基于面向对象分类的延庆区公益林变化检测

以北京市延庆区2004年Spot-5影像和2015年GF-1影像数据为研究对象,应用面向对象分类变化检测算法,通过选择最优尺度和结合典型地物光谱特征、纹理特征建立规则集来对两期影像进行分类,然后提取十年间延庆区公益林的变化地块,最后进行精度评价,旨在对延庆区公益林的变化及其驱动因素进行探索分析。结果表明:Spot-5影像的分类精度为87.1%,加入FC特征值规则的GF-1影像的分类精度为89.1%,高于未加入FC特征值规则的GF分类精度(84.8%),说明在规则集中加入FC特征值能提高森林分类精度;变化信息提取的结果总体精度为87.3%,漏判率、错判率都在20%以内,提取效果较佳;2004—2015年间,公益林面积呈上升趋势,且主要集中在有林地面积增加,农田、灌木地和其他土地面积减少,这与国家对林业及公益林日益增加的重视度、各项工程项目密不可分。

基于相关变化检测与面向对象分类技术的多源遥感图像震害信息提取

遥感图像面向对象分类作为空间信息提取的关键技术,在震害信息提取方面发挥着非常重要的作用,然而由于光学遥感影像是正射图像,只能提取建筑物屋顶信息,这使得单一利用震后光学影像进行震害信息提取存在一定的局限性.针对该问题,本文提出了一种基于合成孔径雷达(SAR)相关变化检测的光学影像震害建筑物面向对象提取方法,即在光学影像面向对象提取的数据中融合SAR相关性,对光学影像进行面向对象提取震害建筑物时不仅考虑建筑物的几何、光谱等特征,还加入震前震后变化信息即SAR相关性进行分类.在此基础上,选取2008年汶川MS8.0地震震区都江堰地区作为研究区进行试验.结果表明,本文提出的方法相对于单一使用光学影像进行震害建筑物提取,其准确度有较明显的提高.

基于面向对象分类方法的遥感影像变化检测

介绍了一种利用GIS数据辅助实现遥感影像变化检测的方法。该方法将面向对象的概念引入遥感影像分类中,使分类的目标不仅可以是影像的像素,也可以是表示一个GIS对象的全部像素集合(像素组)。在影像分类中,为减少工作量和降低分类精度对训练样区选择经验的依赖性,最大似然分类中的训练样区由现有GIS数据对象引导生成。实验表明该方法在针对面状对象进行变化检测时具有良好的效果。

基于连续变化检测和分类算法的动态遥感生态指数构建

沿海地区经济社会高速发展,是生态环境变化的焦点区域。然而,沿海地区云雨天气频发,遥感信息获取能力受限,导致遥感生态质量指数(RSEI)评价结果受成像日期变化而波动,可比性较差。针对以上问题,研究利用连续变化检测和分类(CCDC)算法构建时间序列模型,通过合成任意时刻影像、重构遥感生态指数以及改进指数归一化方式,研发了一种动态遥感生态指数(DRSEI),细化了RSEI在区域生态质量监测的时间尺度,并应用于沿海城市宁波生态质量时空变化监测。结果表明:(1)RSEI对时间差异较为敏感,当影像年内成像时间相差逾1个月,RSEI差异可达0.147,这种差异会对长期生态质量动态监测的稳定性和准确性造成影响。(2)基于合成影像的DRSEI平均绝对偏差为0.097,接近成像时间相差半个月的RSEI差异(0.072),误差相对较小,一定程度上减小了真实影像时相差异引起的误差。(3)DRSEI能够表征任意时刻生态质量,通过年际(1986—2019年)和半月际(2019年)DRSEI分析揭示了宁波市生态质量总体下降趋势和时空异质性加剧过程。具体地,1986—2019年宁波市南部和西部森林区域的DRSEI持续上升,而近郊农田快速转化为建成区导致DRSEI不断下降。研究提出的DRSEI能够精确描述区域生态质量变化趋势,准确定位生态质量变化转折点,有望服务海岸带地区的生态质量定期监测与评估工作,支持沿海城市高质量发展与生态环境保护。

