共查询到20条相似文献，搜索用时 15 毫秒
1.
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
2.
光谱与纹理信息复合的土地利用/覆盖变化动态监测研究 总被引：8，自引：0，他引：8
及时、准确地动态监测地球表面特性对于掌握人类和自然现象之间的关系和相互作用是非常重要的,并为决策的制定奠定基础。传统卫星遥感的土地利用/覆盖变化动态监测方法基本上可分为光谱直接比较法和分类比较法两大类,但两类方法多以光谱信息为基础来提取土地利用变化信息,而忽略纹理等空间信息。本研究中,基于变化向量分析方法,将光谱与纹理两种信息复合计算变化强度,并采用支持向量机法提取变化/非变化信息,通过监督分类确定变化区域内的土地利用/覆盖类型的转移方向,完成土地利用/覆盖动态监测。最后,利用两期TM数据,对海淀区1997—2004年进行土地利用/覆盖变化动态监测,以验证该方法。该方法较分类后比较法在一定程度上减少误差积累,降低了错误类型转化,提取的变化信息总精度达到93.1%,Kappa为0.862,比利用光谱信息双窗口变步长的变化向量分析方法提取出土地利用/覆盖变化信息的精度有一定的提高(总体精度为90.2%,Kappa为0.804)。纹理信息与光谱信息复合,能够更大拉开变化/非变化信息之间的距离,有利于动态变化信息的提取,是该方法能够有效提取变化信息的关键所在。 相似文献
3.
针对高分辨率影像上日光温室的信息提取问题,该文提出了利用支持向量机、最近邻算法结合纹理特征在不同层上分别提取连片日光温室和独栋日光温室的方法。实验表明:纹理特征能提高分类精度,在大尺度的层上,分类精度提升幅度较大,但在小尺度的层上,分类精度提升幅度会比较小;并不是参与运算特征数越多,分类精度越高,多数情况下光谱+纹理组合的分类精度最高;提取连片日光温室的最优方案是支持向量机和光谱+形状+纹理(7像素×7像素),总精度为92.86%,Kappa系数为0.90,而提取独栋日光温室最优方案为SVM和光谱+纹理(11像素×11像素),总精度为88.39%,Kappa系数为0.86。 相似文献
4.
遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度。为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取。结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13%,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28%,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41%、11.31%和6%,RF对冬小麦提取精度优于SVM。本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义。 相似文献
5.
自适应模糊规则分类方法及在TM土地覆盖分类中的应用研究 总被引：1，自引：1，他引：0
根据自组织网络和模糊逻辑推理,实现土地覆盖自适应模糊规则分类方法。该方法通过网络的节点和权值提取出模糊规则,调整网络中节点个数(即相应增加规则节点数)和权值向量,使模糊规则自动生成,并利用模糊逻辑推理,完成TM土地覆盖分类。对拒分类的像元,自适应增加K值使其可分。该方法所得分类精度及Kapp系数与最大似然分类方法结果相比分别提高了2.7%和2.9%;与自组织网络相比,总精度相差不大,而Kapp系数低1%。实验证明,如何提取和表示非光谱知识,从而解决类别混淆等问题,是提高自适应模糊规则分类性能的关键 相似文献
6.
7.
珊瑚礁对于海洋生态环境研究具有重要意义,通过分析珊瑚礁底栖物质的分布及健康状况,可以对珊瑚礁生态环境进行评估。本文提出了一种基于面向对象的图像分类方法,通过试验确定不同地貌的最优分割尺度,其中陆地和深海的最优分割尺度为150,各类底栖物质的最优分割尺度为30。以Sentinel-2A卫星遥感影像为例,提取海南三亚珊瑚礁自然保护区的珊瑚礁底栖物质,并使用混淆矩阵对提取结果进行精度评估。结果表明,底栖物质提取总体分类精度为87.91%,Kappa系数为0.83。面向对象分类方法可有效结合珊瑚礁底栖物质的纹理特征和光谱特征,并充分利用遥感影像不同波段的组合特性,可为三亚珊瑚礁保护管理提供方法支撑。 相似文献
8.
西南喀斯特山区地形起伏较大,地物分布较为破碎,致使传统的光谱特征一次分类方法的精度较低。本文基于高分辨率无人机正射影像和地形指标,充分利用无人机遥感影像空间特征、光谱特征、纹理特征及地形特征,采取面向对象CART决策树算法与分层策略提取了研究区土地覆盖类型。研究表明,结合空间地形因子和分层策略的方法减少了破碎区地物间的相干扰,故具有较高的分类精度,总体分类精度达91.2%,Kappa系数为0.87,较传统一次分类精度提高了9.8%,Kappa系数提高了0.13。该方法对西南喀斯特地区土地覆盖解译精度较好,可为土地利用监测提供参考。 相似文献
9.
