神经网络和知识推理结合的卫星影像分层提取方法研究

提出一种基于神经网络和知识处理的卫星影像分层提取新方法,实现了水系、公路和其他面状地物的分层智能提取。它先用神经网络和基于像元的知识后处理方法提取水系和公路等地物,再通过图像处理方法,将其从原始图像中去除,然后再用神经网络模型分割其他面状地物,统计各斑块的纹理、高程、坡度、形状等特征,采用基于斑块的不确定推理方法分类。最后实验表明新方法优于传统的神经网络方法,而且避免了知识推理方法的复杂性。

SPOT卫星影像的水体提取方法及分类研究

文中分析了水体及其它主要地物的光谱特性在SPOT影像中的表现特征 ,发现大多数地形阴影与水体的光谱特征具有一定的相似性 ,因而用单一的方法很难有效地提取山区中的水体。经过研究 ,发现用决策树分类方法 ,在各节点设计不同的分类器 ,可以有效地提取山区中的水体。由于不同类型的水体其面积、周长、形状等几何特征各有特点 ,并且与地貌类型有一定的关系 ,因而可利用水体的空间特征信息 ,对提取的水体进行分类 ,其方法也选用决策树分类方法 。

SPOT-5卫星影像中水体信息自动提取的一种有效方法

从卫星遥感影像中快速、准确地提取水体信息已成为水资源调查,水资源宏观监测及湿地保护的重要手段,但目前,进行水体提取所使用的卫星遥感数据的分辨率较低,使其应用的深度和广度受到严重约束。本文利用波段运算得到特征波段(PRWI),经过图像增强处理后提取水体和居民地混合信息,在此基础上通过分析水体的光谱特征,发现水体和居民地在近红外和短波红外上有显著差异,采用决策树模型将水体专题信息提取出来。运用目视判读和定量统计方法来评价提取结果,结果表明,该方法的总体提取效果较好,其提取精度与常规的监督分类方法相比有了较大的提高。经检验发现其误判的像元主要是位于水体和其他地物的交界处。

浅析绿潮卫星影像信息提取方法精细化研究的必要性

自2008年奥帆赛在青岛近海举办以来,一种海洋灾害渐入人们视野——绿潮。恰逢旅游季节登陆青岛沿岸的绿潮给当地政府带来了一定的经济损失,打捞处置沿海绿潮已成为当地政府每年常态化工作。现如今,绿潮的业务化监测主要通过卫星遥感数据提取绿潮信息,而精细化监测将为当地政府打捞处置绿潮,配置人力、物力提供了更为可靠的参考数据。本文从两类常用的卫星数据影像特点以及数据源的选择局限简单分析了绿潮卫星影像信息提取方法精细化研究的必要性。

基于GF-1 WFV影像的作物面积提取方法研究

黑龙江省是我国粮食生产大省,及时有效地获取黑龙江省的农作物种植面积对后续研究的开展具有重要意义。以黑龙江省五九七农场为例,利用2014年8月30日GF-1卫星16 m空间分辨率影像,通过计算不同特征波段,构建了多特征水稻、玉米种植区识别方法。首先计算影像归一化差分植被指数(NDVI),并将原影像进行主成分变换,以此为基础建立包含多特征的数据集。然后利用不同地物类型之间在各特征波段的差异,基于CART算法构建决策树,分别提取研究区内的水稻和玉米。精度评价结果表明,分类的总体精度达到96.15%,Kappa系数为0.94。水稻的制图精度为98.41%,用户精度为97.64%;玉米的制图精度为95.38%,用户精度为97.89%。其中总体精度和Kappa系数较最大似然法分类结果分别提高了5.28%和0.08。所提研究方法可为其他地区农作物高分数据作物类型制图提供借鉴。

基于多时相环境卫星数据的南瓮河流域湿地信息提取方法研究

选取位于大兴安岭林区的南瓮河流域作为研究区,以多时相、中等分辨率的环境卫星影像为数据源,采用面向对象方法,通过多尺度分割、特征提取、决策树建立等步骤,实现湿地信息的快速提取;系统分析了面向对象方法在森林地区湿地信息提取中的有效性。研究表明,在面向对象湿地信息提取过程中,采用不同等级的分割尺度,使分类更具层次性;利用光谱、空间、形状等多种属性特征,通过多时相遥感数据的融合,可以更好地识别复杂多样、界限模糊的湿地景观,其中,草本沼泽的生产者精度达到了91%。结果显示,南瓮河流域内,湿地类型多样,以草本沼泽和灌丛沼泽为主,且其主要分布于河流两侧和中下游宽阔的河谷地带。