1种结合FCM聚类算法与粗糙集的林木提取方法

结合地物的光谱特征和纹理特征,利用模糊C-均值(fuzzy C-mean,简称FCM)聚类算法与粗糙集理论对无人机遥感影像进行林木提取研究。首先,提取特征参数,将提取的不同地物的光谱特征和纹理特征及地物类别构成粗糙集的决策表,其光谱特征和纹理特征为条件属性集合,类别为决策属性集合。其次,利用FCM算法与粗糙集理论对决策表进行特征约简,并以支持向量机(support vector machine,简称SVM)分类评估器来测试特征约简的精度,实现规则分类提取时特征向量的优选,减少特征冗余。最后,基于优选的特征,完成林木规则分类。试验结果表明,与其他方法相比,结合FCM聚类算法与粗糙集的林木提取方法可以降低错分率,能够取得较好的林木分类效果和较准确完整的树冠,其分类总体精度为91. 94%,Kappa系数为84. 20%。

基于landsat8序列影像的郑州市城市边缘带提取

城市边缘带是城市与乡村之间的过渡区域。我国城镇建设日益发展,使城市边缘带成为研究热点。以郑州市作为研究对象,利用RS和GIS技术,采用2013-2016年四景覆盖郑州市landsat8影像数据,选择基于土地利用程度的边缘带范围界定的方法,结合土地利用特征,设置阈值提取城市边缘带。结果显示城市边缘带呈环形,惠济区及经济开发区边缘带范围偏大,靠近山区的西南部边缘带范围偏小。对比得出2013年-2016年郑州市城市边缘带区域土地利用类型变化显著;建成区主要向北和西北部扩展,农村土地利用类型向城市建设用地过渡。

一种结合深度置信网络与最优尺度的植被提取方法

针对利用现有深度学习方法进行植被提取时出现的相邻地物处于同一窗口、分类结果出现一些无用破碎图斑和"椒盐现象"等问题,提出最优分割尺度与深度置信网络相结合的方法进行植被提取研究,并利用光谱-纹理特征等信息进行对比实验。实验结果表明,与现有的深度学习方法相比,本文方法分类结果的总体精度达到91.92%,Kappa系数为0.8677,能够有效提高实验的分类精度,而且分类结果显示本文方法能有效减轻"椒盐现象",并能很好地表达影像上各类地物清晰的边界。

河南特色农业发展存在的问题和对策研究

特色农业是河南省目前农业发展的重点项目,通过初级阶段的发展,取得了一定的成果,但其在发展过程中由于各种原因也不可避免地出现了一系列问题。本文在对河南特色农业进行分析研究的基础上,具体指出了这些问题,并提出了河南省特色农业的发展原则与对策。

基于ICA算法和尺度优化的无人机影像树冠提取方法

针对高分辨率遥感影像进行树冠提取时所遇到的由各类地物之间的相关性和复杂性带来的地物提取难点,将独立分量分析算法和尺度优化法结合进行树冠提取研究.首先,通过独立分量分析算法优化高分辨率遥感影像,去除地物波谱信息之间的相关性,并将ICA变换得到的特征值作为波段加权的权重;再通过改进的最优尺度计算模型选择最优的分割尺度;最后通过对树冠提取的平均精度评价该改进的计算模型.将本研究方法与单纯尺度优化法实验对比分析,结果表明:本文方法有利于降低"同谱异物"和"同物异谱"以及树冠连冠现象,提高树冠信息提取的精度,并可有效避免人为确定分割尺度的主观性和低效性.