基于面向对象的海岸带土地利用信息提取研究

针对海岸带复杂多样的土地利用信息,选取山东省乳山市海岸带为研究区域,运用 Landsat TM遥感影像数据,基于面向对象分类方法,利用不同地物的光谱、形状、纹理和空间关系等特征,通过多尺度分割、隶属度函数法和标准最邻近分类法提取研究区土地利用信息,并对分类结果进行精度评估。结果表明：①隶属度函数法和标准最邻近分类法结合,提取出乳山市海岸带12 种土地利用类型信息,很好地区分了盐田和养殖水面、林地和园地,可提取出主要的道路和河流等细长线状地物;②将提取结果与最大似然法对比,面向对象分类方法提取精度达到82.50%,Kappa系数为0.809 1,分别比最大似然法提高了11.44%和0.105 5,很好地避免“同物异谱”和“异物同谱”对分类精度造成的影响,有效地避免了“椒盐”现象。面向对象分类方法提取中分辨率遥感影像精度较高,为海岸带土地利用信息的快速、准确提取提供了有效的技术手段。     

多尺度分割与特征优选下的盐碱地提取

土地盐渍化作为一种土壤灾害,严重制约着社会经济与农业的发展。对盐碱地进行实时监测,可为盐碱地的评价改良提供科学依据。由于盐碱地的信息复杂、提取精度不高,因此本文以高分六号（GF-6）卫星遥感影像为数据源,采用分形网络演化算法（fractal net evolution approach,FNEA）进行影像对象的多尺度分割,从面向对象的角度减少高分影像分类结果中的椒盐噪声问题,通过计算图像对象的局部方差和变化率来确定适宜的盐碱地分割尺度。利用基于特征选择的相关性算法（correlations-based feature selection,CFS）与Relief F算法分别对由光谱、纹理、形状、遥感指数构成的初始特征空间进行特征优选,精简特征子集,解决特征数量冗余问题,以此来优化随机森林对盐碱地提取精度。结果表明：CFS约简后的特征子集更小,精度更高,说明在盐碱地提取过程中,筛选特征数目能够减小冗余数据对提取精度的影响。CFS优化后的随机森林对盐碱地的提取效果较好,该方法总体分类精度达到83.7%。     

基于面向对象的北京市区城市内部用地信息提取

选取北京市四环以内为研究区域,以资源三号卫星遥感影像为数据源,针对类型多样、特征易混淆的城市内部用地以及高分辨率遥感影像海量信息、人工提取费时费力等特点,论文基于面向对象分类方法,探讨城市内部用地自动提取方法,并对分类结果进行精度评估.结果表明:利用不同地物的光谱、形状、纹理和空间关系等特征,通过多尺度分割和隶属度函数法,构建合理的分类层次,不仅精确提取出研究区内水体、绿地、建设用地和待开发用地,更独具创新地区分了城市建设用地内部各种地物类型,包括工业生产用地、低密度和高密度生活用地以及交通用地.该方法有效地利用了资源3 号卫星影像的光谱、纹理及空间信息特征,总体精度可达到87.00%,Kappa系数达到0.853 9,取得较好的分类效果.     

OBIA与RF结合的龙口市土地利用信息提取方法

为提高中分辨率遥感影像解译精度,本文提出面向对象影像分析（Object Based Image Analysis,OBIA）与随机森林（Random Forest,RF）结合的土地利用信息提取方法。采用Landsat 8 OLI影像,针对不同地物特点,阈值分割和多尺度分割结合创建影像对象,规则集和分类器协同分类,基于Relief F算法分别对光谱特征、纹理特征及所有特征降维筛选特征子集,并与全部特征一起应用RF建模,对龙口市进行土地利用信息提取与比较。结果表明：OBIA与RF结合提取土地利用信息,基于Relief F算法筛选纹理特征,保留完整光谱、几何、空间关系特征构建RF模型,建模错分率为0.0958,分类总体精度和Kappa系数分别为89.37%和0.872,取得较理想结果。该方法可应用于中分辨率遥感影像土地利用信息提取。     

基于eCognition的本溪典型区域生态环境变化遥感分析

基于eCgnition软件平台,采用先进的面向对象分类技术,开展本溪典型区域生态环境变化遥感监测分析。利用面向对象的多尺度分割方法,充分结合影像中的光谱、纹理、几何性信息等各种对象特征,针对不同影像、不同地物目标的信息提取,实现区域生态环境变化遥感分析。     

基于TM的陆良县遥感影像分类方法实验研究

以Landsat TM遥感影像为数据源,以云南省陆良县为研究对象,利用ENVI4.8对陆良县的Landsat TM遥感影像进行图像预处理以及最佳波段组合,运用监督分类中的平行六面体分类、最小距离分类、马氏距离分类以及最大似然分类等四种分类方法,对地物信息进行提取,并对其分类精度进行评价。最后发现,波段146组合适合陆良县的地物提取。在分类方法中,最大似然法分类的总体精度及Kappa系数均高于其他三种分类。     

基于高分1号影像的森林植被信息提取

实时最新森林植被信息的提取是林业航空植保作业的必要前提。论文以安徽省蚌埠市为研究区域,探讨了基于高分1号卫星遥感数据在亚热带农林植被混合地区的森林植被信息提取。根据植被物候信息差异选择了提取森林植被信息的5个关键时期高分影像,采用分区决策树方法监测森林植被的空间分布和面积信息,并与未分区决策树法的提取结果进行比较。结果表明：采用分区决策树法和未分区决策树法对于大中尺度森林植被信息提取的总体精度均优于85%。但分区决策树森林植被提取总体精度达到90.72%,较未分区决策树法提高3.80%、4.65%,Kappa系数达到0.81,较未分区决策树法提高约0.07~0.10,结合植被物候信息的分区决策树森林植被提取法好于未分区决策树法,能够满足林业航空植保作业的精度需求。具有较高空间分辨率、宽覆盖、短重访周期的高分1号影像,对于大区域的林业航空植保当年最新森林植被信息的提取表现出较大的潜力。     