基于面向对象分类的城市土地利用变化检测

以新疆乌鲁木齐某区域2013年的GeoEye影像和2015年的IKONOS影像为辅助数据,进行基于面向对象分类的城市土地利用变化检测实验;根据各类地物的提取规则,提取了实验区域的地物信息,并利用ENVI5.1软件进行了变化检测。结果表明,面向对象分类的变化检测方法总体精度为85.97%。为了提高该方法的精度,结合目视解译方法,面向对象方法 +目视解译的变化检测精度为87.00%,说明目视解译方法在一定程度上提高了检测精度。

面向对象的遥感影像湿地分类与变化检测研究

在面向对象技术支持下,运用多特征融合的遥感影像分类方法进行湿地分类提取,并通过对比得出两个时期的湿地变化.一时期Aster影像的总体精度为87%,Kappa系数为0.85;二时期GF影像的总体精度为87%,Kappa系数为0.83.通过对比计算发现福州市龙祥岛地区湿地总量减少,变化较显著的两类湿地是河流和滩涂,河流面积增加5.54%,滩涂面积减少6.83%.为及时掌握湿地的情况、做好湿地的开发与保护提供了参考.

一种改进型面向对象的遥感变化检测方法

针对人工变化发现效率低下和高分影像数据量大的现状,按照"先发现变化区域,再进行分类识别"的检测思路,提出了一种集成改进型变化矢量分析法和面向对象分类法的变化检测方法。该方法利用基于最大类间方差阈值搜索的改进型CVA法以自动快速提取出变化区域,再基于面向对象分类法对变化区域进行地物类型识别。为验证该方法的有效性,本文利用2009年和2013年两期IKONOS高分影像对重庆市沙坪坝区大学城建成区进行了变化检测实验,并采用变化检测一致性比率进行精度分析。实验结果表明,该方法对道路和建筑用地的变化检测精度可以达到85%以上,对耕地和水体的地类检测精度达到70%以上。可见,该方法在大区域的宏观土地利用遥感动态监测工作中具有一定的实用价值。

面向对象的土地利用变化检测方法研究

利用分类后比较法进行土地利用变化检测时,常用的自动分类方法只能利用遥感数据的光谱信息,分类精度较低,本文在此基础上将面向对象的分类方法引入到变化检测中。该方法综合利用遥感数据光谱信息、纹理特征、拓扑关系和专题信息,在进行多尺度分割获取对象后的基础上,通过对对象的目视识别选择样本来进行分类。利用面向对象的方法成功检测出了所选取的试验区十年间的土地利用变化信息,得到了较为满意的结果,为土地资源可持续利用提供了依据。

面向对象的高分辨率遥感影像变化检测

目前遥感影像变化检测技术已广泛应用在许多领域,成为遥感技术的热点。对变化检测分类和传统变化检测方法在高分辨率遥感影像变化检测中存在的问题进行分析,提出面向对象的变化检测思路,并进行试验。试验结果表明,利用面向对象技术进行影像分类,再进行变化检测能达到较好的效果。

一种面向对象的机场跑道变化检测方法

利用遥感影像变化检测技术获取机场跑道变化信息,可以为机场跑道打击效果评估等多种军事应用提供决策支撑。为了快速、准确的检测出机场跑道的变化区域,并定量、定性的获得变化属性,文章以"资源三号"卫星影像为例,提出了一种新的面向对象的机场跑道变化检测方法。首先,将经过配准处理的前后时相遥感影像进行多尺度分割,分割尺度利用尺度参数估计(Estimation of Scale Parameters,ESP)算法确定;之后,利用影像分割结果对不同时相的对象进行切割,形成前后时相上位置、大小一致的对象单元,再利用不同时相对象间的变化向量大小确定变化区域;最后,利用特征空间优化之后的特征集合对已确定的变化区域对象进行监督分类,获得机场跑道内部各对象的变化属性。结果表明:在变化区域的检测上,该方法避免了单张影像的分类过程,可有效提高检测效率;在变化类别的检测上,该方法在检测出的变化区域基础上进行分类,可大幅提高变化类别的检测精度,并且能够获得更为丰富的变化属性和满足快速准确检测机场跑道相关变化的信息。