石善球 《测绘与空间地理信息》2017,40(11)
以两期0.3 m分辨率图像作为变化检测对象,辅以矢量数据,以图斑为最小处理单元,采用面向对象的变化矢量分析(Change Vector Analysis,CVA)方法预测变化图斑。为提高预测精度,图像的特征采用多尺度下的光谱、纹理和局部不变特征的方法提取。实验结果表明,本文采用的方法,其预测准确率与同尺度下图像特征提取的方法相比有了一定程度的提高。 相似文献
10.
Chunyang He Anni Wei Peijun Shi Qiaofeng Zhang Yuanyuan Zhao 《International Journal of Applied Earth Observation and Geoinformation》2011
Detecting land-use/land-cover (LULC) changes in rural–urban fringe areas (RUFAs) timely and accurately using satellite imagery is essential for land-use planning and management in China. Although traditional spectral-based change-vector analysis (CVA) can effectively detect LULC change in many cases, it encounters difficulties in RUFAs because of deficiencies in the spectral information of satellite images. To detect LULC changes in RUFAs effectively, this paper proposes an extended CVA approach that incorporates textural change information into the traditional spectral-based CVA. The extended CVA was applied to three different pilot RUFAs in China with different remotely sensed data, including Landsat Thematic Mapper (TM), China–Brazil Earth Resources Satellite (CBERS) and Advanced Land Observing Satellite (ALOS) images. The results demonstrated the improvement of the extended CVA compared to the traditional spectral-based CVA with the overall accuracy increased between 4.66% and 8.00% and the kappa coefficient increased between 0.10 and 0.15, respectively. The advantage of the extended CVA lies in its integration of both spectral and textural change information to detect LULC changes, allowing for effective discrimination of LULC changes that are spectrally similar but texturally different in RUFAs. The extended CVA has great potential to be widely used for LULC-change detection in RUFAs, which are often heterogeneous and fragmental in nature, with rich textural information. 相似文献
11.
12.
基于随机森林算法的城市不透水面信息提取——以长春市为例 总被引：1，自引：0，他引：1
为了快速、准确地掌握不透水面的空间分布及满足动态变化信息现实需求，本文基于多分类器集成学习的思想，引入随机森林算法，以Landsat8影像为数据源，长春市为实验区，选取光谱特征、纹理测度、空间变换后的独立分量等25个特征变量进行分类研究，根据OOB误差进行重要性分析并试验得出最优的分类模型，实现高精度不透水面信息的提取，最后与传统参数分类法进行比较。结果表明：随机森林算法的总体精度可以达到94%，高出最大似然分类法5.9%，支持向量机算法0.77%，Kappa系数为0.914 3，均方根误差为0.104 3，不透水面的提取精度达95.54%，可以精确地得出所需信息，为城市建设与规划提供有效的专题数据。 相似文献
13.
本文提出一种新的半经验地形校正模型SCEDIL(Simple topographic Correction using Estimation of Diffuse Light),该模型通过结合DEM与光学影像数据寻找局部区域内完全光照和阴影的水平像元,并以光照、阴影水平像元的平均反射率值估算局部区域散射辐射比,提高了陡峭山区影像的地形校正精度。以高分一号卫星和Landsat ETM+影像为例,从目视判读和定量分析两个方面,比较分析该算法与传统半经验地形校正算法(C、SCS+C)的校正结果。结果表明:(1)对较为平坦的地形,SCEDIL和C、SCS+C校正都有较好的目视结果;对地面起伏较大的陡峭地形,C、SCS+C校正后,原阴影区域易呈现破碎化特征,SCEDIL校正后,原阴影区域过渡较为平滑。(2)SCEDIL校正后,各波段反射率的均值和标准差优于C、SCS+C校正,SCEDIL校正后,影像总分类精度与同类地物光谱信息均一性均优于C和SCS+C校正。SCEDIL半经验地形校正方法能有效地去除影像中的地形干扰,尤其对陡峭地形的校正效果,优于常规地形校正模型。 相似文献
14.
