OIF辅助BP神经网络模式识别的土地覆盖分类

精准高效的土地覆盖分类不仅能提高土地利用类型研究与制图质量,也有助于有序地组织土地的保护与开发。以2020年7月28日银川市三区的美国陆地卫星8号陆地成像仪(Landsat8 OLI)影像为数据源,建立最佳指数法(OIF)辅助前馈(BP)神经网络的模式识别模型,借助遥感影像处理平台(ENVI)选取训练样本集,对银川市三区土地覆盖类型进行分类。结果表明,OIF辅助BP神经网络模式识别的总体精度为86.95%,Kappa系数为0.8435,优于最大似然法和支持向量机(SVM)分类法;从生产者精度来看,该方法在林地、草地、水域和未利用地的分类中优势明显,精度都超过了90.00%,但在建设用地的分类中精度较低,只有70.73%。实验证明,OIF辅助BP神经网络的模式识别在遥感影像的监督分类中是一种精准高效的分类方法。

基于ETM+影像竹林信息提取的最佳波段组合研究

以竹林信息提取为研究目的,应用最佳指数法(OIF)法和典型地物影像光谱特征曲线分析,对福建省顺昌县ETM+多光谱数据的波段选组合进行了研究。研究结果表明:345波段是竹林信息提取的最佳波段组合;典型地物影像光谱特征曲线可以直观的看出地物在不同波段上的光谱差异,能为最佳波段选择提供可靠的参考依据;竹林在第5波段与其他地物光谱差异最大,分离效果最好,在第1波段的光谱影像特征曲线与阔叶林相近,在第2波段与针叶林相近,说明在第1波段和第2波段中竹林分别与阔叶林、针叶林容易混淆,不利于竹林信息提取。

基于最优波段组合的TM影像土地覆盖信息分类

针对TM遥感影像光谱特征利用率不高,影响土地覆盖信息分类精度的问题,提出一种基于最优波段组合的分类方法。以赣州市章贡区2006年的TM遥感影像为研究对象,首先根据遥感影像的光谱特征和波段间的相关性计算最佳指数;其次根据研究区域特征,引入修正植被指数,并对原影像进行主成分分析,综合分析最佳指数、修正植被指数和前3个主成分量,认为PC3、RNDVI、Band1为最优波段组合。最后结合监督分类与非监督分类法对最优波段组合成的遥感影像进行分类,得到的整体分类精度为86.237 5%,kappa系数为0.825 3。

国产高分辨率遥感影像融合方法比较与分析

GF-1,ZY-3和ZY1 02C三种国产卫星数据为研究对象,在分析单波段信息熵的基础上,运用联合熵,最佳指数和相关系数矩阵确定3种影像数据的最佳波段组合,选择具代表性的PC、Brovey、GS、IHS和MT变换融合等五种基于像素的融合方法对影像进行融合,分析融合前后影像联合熵以及融合后各影像波段的梯度变化。研究结果表明:(1)GF-1的最佳组合为Band1、Band3及Band4,ZY-3的最佳组合为Band2、Band3及Band4,ZY-1 02C数据的最佳波段组合为Band1、Band2及Band3;(2)融合后影像中Brovey变换融合的联合熵小于融合前,其余4种融合方法联合熵均大于融合前联合熵值;(3)GF-1、ZY-3和ZY 1 02C影像数据最佳融合方法分别为GS融合、PC融合以及IHS变换融合。

Spot5影像统计分析及最佳组合波段选择

遥感影像特征分析是影像融合和解译的基础,而对遥感数据源各个波段进行定量分析是图像融合的前提。本文以SPOT5为遥感数据信息源,在湖南省资兴市天鹅山林场进行了图像特性和波段组合的实验研究。研究主要采用了典型地物的光谱数据采集分析和遥感数据定量分析相结合的方法,计算出各波段之间的熵、相关系数和协方差。研究结果表明:SPOT5各波段的标准差大小顺序为:波段3>波段4>波段2>波段1,熵值的大小顺序则为:波段4>波段1>波段2>波段3;波段3与波段4的协方差最大,而且两波段又处在红外区域,说明红外波段之间独立性较强;从光谱辐射仪采集的数据来看,水体、草地、裸土地的光谱反射率就有很大的差异性。乔木树种的光谱反射率在可见光区域内非常接近,在红外———近红外区域内具有一定的差异,红外———近红外区域波谱对林业遥感研究具有极其重要的意义;利用联合熵和最佳指数方法确定了最佳波段组合为1(R)4(G)3(B)波段。