面向对象的海域使用专题信息遥感提取关键技术研究

利用遥感技术进行海域使用专题信息提取是开展区域用海项目动态监测的有效手段。本研究以SPOT-5高空间分辨率遥感影像为数据源,探讨了面向对象的海域使用专题信息遥感提取方法,从基于多特征的遥感图像多尺度分割、海域使用特征基元的多特征表达以及面向对象的海域使用支持向量机SVM(Support Vector Machine)分类三个方面,深入研究了面向对象的海域使用专题信息遥感提取关键技术与方法,结合所提出的海域使用两级分类体系,形成了利用高分遥感技术实现区域用海遥感监测的技术流程。在江苏如东沿海进行的实证分类研究表明,该技术流程能够取得理想的分类结果,可为开发业务化的海域使用遥感动态监测平台系统提供技术支撑。     

基于无人机影像的城市植被精细分类

针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90%,深度学习方法的总体分类精度为84%;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.     

基于改进光谱角法的红树林高分遥感分类方法研究

传统影像分类方法多利用影像端元光谱进行地物分类,影像的空间结构信息被忽视,本研究结合面向对象分类方法思想以提高红树林遥感分类精度。本研究提出了一种结合端元类型选择、像元提纯等混合像元分解手段及分水岭图像分割算法的改进光谱角影像分类方法,并以山口红树林国家级自然保护区为研究区,利用GF-1号遥感影像数据,在光谱特征分析和地面调查的基础上,对红树林生态系统进行分类,并对分类精度进行分析。研究结果表明:改进的光谱角分类方法对GF-1影像分类效果较好,既兼顾地类光谱组成较复杂时的特殊性,又有效避免结果的破碎化现象,且总体精度达到95%（KAPPA系数0.944）,证明了其在红树林遥感影像分类及信息提取方面的应用潜力,为红树林生态系统业务化遥感监测奠定了基础。     

垦利县耕地利用动态监测研究

对土地利用变化进行监测是全球变化的一项基本内容,基于遥感技术的两个最主要的应用是通过影像分类制作土地覆被图和通过变化监测分析土地覆被变化,从而为土地利用分析提供了有力的工具与手段。论文以山东省垦利县为研究对象,探讨了利用TM数据进行耕地信息提取及监测,包括遥感图像的几何精校正、数据配准、研究区数据提取及图像增强等,分别采用屏幕目视解译法和自动分类与目视解译结合法两种分类方法提取耕地信息,在此基础上对耕地分类结果进行叠加监测,并对分类和监测结果进行了验证;最后对耕地资源的变化做了一个系统的分析。结果表明,在计算机自动分类结果的基础上,进行目视修正,可以有效地提高分类精度,适宜于农用土地区尤其是滨海盐渍土区的耕地信息提取。     

基于非负矩阵分解和支持向量机的墨西哥湾溢油HJ-1星遥感图像分类

为提高国产自主卫星在海洋溢油监测中的精度,提出一种基于非负矩阵分解和支持向量机的环境减灾星(HJ-1)海洋溢油遥感图像分类算法。针对HJ-1星遥感图像,首先利用非负矩阵分解算法进行图像特征提取,相对图像光谱和纹理等图像基本特征,构造具有针对性的溢油图像局部化非负特征,更符合遥感图像特征所对应的物理意义。进而在新特征的基础上,采用支持向量机实现遥感图像分类,解决小样本训练问题。通过墨西哥湾溢油遥感图像仿真实验比较,证明该方法在HJ-1星溢油图像分类中的有效性。     

基于哨兵二号遥感影像的近海养殖区提取方法研究

卫星遥感为近海养殖区信息的精确提取提供了有效的技术手段,对实现海水养殖业的科学监管具有重要意义。现有光学遥感手段对养殖区信息的提取多侧重于影像空间特征的使用,对于光谱和空间信息的结合在养殖区特征表达与判别提取方面的综合利用还有待进一步挖掘。本文利用哨兵二号卫星遥感影像,针对近海养殖区小样本、多维度、水体组分复杂等特点,...     

基于决策树与密度聚类的高分辨率影像海岸线提取方法

针对高分辨率影像进行海岸线提取时常常出现的河道区域岸线向陆地方向伸向较远的问题,本文将海岸线视为海水（包括潮滩）与陆地（包括河流）两类地物的分界线进行提取。首先采用C4.5决策树分类方法进行海岸带地物分类规则挖掘,实现基于规则的地物分类;再对海水与陆地分类结果进行基于密度的聚类方法进行后处理,实现噪声去除,其基本原理为:设置一邻域半径,通过统计半径内异类样本点的数量来确定当前点是否为噪声点,若异类像素点的个数超过某一预设的阈值,则对当前噪声点进行修正。为验证本文提出方法的有效性,获取了2013年10月20日天津附近海岸带区域的资源三号卫星影像数据进行验证,结果表明,本文提出的岸线提取方法能够消除河道区域岸线提取的影响,除个别地物比较复杂的区域之外,其平均提取精度优于2个像元,满足海域遥感技术规程中线状信息误差标准的要求。