地理空间信息》2017,(1)
以东湾流域为研究区,首先对TM影像进行主成分分析(PCA),缨帽变换,色调、亮度、饱和度彩色变换(HIS),并求得归一化植被指数、归一化建筑指数、归一化水体指数、归一化裸土指数、归一化阴影指数和第四波段灰度共生矩阵纹理特征,构造了新的特征影像;然后对其分别进行PCA、独立主成分分析(ICA)、最小噪声分离(MNF)3种变换;再对变换后的结果分别进行最大似然法、神经网络以及支持向量机(SVM)分类,以研究不同变换、不同分类方法的差异。提出了一种新的降低特征相关性的方法,并确定了最有效的一种分类—变换组合。结果表明,新特征降维方法的分类精度达到了93.457%,而单一特征降维方法最高分类精度为91.955%,证明该方法能更有效地提取影像特征。 相似文献
2.
以高空间分辨率遥感影像为研究对象,将纹理特征与影像的光谱特征结合起来,用于地表覆盖类型分类。设计了一种基于傅里叶谱纹理的分类策略,对主成分分析后的第1、2主分量特征影像,利用径向谱（r-spectrum）提取纹理特征,并将纹理与光谱特征结合起来,构建了不同的分类特征用于支持向量机分类模型。以Salinas数据集和QuickBird影像为例,验证该算法。结果表明,纹理与光谱信息的结合可以明显提高高分辨率遥感影像的分类精度;由傅里叶径向谱提取的纹理特征可以很好的应用到高分辨率遥感影像的分类问题中,分类精度高于基于傅里叶总能量谱和灰度共生矩阵的分类精度;利用该算法对PCA变换后的第1和第2分量提取的纹理特征具有一定的互补性,并且结合多特征图像的纹理特征提取优于单特征图像的纹理特征提取。 相似文献
3.
不同海水养殖模式用地面积的获取是海水养殖区域进行合理规划、长期稳定发展的基础性工作之一。本文以广东省柘林湾海水养殖区为实验区,采用面向对象遥感分类方法实现了对3种海水养殖模式的分类提取,研究结果表明:面向对象的海水养殖模式遥感分类结果精度为83.87%,较监督分类提取精度提高了9.61%;此方法对塘埂的剔除效果较明显,且能有效对不同池塘养殖模式进行分类。 相似文献
4.
面向对象遥感影像分类过程中,特征选择是保证分类精度和提高分类速度的关键因素。本文针对高分影像特征过多造成维度灾难、无法取舍有效特征导致低分类精度等问题,提出了一种基于特征贡献度与主成分分析(PCA)结合的特征选择优化方法,定量分析并提取影像特征。本文首先利用特征贡献度进行特征选择,提取有效特征;然后进行PCA变换消除特征间相互影响,降低维度,将提取的143个影像分类特征经选择与变换至20个主成分特征,最终优化的特征在神经网络(ANN)、K最近邻法(KNN)和支持向量机(SVM)三种分类实验结果中的总精度分别提高了10.56%、7.78%和6.11%,实现了较好的分类效果,说明优化的特征选择方法不仅大大降低了特征维度,减少了后端分类计算量,同时有效提高了分类精度。 相似文献
5.
建筑区的识别和提取是城市环境规划与研究至关重要的工作。本文采用高分三号全极化SAR影像,提出了一种综合Span图和纹理特征的建筑区提取方法。首先基于Span图利用灰度共生矩阵算法提取图像的7种原始纹理特征,通过目视解译选择出4种纹理效果较好的统计量,然后利用主成分分析法去除他们之间的相关性,筛选出2个最佳纹理特征与Span图结合,最后对组合影像进行分类提取。本文将提取结果与综合灰度和纹理特征建筑区提取、无纹理特征提取方法结果进行对比,实验结果表明:本文方法提取建筑区边界轮廓更加清晰,精度可达92%,提取效果明显得到了优化。 相似文献
6.
高光谱影像的引导滤波多尺度特征提取 总被引：1，自引：0，他引：1
为了解决高光谱遥感影像分类中单一尺度特征无法有效表达地物类间差异和区分地物边界的不足,提高影像分类精度和改善分类目视解译效果,提出了采用引导滤波提取多尺度的空间特征的方法。首先,利用主成分分析对高光谱影像进行降维,移除噪声并突出主要特征;然后,将第1主成分作为引导影像,将包含信息量最多的若干主成分分别作为输入影像,应用依次增加的滤波半径分别进行引导滤波处理提取多个尺度的特征,获得影像不同尺度的结构信息;最后,将多尺度特征输入分类器中进行影像监督分类。采用仿真数据和帕维亚大学(Pavia University)、帕维亚城区(Pavia Centre)等3幅高光谱实验数据,提取了基于引导滤波的多尺度特征、多尺度形态特征和多尺度纹理特征,输入到支持向量机、随机森林和K近邻分类器中,进行了实验。实验结果表明:采用支持向量机分类Pavia University数据,相对于采用多尺度形态特征的分类结果,引导滤波特征的总体精度提高了6.5%;Pavia Centre和Salinas两幅影像最高分类精度均由引导滤波特征实现,分别达到98.51%和98.39%。实验证实基于引导滤波提取的多尺度特征能有效地描述地物结构,进而获得更高的分类精度和改善目视解译效果。 相似文献
7.
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
8.
SAR图像变化检测是遥感震害信息识别中的重要方法之一,常规的SAR图像变化检测方法主要以强度图像为主,易受图像中地物目标方位变化、表面粗糙度变化和图像中涵盖地物目标信息量庞大的影响。针对震后强度图像变化复杂无规律、纹理特征参数繁多且难优选的问题,以熊本地震益城町区域的ALOS-2数据为例,提出了一种基于纹理特征主成分变换的相关性变化检测方法,该方法首先提取图像的多个纹理特征参量,其次采用主成分变换的方法获取多个纹理特征参量的第一主成分分量,然后计算第一主成分分量的相关性,最后根据实地调查样本统计分类阈值对图像中不同程度震害建筑物进行检测,并与基于强度图像相关性变化检测方法、强度图像差值变化检测方法结果进行了对比。结果表明,基于纹理特征主成分的相关性变化检测方法能够有效地检测不同震害程度建筑物的分布,总体提取精度可达87.2%,高于基于强度图像的两类变化检测方法检测精度,在保持较高提取精度的同时,也有效降低了震害建筑物的错分概率,证明了该方法的可行性,提出的方法可用于震后灾损评估、救援决策制定、指导灾后重建。 相似文献
9.
BP神经网络具有收敛速度快和自学习、自适应功能强的特点,能最大限度地利用样本集的先验知识,自动提取合理的模型。本文采用Landsat TM遥感图像作为数据源,以山西省定襄县为研究区,通过主成分分析方法来压缩输入数据,并结合NDVI和纹理特征来建立BP神经网络的土地利用分类模型,将分类结果与基于光谱单元信息的神经网络分类和基于纹理特征的神经网络分类结果进行定性和定量比较分析。结果表明:该方法总精度达到了80.50%,分别比基于光谱单元信息的神经网络分类和基于纹理特征的神经网络分类提高了18.89%和6.23%,能够有效地解决地物光谱混淆、分类精度不高等问题。 相似文献