不同建筑热工分区办公建筑外围护结构负荷指标影响因素权重

为研究多因素对不同热工分区办公建筑总负荷指标的综合影响,在分析了单一因素对建筑总负荷指标影响规律的基础上,采用层次分析法对分别位于哈尔滨、兰州、重庆、广州的办公建筑负荷指标进行了评价。得到了窗户传热系数Kw、玻璃遮阳系数S_c、窗墙比R在不同热工分区办公建筑总负荷指标影响因素中的权重值,并对此进行了一致性检验。结果表明:对于严寒地区的哈尔滨和寒冷地区的兰州节能建筑,各因素重要程度为R>K_w>S_c;对于夏热冬冷地区的重庆和夏热冬暖地区的广州节能建筑,各因素重要程度为S_c>R>K_w。在建筑结构优化设计中应根据各热工分区负荷影响因素的比重不同进行优先控制相应因素。

面向特定目标地物提取的改进最佳波段组合方法研究

提出了一种利用一类支持向量机(OC-SVM)进行特定目标地物提取的改进最佳波段组合方法(MOIF)。以Landsat8卫星影像作为数据源,对江苏省沿海滩涂光伏电站进行了提取试验,并利用人工解译的结果进行了精度评定。结果表明,本文提出的波段组合方法能够有效提取特定的目标地物。

ETM+遥感影像最佳波段融合质量评价

利用最佳指数(OIF)法得出泉州市2001年ETM+遥感数据的最佳波段组合为波段5、4、2;采用乘积变换、Brovey变换、HIS变换、小波变换等4种典型的融合方法,分别进行ETM+最佳波段组合影像与ETM+全色波段影像的融合;计算融合后影像与原始影像之间的相关系数,从空间相关系数、光谱相关系数2个方面进行定量和定性评价.结果表明,Brovey融合后的影像信息损失最小、对于光谱保真性最好,小波变换融合方法次之;而小波变换融合后影像对于空间分辨率的改善效果最好,Brovey融合方法次之.针对本研究区,在4种融合方法中,Brovey变换和小波变换融合方法是最佳的选择.

遥感找矿信息提取及靶区预测——以青海祁连县红土沟-川刺沟地区为例

为了寻找新的找矿靶区,拓展遥感找矿技术的应用潜力,该研究以ETM和GeoEye-1遥感影像为基础,计算了彩色合成的最佳指数并对图像进行滤波处理以增强构造信息、解译线环构造;采用"SAM去干扰异常主分量阈值门限技术"对图像进行铁染、羟基蚀变信息提取;结合多元数据综合分析及成矿预测,圈定了3处靶区。通过实地地质工作,在圈定的第一靶区内发现了矿化较好的蚀变带,验证了通过构造增强、蚀变提取、多元数据综合分析,运用遥感技术找矿方法的准确、有效,为该区找矿工作提供了新的有利依据。

多光谱遥感数据最佳波段选择的研究

分析了最佳波段选择的最佳指数方法,并指出该方法的不足之处.在实践过程中,根据多光谱遥感数据各波段用途、研究区地物的光谱特征及最佳指数来考虑最佳波段的选择,取得了比较好的效果.

基于最佳指数因子的自适应权值图像融合

依据现有的多波段遥感影像的融合方法和多波段图像融合效果的客观评价准则,提出了基于最佳指数因子的自适应权值图像融合算法。最后,结合互联网卫星数据,给出了实验结果。结果表明,该方法为研究人员提供一个较佳的融合后影像。

一种基于最佳指数模型的TM遥感影像最佳波段组合计算方法

如何通过定量计算选择最佳波段组合一直是TM等多波段遥感影像信息提取的研究热点。本文综合利用Erdas提供的可视化空间建模工具(Spatial Modeler)和面向对象的编程技术,提出了一种基于最佳指数(Optimum Index Factor,OIF)的定量计算与定性分析相结合的TM遥感影像最佳波段组合方法。实验证明,该方法快速有效,极大提升了TM等多波段遥感影像最佳波段组合的计算过程。

