支持向量机与分类后验概率空间变化向量分析法相结合的冬小麦种植面积测量方法

利用遥感手段提取农作物种植面积时,需要结合作物物候特征,以提高面积的提取精度。该文以北京市通州区西南部为试验区,以冬小麦为研究对象,利用多时相的环境减灾小卫星遥感影像数据,通过基于支持向量机二分法的分类后验概率空间变化向量分析法进行冬小麦种植面积遥感测量试验研究。研究结果表明:该文提出的方法测量结果总体精度、Kappa系数分别为95%、0.90,远高于支持向量机(SVM)分类后直接比较方法(总体精度91%,Kappa系数0.79);解决了实际应用中的变化阈值选取的主观性问题,该方法的频度直方图两极化现象使得变化阈值取值部分频度被压低摊平,阈值敏感度降低,变化阈值取值更为客观,一定程度上解决了阈值难以设定的问题;SVM二分法和变化向量分析的结合增强了对光谱的敏感性,能够监测不同季相上植被的长势变化,进而提高了农作物种植面积遥感测量的精度,同时对其他农作物种植面积测量提供了途径。

基于面向对象多特征变化向量分析法的森林资源变化检测

[目的]基于面向对象变化向量分析法,进行森林资源变化检测。[方法]应用国产高分二号多光谱影像,以森林采伐和造林活动多、林地变化频率高的广西壮族自治区上思县为研究区,应用随机森林平均精确率减少的方法进行变化特征的选择,通过选取的不同特征向量和常规的基于光谱均值、光谱均值和标准差的变化向量分析法,以及基于NDVI差值法的变化检测结果对比,获取较好的森林资源变化检测方法和结果。[结果]高分二号多光谱影像的蓝、绿、红波段光谱均值和NDVI值共4个特征参与的变化向量分析法,识别森林资源变化精度高,总体精度92.94%,Kappa系数0.7630,变化地类误检率15.63%,漏检率22.86%。[结论]经过特征选择后,基于面向对象变化向量分析法比常规的多特征参与的变化向量分析法识别森林资源变化的效果好。

基于主成分分析法的城市建筑物变化检测

提出一个集合主成分分析法(PCA)和变换向量法(CVA)的新方法,用来探测城市环境下建筑物屋顶的几何特征和颜色变化。在主成分分析法中,原始的RGB三通道被转换成3个成分,前2个成分被用来进行下一步的变换向量法。实验证明,该方法能有效地检测出微弱的屋顶颜色变化,同时能避免阴面屋顶的漏检误检。

面向对象变化向量分析的遥感影像变化检测

为了解决基于像元的变化向量分析法在高分辨率遥感影像变化检测中精度低的问题,提出了一种面向对象变化向量分析的遥感影像变化检测方法。综合2个时期的遥感影像,首先通过影像分割获取像斑,其次提取直方图作为像斑的特征向量,再次采用直方图相交法度量2个时期像斑直方图之间的距离,构建像斑的变化向量,然后利用加权组合的方法计算像斑变化向量的模,最后依据最大熵原理获取变化检测阈值,对像斑进行变化/未变化判别。在QuickBird及Ikonos遥感影像上的实验表明:在高分辨率遥感影像变化检测中,与基于像元的变化向量分析法相比,该方法变化检测的精度较优,变化检测的正确率分别达到了0.92与0.90。

结合特征选择的CVA多尺度遥感影像变化检测

针对在多时相变化检测中,面向对象方法无法较好地检测影像中的细微变化,受分割效果以及面向像素方法的影响出现较高虚警率等问题,本文提出了一种结合基于像素的多特征变化向量分析法(CVA)与基于对象的多层次分割的联合判别方法。首先提取不同时相的光谱与纹理特征,利用最大相关最小冗余(mRMR)算法进行特征选择并通过CVA得到像素级变化检测结果;然后对两幅影像进行叠合分割,利用区域合并策略进行不同尺度检测并获取各尺度检测结果;最后结合多种检测结果进行融合,获得最终变化检测结果。检测结果表明本文所提方法能有效降低漏检率,同时提高了检测的准确性。

洪泽湖区土地利用/覆盖变化分析

利用1973年、1984年和2006年3期Landsat卫星遥感图像,分别对校正处理后的3期图像进行缨帽变换,并利用亮度、绿度和湿度这3个分量的差值运算进行信息复合。然后利用变化向量分析法确定复合图像中的变化和非变化像元之间的变化强度阈值。最后利用阈值分割和掩膜技术,对3期图像进行土地利用/覆盖变化监测。研究表明,近33年来洪泽湖区土地利用结构发生根本性改变:天然湿地面积大幅度缩减,1973年～1984年间减少了200.55km2,1984年～2006年间减少了357.04km2,主要表现为敞水区和湿地植被面积的减少,养殖场、农田面积显著增加,城镇用地略有增加。本文研究表明基于缨帽变换并结合差值运算方法和变化向量分析法实现土地利用/覆盖变化监测的可行性。

冬小麦区域遥感监测及识别中的方法研究

通过基于高时间分辨率的"环境一号"卫星数据的变化向量分析(CVA)冬小麦遥感识别方法,并以地理国情普查数据为调整单元对识别结果进行修正,达到提高冬小麦遥感识别精度的目的。结果表明,使用CVA方法可提高冬小麦遥感识别精度,以国情普查数据为调整单元可在一定程度上降低遥感影像配准误差影响,对其他农作物遥感识别具有一定的参考意义。

面向对象的遥感影像变化检测方法

针对变化检测区域内变化区域与未变化区域面积比例较低时,通过常规的阈值计算无法在变化检测中确定准确的变化阈值问题,该文提出了一种带样本选择的面向对象遥感影像变化检测方法。该方法首先对多时相遥感影像进行多尺度分割获取像斑,并采用变化向量分析法计算像斑的差异度;然后,自适应选择训练样本,结合基于期望最大化算法和贝叶斯最小误差率理论的阈值计算方法,采用独立阈值法确定变化阈值;最后,利用变化阈值对差异影像进行二值分割,并获取变化检测结果。实验结果表明该文方法在变化检测精度上优于常规方法。

一种基于特征提取的点云自动配准算法

针对在不同视角下所获得的三维点云数据,提出了一种基于特征提取的点云自动配准算法。算法根据点云在不同半径内的法向量变化度来提取特征点,综合利用点云局部点的三种几何特征搜索匹配点对。通过利用距离约束条件来获取准确匹配点对并计算初始配准参数。精确配准阶段采用改进的迭代最近点(ICP)算法完成二次拼接。实验结果表明,与传统ICP算法相比,该算法在运行时间与精确度上都有着明显的提升。