基于决策树C4.5算法的面向对象分类方法研究

提出了基于决策树C4.5算法的面向对象分类方法。首先利用多尺度分割方法对遥感影像进行分割;然后提取对象的特征信息,包括光谱特征、纹理特征、形状特征、图层特征等,对提取的众多的对象特征,利用决策树C4.5算法对其进行知识挖掘,自动建立分类规则;最后利用建立的分类规则,将C4.5算法作为一种分类器对分割后的遥感影像进行分类,并以南充市城市土地利用为例进行了分类实验。实验验证了该方法的可行性。实验结果表明利用决策树C4.5算法建立的分类规则准确率高,利用该分类规则进行的面向对象分类效果较好。

基于CatBoost算法的面向对象土地利用分类

为实现较高层次的遥感影像分类及有效去除高维特征的信息冗余,以Sentinel-2遥感影像为数据源,应用CatBoost算法对龙江县进行了面向对象的土地利用分类。利用CatBoost算法对全部特征集进行降维,分别使用CatBoost、RF(Random Forest)和AdaBoost算法进行土地利用分类并对分类结果进行对比。研究结果表明,CatBoost、RF和AdaBoost算法的Kappa系数均在0.77以上,且CatBoost算法的Kappa系数高达0.9114。因此CatBoost分类法是土地利用分类的有效方法,为土地类型的划分提供了快捷可行的方法。

基于ReliefF和PSO混合特征选择的面向对象土地利用分类

针对面向对象土地利用分类存在特征维数过高的问题,提出了一种结合Relief F和粒子群优化算法(particle swarm optimization,PSO)的混合特征选择方法,即首先利用Relief F作为特征预选器滤除相关性小的特征,然后以PSO作为搜索算法,以支持向量机(support vector machine,SVM)的分类精度作为评估函数在剩余特征中选择出最优特征子集。该文以吉林省长春市部分区域为研究区,采用Landsat8遥感影像为数据源,首先对其进行多尺度分割,然后提取影像对象的光谱、纹理、形状和空间关系特征,利用提出的混合特征选择方法选取最优特征子集,最后使用SVM分类器对研究区进行土地利用分类,总体分类精度和Kappa系数分别为85.88%和0.8036,与基于4种其他特征选择方法的土地利用分类结果进行比较,基于Relief F和PSO的混合特征选择方法利用最少的特征获得最高的分类精度,能够有效地用于面向对象土地利用分类。

基于多目标遗传随机森林特征选择的面向对象湿地分类

以多时相Landsat8影像和SRTM DEM为数据源,对南瓮河流域进行了面向对象湿地分类。为削弱高维特征集对分类精度的影响,提出一种多目标遗传随机森林组合式特征选择算法(MOGARF)进行特征集优化。利用Relief F算法对完整特征集进行特征初选,再以基于随机森林的封装式多目标遗传算法进一步提取优化特征集。将所得特征集结合随机森林分类法提取湿地信息。并将结果分别与基于完整特征集和仅采用Relief F算法及Boruta算法提取的优化特征集的3种随机森林分类结果对比。试验结果表明,采用MOGARF算法特征选择后,特征维度降低至原来的10%,且分类精度最高,总体精度为92.61%,比其他分类方案提高0.35%~1.94%,Kappa系数为0.907 5,袋外误差为7.77%,比其他分类方案降低0.91%~1.48%。利用MOGARF特征选择的随机森林分类法是湿地分类的有效方法。

基于面向对象的重大工程土地利用变化信息提取——以国家体育场(鸟巢)建设工程为例

以国家体育场(鸟巢)工程建设为例,研究基于面向对象的重大工程土地利用变化信息提取技术,以及建设工程对周边环境土地利用类型变化的影响。选取鸟巢2001年(动工之前)和2005年(建设中期)两期高分辨率遥感图像,运用多尺度影像分割和面向对象分类方法,进行土地利用信息提取及其变化对比分析。结果表明:利用面向对象方法取得了理想的土地利用分类结果,两期影像的分类精度分别达到93.23%和94.55%,Kappa系数分别为0.9158和0.9332;鸟巢的建设对周边土地利用类型影响较大,尤其是植被、道路和耕地的变化显著,草地和道路明显增加,耕地明显减少。

