面向对象标准最邻近分类法在地理国情监测中的应用

地理国情监测项目范围大,遥感影像分辨率高,信息提取精度要求高,人工解译任务繁重,急需利用自动解译技术来提高效率。面向对象的标准最邻近分类法可针对地表覆盖信息实现数据的自动快速提取,相比于人工分类方法所提取的结果,该方法具有较高的精度,并且可大幅度提高地理国情监测地表覆盖信息提取的生产效率。

标准最邻近分类法在道路提取中的应用

遥感影像分类的过程即是把分割出来的遥感影像对象和语义类层相互联系在一起,从而使影像对象具体安排到对应的类别中。传统的分类方法不能完全利用遥感影像特征,造成了影像特征空间数据的冗余。为此,将标准最邻近分类法应用到遥感影像信息提取中,并以Econgtion为实验平台进行道路提取。结果表明:这种提取方法操作简单,分类提取的精度较高。

黑龙江省单一及混作农作物种植结构提取研究

以2012年MODIS数据产品250 m精度的MOD13Q1数据为数据源,采用Savitsky-Golay滤波法提取并平滑NDVI时间序列曲线,提取11种物候关键值,利用AMP,Start,Length三种物候关键值,采用面向对象分类方法的隶属度函数法提取出黑龙江省农用地范围,然后选取AMP,Start,Length,Left,Base,Right,Small七种物候关键值,采用面向对象分类方法的标准最邻近法,提取出黑龙江省单一及混作农作物的种植结构共十种。