基于规则面向对象分类法的贵州省山区火烧迹地提取

基于国产高分一号卫星宽幅(WFV)影像,对贵州省复杂地形山区火烧迹地的光谱特征、形状特征、纹理特征等进行了分析,建立了火烧迹地提取规则,完成了研究区基于规则面向对象的火烧迹地提取。利用高分二号卫星1 m分辨率影像对提取结果进行精度验证。结果表明,基于规则面向对象分类法的GF1WFV火烧迹地提取总体精度为92.67%,总Kappa系数为0.89,能较好地完成研究区的火烧迹地分类提取,分类质量达到极好水平,为贵州省山区火烧迹地提取提供了一定的参考和理论依据。

结合支持向量机与粒度计算的高分辨率遥感影像面向对象分类

结合支持向量机技术与基于粗糙集的粒度计算,提出一种新的高分辨率遥感影像面向对象分类方法。首先,采用相位一致模型得到QuickBird全色影像的梯度图,并利用扩展最小变换技术获取地物目标的前景标识,进而采用强制最小技术重建梯度。在此基础上,采用分水岭变换得到较佳分割效果。然后,从多光谱波段数据中提取对象的光谱特征,并用Gabor小波产生纹理特征,利用多核支持向量机进行初步的面向对象分类,对分类结果进行求交后则生成信息颗粒。最后,比较颗粒的特征均值与各样本中心的欧氏距离区分颗粒的类别,通过定量分析颗粒间的空间相邻关系判断待定类别的颗粒,利用少量人工交互的识别处理得到最终分类结果。与基于高斯径向基核函数的支持向量机和神经网络两种方法进行对比分析,试验结果表明本文所提方法能够取得更好的分类效果。

基于面向对象分类的土地整理区农田灌排系统自动化识别

针对目前农田灌排系统识别研究中影像分辨率低、自动化程度不高的问题,该研究基于面向对象分类法,提出了一套从影像到农田灌排系统矢量输出的完整提取流程。研究利用KOMPSAT-2高分辨率遥感影像数据,以吉林省西部土地整理大安项目区作为试验区,使用自主研发的识别程序对土地整理区农田灌排系统进行了自动化识别提取,并与监督分类法、手动屏幕数字化作了对比分析。结果显示,基于面向对象分类的自动化提取方法在精度上与手动屏幕数字化相近,总体精度达到了89.64%,远高于监督分类法的识别精度;而且该方法所耗费的时间最少,操作过程不需人工干预,识别结果的稳定性也高于另外两种方法。研究表明,基于面向对象分类的自动化提取方法,是一种较理想的土地整理区农田灌排系统遥感监测手段,同时也为其他地物监测提供了一种有效的途径。

基于面向对象分类的细小河流水体提取方法研究

以2010年8月和1986年8月横山县TM图像为基础数据源,获取精准水域分布信息并进行动态分析。对2期TM图像进行预处理;创建特征空间WFS,辅助土地利用现状图、地形图、水系图等专题图件进行叠加分析,在WFS中通过全局阈值分割分离出沟谷阴影、植被等背景地物信息,粗提水域分布信息;在此基础上进行LBV变换,并选取适宜尺度执行面向对象分割,优化目标对象识别区;执行SVM监督分类并组合数学形态学开、闭运算对初始全域水体信息提取结果的二值图像进行分类后处理,精确逼近各类水体的水陆界限;依据2期全域水体信息提取结果进行动态分析。结果表明,所用方法能完整、快速地提取出研究区各类型水体的分布信息,准确识别细小河流水体,显著减少对沟谷阴影等背景地物的误判,基本消除椒盐效应;1986年和2010年2期水体提取结果的制图精度和用户精度分别为0.921、0.875和0.913、0.862。

