面向对象的特征自动选择的建筑物信息提取

针对建筑物信息提取存在低效率、高成本的问题,提出了一种利用分离阈值算法(seperability and thresholds,SEaTH)的高精度建筑物信息提取方法。采用高分二号遥感影像,通过半自动化信息提取构建分类规则的方法对天津市西青区的建筑物信息进行提取。通过运用SEaTH算法构建知识规则,选取训练样本并输出训练样本的特征值,将输出的特征值运用SEaTH算法进行自动确定阈值和特征优选,进而采用像素对象调整优化建筑物轮廓。将基于面向对象的最邻近分类法与该方法进行了精度评价对比。结果表明,该方法在提取建筑物信息时出现的错分漏分现象较少,且总体精度和Kappa精度都要高于基于面向对象的最邻近分类法,验证了其在提取建筑物信息方面的可行性。

基于IKONOS的人工林地识别研究

以五分地沟试验区为例,提出了一种基于IKONOS卫星遥感图像提取不同郁闭度人工林地的方法。利用Matlab软件图像处理工具箱,进行树木信息的提取,精度达90.7%,KHAT统计量为0.86。以树木分类结果为基础,依据郁闭度定义,通过滤波方法识别不同的林地类型。结果表明,综合运用遥感数字图像处理软件、GIS软件和Matlab,能够从高分辨率的遥感数据中自动且有效地识别人工杨树林、人工杨树疏林和散生树等植被类型,可靠性较高,且可以重复验证。