Assessment of Sentinel-1A data for rice crop classification using random forests and support vector machines 总被引：1，自引：0，他引：1
This study developed an approach to map rice-cropping systems in An Giang and Dong Thap provinces, South Vietnam using multi-temporal Sentinel-1A (S1A) data. The data were processed through four steps: (1) data pre-processing, (2) constructing smooth time series VH backscatter data, (3) rice crop classification using random forests (RF) and support vector machines (SVM) and (4) accuracy assessment. The results indicated that the smooth VH backscatter profiles reflected the temporal characteristics of rice-cropping patterns in the study region. The comparisons between the classification results and the ground reference data indicated that the overall accuracy and Kappa coefficient achieved from RF were 86.1% and 0.72, respectively, which were slightly more accurate than SVM (overall accuracy of 83.4% and Kappa coefficient of 0.67). These results were reaffirmed by the government’s rice area statistics with the relative error in area (REA) values of 0.2 and 2.2% for RF and SVM, respectively. 相似文献
15.
Mapping of vegetation in mountain areas based on remote sensing is obstructed by atmospheric and topographic distortions. A variety of atmospheric and topographic correction methods has been proposed to minimize atmospheric and topographic effects and should in principle lead to a better land cover classification. Only a limited number of atmospheric and topographic combinations has been tested and the effect on class accuracy and on different illumination conditions is not yet researched extensively. The purpose of this study was to evaluate the effect of coupled correction methods on land cover classification accuracy. Therefore, all combinations of three atmospheric (no atmospheric correction, dark object subtraction and correction based on transmittance functions) and five topographic corrections (no topographic correction, band ratioing, cosine correction, pixel-based Minnaert and pixel-based C-correction) were applied on two acquisitions (2009 and 2010) of a Landsat image in the Romanian Carpathian mountains. The accuracies of the fifteen resulting land cover maps were evaluated statistically based on two validation sets: a random validation set and a validation subset containing pixels present in the difference area between the uncorrected classification and one of the fourteen corrected classifications. New insights into the differences in classification accuracy were obtained. First, results showed that all corrected images resulted in higher overall classification accuracies than the uncorrected images. The highest accuracy for the full validation set was achieved after combination of an atmospheric correction based on transmittance functions and a pixel-based Minnaert topographic correction. Secondly, class accuracies of especially the coniferous and mixed forest classes were enhanced after correction. There was only a minor improvement for the other land cover classes (broadleaved forest, bare soil, grass and water). This was explained by the position of different land cover types in the landscape. Finally, coupled correction methods showed most efficient on weakly illuminated slopes. After correction, accuracies in the low illumination zone (cos β ≤ 0.65) were improved more than in the moderate and high illumination zones. Considering all results, best overall classification results were achieved after combination of the transmittance function correction with pixel-based Minnaert or pixel-based C-topographic correction. Furthermore, results of this bi-temporal study indicated that the topographic component had a higher influence on classification accuracy than the atmospheric component and that it is worthwhile to invest in both atmospheric and topographic corrections in a multi-temporal study. 相似文献
16.
土地利用/覆被（LUC）可为土地资源领域相关研究提供基础数据。本文构建了面向对象的LUC分类方法，并以沿海特殊土地类型区连云港市为例，应用Landsat 8影像开展了实证研究。结果表明：①总体分类精度达到85.06%，总体Kappa系数为0.83，超过了0.7的最低允许判别精度；②该方法可以有效地减少研究区因南北部区域耕地植被覆盖度不同导致的错分现象，并可以用于盐田与滩涂信息的提取工作；③该方法既可为研究区土地利用相关研究提供符合精度要求的数据，也可为其他沿海地区进行土地利用/覆被信息提取工作提供参考和借鉴。 相似文献
17.
18.
19.
20.
面向对象的无人机遥感影像岩溶湿地植被遥感识别 总被引：1，自引：0，他引：1
以广西桂林会仙喀斯特国家湿地公园为研究区，以无人机航摄影像为数据源，综合利用面向对象的影像分析技术、随机森林算法、阈值分类方法和Boruta全相关特征变量选择算法进行岩溶湿地植被的遥感识别。结果表明：针对不同特征变量对岩溶湿地遥感识别的贡献率而言，光谱特征（DOM > DSM） > 纹理特征（DOM > DSM） > 几何特征 > 上下文变量；两个航摄影像数据集的总体分类精度都在85%以上，Kappa系数也高于0.85。本文研究结果对基于高空间分辨率无人机可见光影像的岩溶湿地植被遥感识别在特征变量选择、分割参数选择及方法选择方面具有一定的借鉴意义。 相似文献