面向对象分类方法在森林采伐遥感监测中的应用

利用多尺度分割技术和面向对象分类方法对SPOT5遥感数据进行土地的分类及森林采伐信息提取。在面向对象的图像分析中,采用图像分割——基于规则的分类——基于分类的分割的多尺度分割方法,在综合最优分割尺度下,用最邻近分类器对SPOT5影像进行分类;采用两期图像特征比较,提取森林采伐区信息,并结合二类调查成果和伐区设计资料,使用交互式补充判读和修正。结果显示:研究区各地类的分类精度都在85%以上,对森林采伐图斑判读的加权综合正判率达到90.8%,其中皆伐图斑个数正判率92.8%,非皆伐图斑个数正判率83.3%。利用多期高分辨率遥感图像可以进行森林采伐监测,研究结果为提高森林采伐限额监测效率、采伐区识别准确度和面积估算精度提供了有效途径。

面向对象分类的特征空间优化

为提高图像处理效率,探讨了面向对象分类的特征空间优化方法。以区域增长算法获得的对象为处理单元,根据植被在IKONOS影像上的表征,初步选择了6个形状、2个位置、17个光谱和6个纹理特征,共计31个作为初始特征空间。首先根据每组中特征所代表的信息量和特征之间的相关性,去掉与其他特征相关性强而方差较小的特征,将特征空间维降到23;以识别城区植被为目标,根据220个植被样本计算2—23维特征空间的类间J-M距离,以最小J-M和平均J-M距离为依据选择最优特征空间,将特征空间维降到14;最后利用类间离差矩阵代替协方差矩阵的K-L变换对特征空间进行压缩,分组压缩后将维数降低到7,而对整个特征空间压缩将维数降低到4。为验证特征空间优化对识别结果的影响,采用CART分类方法对城市植被进行了识别。构建的决策树表明,利用分组K-L变换后的特征空间比利用整体K-L变换获得的训练精度高12%;与K-L压缩前的特征空间获得的决策树相比,结构复杂程度相当(前者包含14个结点,后者包含12个结点),训练精度仅低1%。分类结果也表明,利用分组K-L变换的特征空间比利用不进行K-L变换的特征空间分类,总精度和Kappa系数分别降低了1.5%和2.3%,但是特征空间却压缩了50%,提高了面向对象分类方法的处理效率。

地貌形态类型面向对象分类法的改进

提出一种改进的基于随机森林因子重要性分析和灰度共生矩阵纹理的地貌形态类型面向对象划分方法。以中国1∶100万DEM为数据源,利用相关分析和雪氏熵值法筛选确定地貌分类的地形因子组合,并利用随机森林分类树评价各地形因子的重要性,将求得的各因子重要性数值作为面向对象多尺度分割各图层的阈值,最后基于灰度共生矩阵纹理信息构成分类样本的知识库进行地貌分类。全国地貌分类以《中国及毗邻地区1∶400万地貌图》为精度评价标准,结果显示该文提出的分类方法总体精度为71.4%,比ISODATA非监督分类法精度提高5.7%,比常用的面向对象分类法精度提高15.7%;陕西省地貌分类以《中华人民共和国1∶100万地貌图》为精度评价标准,分类的总体精度为72.9%。通过分析该文方法对不同分辨率DEM分类精度的影响,得出分辨率越高总体精度越高。

基于面向对象分类方法在SPOT影像中的地物信息提取

利用基于面向对象分类方法的eCognition软件,以桂林寨底地区为研究区,对影像中各类地物设置不同的分割参数,即初始分割尺度为30,形状因子为0.1,光谱因子为0.9,紧凑度为0.7,光滑度为0.3,能够比较准确地分割出水体、植被、非植被3类地物。根据建立的类层次结构,继续对植被和非植被2个大类进行细分,结果表明当分别选定分割尺度为80和50时效果较理想。利用eCogni-tion对完成分割的地类进行分类,并结合最后的手动修改,取得了较高的分类精度,即总的分类精度达到96.28%,Kappa系数为0.9523。与传统的分类方法进行对比,面向对象分类方法在高分辨率影像分类工作中具有较大的优势。

