GIS辅助下的基于数据挖掘的林型遥感分类方法研究

在植被分类领域,各类植被光谱特征非常相近,纹理特征比较单一,并且受物候影响较大,使得影像上林地信息的分类识别的成为一个较复杂的过程。本文利用GIS平台构建由影像、DEM等组成的多元空间数据库,将数据挖掘的方法引入林型遥感分类中,充分利用了现有的空间数据资源,减少了同物异谱、异物同谱对林型遥感分类的影响,增强了分类知识获取的自动化和智能化程度。实验结果表明,该方法具有简化知识获取过程和提高分类精度等优点。

基于知识发现和决策规则的遥感图像城区土地覆盖/利用分类方法

提出一种利用地类的色度信息、小波提取纹理特征、植被指数及形状知识等采用规则推理有效识别遥感土地类别的方法。采用知识发现和决策规则方法,可以充分吸收遥感专家的思想和工作经验,可以充分利用多种模糊性地学知识来提高遥感影像分类效果。最后通过实例证明了该方法的有效性。

基于知识发现和决策规则的遥感影像分类研究——以北京市为例

通过对遥感影像的非监督分类、监督分类和专家分类进行机理分析,提出基于知识发现和决策规则的专家知识改进分类精度的技术方案,并以北京市为例,开展对TM遥感影像的非监督分类、监督分类和专家分类的对比分析。专家分类方法由于总结了某一领域内知识发现和决策规则,可容纳更多信息,可以包括各种所需的或可获取的信息,可按某种可信度进行不确定性推理,大幅提高了遥感影像分类精度。