基于GLC面向对象遥感影像分类方法的研究与应用

在遥感影像分类中,传统的基于像元分类方法主要使用了光谱信息,由于分类信息过于单一致使很难解决"同光异谱"、"同谱异物"的难题。面向对象分类技术综合考虑目标地物的形状、纹理、光谱以及其他特征,在较高层次里实现了地物信息的提取,在减少信息遗失的同时提高了分类精度。本文主要介绍了面向对象遥感影像分类技术的基本原理和方法,并对C5.0决策树分类算法进行了改进和研究,构造出新的分类器GLC决策树,之后又基于该分类器对遥感影像进行面向对象分类,将结果与基于像元分类和使用SVM面向对象分类结果进行对比分析,从而验证了经过改进的C5.0算法应用于面向对象遥感影像分类的准确性和有效性。

基于面向对象的无人机遥感影像荒漠植被分类

荒漠植被分布稀疏且叶面普遍较小,导致影像中植被光谱特征较弱,分类难度较大。为提高荒漠植被分类精度,选取古尔班通古特沙漠为研究区,以无人机遥感影像和数字表面模型为数据源,采用面向对象的随机森林算法,在去相关拉伸光谱信息增强基础上对荒漠植被进行分类,分析去相关拉伸前后分类精度的变化。结果表明:基于去相关拉伸并结合面向对象和随机森林算法的轻、中、重度沙漠化区总体分类精度分别为91.01%、95.34%、93.18%,较原始影像分类精度分别提升19.94%、16.10%、17.61%,实现了对荒漠植被的高精度分类,从而为获取荒漠区植被分布状况以及荒漠化监测提供参考。

面向对象的高空间分辨率遥感土地覆盖分类

高空间分辨率遥感影像数据已成为快速获取地表信息的主要数据源。面向对象的分类方法,充分利用了高空间分辨率遥感影像丰富的光谱、形状、纹理等特征,通过影像多尺度分割、多特征分析与提取、样本采集、监督分类等技术,得到较高精度的分类结果。本文选取浙江省舟山岛2016年第一季度的GF-1高空间分辨率遥感影像数据,结合面向对象技术和C5.0决策树算法对研究区进行土地覆盖分类研究。结果表明,分类总体精度达到91%,Kappa系数达到0.87,具有可靠的分类精度,能够实现土地覆盖精准、快速的自动识别分类。

湿地高分辨率遥感影像的变化检测

【目的】研究高分辨率遥感影像的湿地动态检测,为湿地资源的可持续发展提供信息支撑。【方法】充分利用面向像元和面向对象两种方法的优势和特点,结合多变量变化检测(MAD),提出对MAD变量的面向对象后分类方法(OB-M方法)。【结果】基于MAD变换的差异影像集中了两期影像的变化信息,基于像元差异影像的面向对象后分类方法能成功的检测多时相遥感影像的几何配准误差、单时相阴影、光照季节变化等"伪变化信息",成功提取变化/未变化信息。【结论】比较传统的面向对象分类后比较和MAD方法,提出的OB-M方法能较好地提高湿地变化/未变化信息检测的精度。

半监督离散势理论在遥感影像变化检测中的应用

随着遥感技术的发展,遥感影像变化检测作为一种有效的技术手段,在环境监测、灾害救援等领域发挥了重要作用。然而地物复杂、标记困难等问题导致有效的变化检测存在一定的困难。本文提出了一种基于半监督离散势理论的遥感影像变化检测方法。该方法首先采用一种新的标记样本点的方法得到训练集,然后利用KNN方法构造复杂网络,最后对复杂网络中经典Wu-Huberman算法进行改进并划分网络。所得到的两个社团结构恰好对应了变化部分和不变部分。试验结果表明,基于半监督离散势理论的变化检测方法具有良好的变化检测性能。