面向对象分类方法在铁尾矿堆快速提取中的应用研究

以黄石市大冶铁矿区为例,利用面向对象分类方法进行铁尾矿堆信息快速提取试验研究。首先,根据WorldView-2影像特点,充分利用其丰富的光谱特征及精确的空间形状特征进行图像分割,突出影像对象边缘、重现地物实际存在情况;其次,分析影像对象的光谱、形状、纹理、拓扑关系等特征信息,建立分类规则进行分类,提取出尾矿堆信息。为了进一步提高分类精度,可以利用eCognition软件RS/GIS数据集成功能,在面向对象分类结果上进行目视解译。试验证明,面向对象分类方法适用于提取矿区尾矿堆信息,是高分辨率遥感影像自动分类的理想选择。

基于面向对象分类的稀土开采区遥感信息提取方法研究

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。

结合多尺度纹理特征的遥感影像面向对象分类

地物具有多尺度的特点,单一尺度难以准确描述遥感影像包含的地物纹理信息。利用我国自行研发的高分一号遥感影像数据,采用灰度共生矩阵对第一主成分进行纹理特征提取,利用Jeffries-Matusit距离选择多尺度组合,并通过单一纹理结合多光谱数据的分类精度,以及纹理特征间的相关性,最终选择多尺度纹理特征组合进行面向对象分类。研究结果表明:结合多尺度纹理特征组合的面向对象GF-1影像分类能有效提取地物信息,总体分类精度达到81.75%,Kappa系数0.78。

基于面向对象分类的冬小麦种植面积提取

为探索冬小麦种植面积的多源遥感提取方法,以江苏省中部宝应、高邮和兴化三市为研究区域,对冬小麦拔节期Land/TM和ERS/SAR遥感影像进行数据融合,基于波段最佳指数和地物光谱可分性,选择3-4-5波段进行分类,针对传统的基于像素分类方法结果易受"同物异谱"和"异物同谱"现象影响的问题,采用面向对象分类方法,以影像对象为处理单元,结合地物丰富的空间、纹理信息进行小麦面积提取,并与基于像素分类方法(SVM分类)结果进行了比较。结果表明,面向对象分类精度达到了94.16%,较准确地提取出研究区内冬小麦种植面积,比SVM分类结果具有明显优势。该方法可为南方冬小麦种植面积信息的快速获取提供技术支持。

基于相关变化检测与面向对象分类技术的多源遥感图像震害信息提取

遥感图像面向对象分类作为空间信息提取的关键技术,在震害信息提取方面发挥着非常重要的作用,然而由于光学遥感影像是正射图像,只能提取建筑物屋顶信息,这使得单一利用震后光学影像进行震害信息提取存在一定的局限性.针对该问题,本文提出了一种基于合成孔径雷达(SAR)相关变化检测的光学影像震害建筑物面向对象提取方法,即在光学影像面向对象提取的数据中融合SAR相关性,对光学影像进行面向对象提取震害建筑物时不仅考虑建筑物的几何、光谱等特征,还加入震前震后变化信息即SAR相关性进行分类.在此基础上,选取2008年汶川MS8.0地震震区都江堰地区作为研究区进行试验.结果表明,本文提出的方法相对于单一使用光学影像进行震害建筑物提取,其准确度有较明显的提高.