LM-BP神经网络在遥感影像分类中的应用研究

有效地利用卫星遥感数据进行多类别识别并提高分类精度一直是遥感应用研究的前沿。以江苏南京江宁区为试验区,复合最佳指数提取的波段组合光谱信息、灰度共生矩阵提取的纹理信息和地理辅助数据及其派生信息,运用LM-BP神经网络实现遥感影像分类,并将分类结果与标准BP网络和传统分类方法进行了比较。研究表明,将卫星数据与地理辅助数据结合,发展多源多维信息复合的LM-BP方法可以大大提高分类的精度,是提高遥感应用性的有效途径。

一种多波段SAR图像伪彩色融合算法

针对多波段SAR图像互补信息的利用问题,提出了一种基于Contourlet变换与IHS变换结合的伪彩色融合算法。利用最佳指数模型选择出信息量最大、相关性最小的三个波段图像,实现RGB到IHS彩色空间的变换;然后用Contourlet变换对I分量和另一波段SAR图像进行多尺度分解,分别得到低通近似子带和方向高频子带。对方向高频子带定义一个边缘信息量测因子融合策略进行融合,近似子带用平均方法融合,并进行Contourlet重构得到融合后的I分量。结合H、S分量进行IHS到RGB空间的反变换。综合了不同波段图像特征,把人眼难以分辨的灰度转化为可分辨的色彩,保持SAR图像空间分辨率的同时,增强谱分辨率,仿真实验结果证明了该方法是有效的。

工业生产指数编制方法的优化建议

工业生产指数是反映工业发展速度的通用方法。其编制的关键要素有两个 :其一是代表性产品的个体物量指数 ;其二是工业增加值权数。指数的实效性较强 ,但其编制方法本身也有不完善之处。其优化方法可以从其编制要素的修正来进行。其中对个体物量指数的修正 ,就是对每种代表品的增加值指数的修正。对原权数进行修正 ,是假设在基期产量不变的条件下 ,单位代表产品的基期增加值可用报告期代表产品平均单位增加值代替。通过计算修正系数 ,对个体物量指数和权数进行修正后 。

基于支持向量机和BP神经网络的水深反演研究

根据高空间分辨率Quickbird遥感影像反射率和实测水深之间的相关性,选取相关性较高的反演因子b1/b2、b1/b3和b2/b3建立单因子模型、双因子模型、多因子模型和BP神经网络模型,并对甘泉岛附近20m内的水深进行反演。同时,利用最佳指数因子(OIF)和支持向量机(SVM)对甘泉岛研究区域基于水深颜色分成两类,将分类结果分别提取建立BP神经网络模型并进行水深反演。通过对反演结果对比发现:遥感影像分类前,线性回归模型中多因子线性模型反演精度最高,但比BP神经网络模型稍差。遥感影像分类后,浅海水域BP神经网络模型的反演精度要比分类前的各模型反演精度低,但是,深海区域BP神经网络模型的反演精度最高。

基于SPOT影像的最佳波段组合选取研究

最佳波段组合选取是图像解译和信息提取的重要前提。基于SPOT遥感图像,通过计算单波段最值、均值、标准差完成遥感数据的统计分析工作,进一步计算各波段间协方差、相关系数,分别基于最佳因子法(OIF)和雪氏熵值法进行最佳波段选取研究。结果表明:SPOT影像最佳波段组合为124,经比较,将4波段赋予红色、1波段赋予绿色、2波段赋予蓝色,获得的图像色彩反差明显、层次丰富,能比较全面反映各种地物信息颜色差别,对进一步研究专题信息提取具有重要意义。

基于Landsat5 TM的麻城杜鹃花光谱分析与波段选择

以2010年4月27日Landsat 5 TM影像数据为基础,利用影像的光谱数据对麻城市杜鹃花进行了光谱特征分析,并运用均值、标准差和相关系数等指标定量分析了TM数据各波段间的特征,用最佳指数法(OIF)对各种波段组合进行了比较,确认345波段组合最适合麻城杜鹃花分布研究。研究结果可为进一步应用TM影像进行杜鹃花资源信息提取参考。

多光谱数据波段选择方法试验研究——以湖北神农架林区为例

本文以神农架林区植被信息提取为例,从统计特征的角度出发,采用最佳指数因子、联合熵与类间、类内可分性判别准则三种波段选择方法。在对三种波段选择方法计算结果综合分析的基础上,结合试验区地物光谱特征和TM传感器不同波段功能,采用逐步逼近的思路,从候选波段组合中确定了最佳波段组合。试验得出TM传感器453波段组合为神农架林区植被信息提取的最佳波段组合。