黄土丘陵沟壑区遥感影像信息面向对象分类方法提取

探索了基于面向对象分类方法提取黄土丘陵沟壑区高分辨率遥感影像土地信息的途径。以燕沟典型小流域为例,基于ALOS的多光谱、全色立体影像并辅以数字高程模型DEM和NDVI数据,进行面向对象的多尺度分割,利用阈值逐次提取与该区生态系统恢复、农业生产和生活实际密切相关的灌丛、林地、草地、耕地、果园、居住地和水体共7种土地利用类型,得到的分类精度为77.73%。

基于面向对象分类技术的雅砻江流域地表信息提取与分析

雅砻江是川西最重要的河流之一,雅砻江流域内的土地利用情况与流域内的生态环境及河流水质密切相关。以Landsat 8 OLI遥感影像为数据源,采用面向对象的分类方法,建立分类规则,获取研究区的土地利用情况,利用Fragstats 4.2软件进行区域景观空间分布特征分析。结果表明:采用面向对象的分类方法的分类总体精度达到8711%,Kappa系数达到0.855。雅砻江流域内的区域整体景观连接性较好。草地和林地是研究区的主导类型,整体看分布较为集中。

高分辨率遥感影像结合LiDAR数据的面向对象分类方法

为了更准确地对遥感数据进行分类,结合Geo Eye高分辨率遥感影像和机载Li DAR数据,通过对分割参数、特征选择、分类规则等特征进行研究,提出采用面向对象的模糊分类方法——成员函数法选择实验区进行了分类研究。实验结果表明:该分类方法能够更有效地提取出建筑物、煤堆、灌木等矿区典型地物,总体分类精度达到93.92%,KIA为92.52%,分类精度相比单一遥感数据明显提高。

面向对象分类的震区建筑物损害快速评估

建筑物倒塌是地震灾害中最为严重的一种破坏形式,直接造成震区生命财产的损失.震区建筑物的破坏监测对灾情速报、灾害等级划分、灾害评估、应急抢险、次生灾害监测和灾后重建规划等具有重要的指导意义.传统的面向像元的分类方法不能够很好地提取出建筑物信息,而面向对象的分类能够融合除像元光谱信息以外的形状、纹理和位置关系等多种信息,分类更加客观准确.利用玉树Ms7.1地震前后航空航天多源遥感数据,采用面向对象的分类方法,提取建筑物的覆盖面积,然后统计出建筑物的倒塌率为58.6%,与影像目视解译倒塌率60.4%的结果吻合较好.

结合像元形状特征分割的高分辨率影像面向对象分类

针对高分辨率遥感影像空间分辨率高,结构形状、纹理、细节信息丰富等特点,提出一种新的融合特征的面向对象影像分类方法来提取城市空间信息。基本过程包含以下4个方面:①提取影像的几何纹理等结构;②融合几何与纹理特征的面向对象影像分割;③提取对象的形状、纹理和光谱特征,并优选最佳特征子集;④最后基于支持向量机(SVM)完成面向对象的影像分类。通过对福州IKONOS影像数据实验,结果表明融入影像特征后的分割效果明显优于原始影像的分割结果,而信息最大化(mRMR)的特征选择能够快速地获得较好的特征子集。通过与eCognition最邻近分类方法比较,表明本文方法的分类总体精度大约提高了6%,效果显著。

面向对象分类方法在国土资源大调查中本底数据库建设上的应用

国土资源大调查是国家一项基础性、公益性、战略性的综合调查评价工程。针对目前国土资源大调查中本底数据库建设上信息提取主要采取人工勾绘的问题,提出了采用面向对象的分类方法,自动提取土地利用类型,用于本底数据库建设的思路,并结合调查的目标城市——贵阳市白云区进行操作实现,结果表明采用面向对象的分类方法进行土地利用信息自动提取,基本上能够满足类型精度,可有效节省时间、减少工作量,体现了高分辨率影像反应准确、迅速的优势。

面向对象分类方法在第二次土地调查中的应用研究

介绍了面向对象分类方法的原理和过程,并将该方法应用于陕西省第二次土地调查的生产试验中。结果表明:该方法具有较高分类精度,尤其在对有林地、水田等地物类别进行识别与分类方面,效果较优。分类成果能有效辅助内、外业影像解译,提高影像调绘效率,在全国第二次土地调查工作中具有较高的推广应用价值。