共查询到18条相似文献，搜索用时 140 毫秒
1.
基于遥感图像的城镇用地信息提取方法研究 总被引：3，自引：0，他引：3
如何快捷、准确与客观的提取城镇用地信息,以获得城镇用地的分布范围和面积资料,是有关城镇问题研究中的一个基本问题。利用遥感技术可以有效的解决这个问题,从城镇用地的遥感信息机理分析入手,根据各地物不同的光谱信息值,深入研究了基于遥感影像下的城镇用地的信息提取方法,并对提出的提取方法进行了若干讨论。研究结果表明,与传统的计算机分类方法和人工目视解译的屏幕数字化方法相比,本文所探讨的方法是一种行之有效的方法。 相似文献
2.
利用ASTER遥感资料提取南京城郊土地利用信息的研究 总被引：8，自引：3，他引：5
土地资源是社会经济发展最基本的物质基础,利用遥感技术可对土地资源进行分类调查。在对地观测方面,高光谱遥感与一般遥感影像相比,能提供更高质量的信息源。先进的空间热辐射反射计(ASTER)覆盖可见光、近红外、短波红外和热红外的14个波段,分辨率从15 m到90 m,对长江流域环境监测、地表覆盖变化、短期气候预测、自然灾害监测等,对于了解该区资源、生态与环境具有重要的意义。该文利用2001年ASTER数据对南京城郊地区进行了土地利用分类,首先采用多元统计方法提取分类特征波段。然后以非监督分类获得初始训练样本,对训练区进行多次像元提纯后,运用监督分类方法对南京城郊土地利用信息进行分类。研究表明,多种分类方法相结合可从ASTER影像更好地提取土地利用信息,达到较好得分类精度。 相似文献
3.
利用遥感图像进行土地利用分类,具有覆盖范围广和能及时、客观、周期性地获取地表覆盖信息的优点。然而,由于遥感图像信息量大、细节多、纹理变化复杂等原因,不同的分类方法可能得出不同的分类结果。以徐州市2000年10月6日的TM影像为信息源,结合实地调研,利用3种方法对徐州市的土地利用进行了分类,并对分类结果进行分析对比,结果表明:非监督分类方法无法有效地区分大多数地物,是一种不可取的方法;监督分类的每一次结果均不相同,很难保证客观性;而基于NDVI、NDB I等的综合阈值法,一旦波段和阈值确定,则它们的分类结果就是唯一的。因此,用综合阈值法对遥感图像进行分类是一种比较理想的方法。 相似文献
4.
5.
基于无人机低空遥感的农作物快速分类方法 总被引：19，自引：9，他引：10
无人机以其高时效、高分辨率、低成本、低风险及可重复使用的优势,给遥感技术在各领域的应用提供了新的平台。为了提高无人机遥感中农田信息获取的时效性和精度,该文分析了无人机低空航飞获得的高空间分辨率农作物遥感影像特征,以冬小麦为研究对象,基于农作物波谱特征和NDVI变化阈值,提出了一种农作物快速分类提取方法,并与其他几种常用的遥感分类方法进行比较,探讨了其普适性。结果表明,该方法从无人机高分辨率影像中提取不同种类的农作物分类信息具有较高的正确率和普适性,兼具快速和低成本的特点,在海量农作物无人机航拍数据的信息提取上具有较广的应用。 相似文献
6.
采用铜川市1987年和2002年两期TM遥感影像对该市的土地利用/土地覆被动态变化进行了研究。并结合遥感技术和地理信息系统技术,采用监督分类方法提取土地利用类型信息,分析了铜川市土地利用的数量变化特征和空间变化特征。研究结果表明,铜川市植被覆盖率(包括乔木林,灌木林,草地)由1987年的54.52%增加为2002年的64.46%,增加了近10%,退耕还林工程的实施在该区获得了显著成效;此外铜川市居民地面积增加了近1倍,主要由耕地转化而来,表明城市扩张占用耕地现象严重。 相似文献
7.
8.
基于Landsat 8 OLI影像纹理特征的面向对象土地利用/覆盖分类 总被引：5，自引：4，他引：1
针对如何提高中低分辨率遥感影像分类精度,该研究以河北省石家庄市Landsat 8 OLI遥感影像为研究对象,对灰度共生矩阵(gray-level co-occurrence matrix,GLCM)纹理与伽博(Gabor)滤波器下的Gist纹理特征进行对比,应用J-M(Jeffries-Matusita)距离可分离性分析GLCM最优纹理特征,并利用最佳指数法(optimum index factor,OIF)获取GLCM与Gist纹理特征的最佳特征组合;其次对面向对象分类的分割尺度进行研究,提出整体最优分割尺度计算方法;最后进行基于纹理特征的面向对象分类识别与精度评价,并与基于原始数据的面向对象分类结果进行对比。研究表明:Gist纹理特征使分类精度有了一定的提高,基于纹理数据的面向对象支持向量机(support vector machine,SVM)分类及面向对象K邻近法(K-nearest neighbor,KNN)分类的总体分类精度(overall accuracy,OA)分别比基于原始数据的2种方法分类精度提高3.67和3.33个百分点,基于纹理的面向对象SVM方法具有最高的精度,OA达到85.67%。不管是基于原始数据还是纹理数据,面向对象分类精度远高于最大似然分类(maximum likelihood classification,MLC)、马氏距离分类(mahalanobis distance classification,MDC)和SVM分类精度,且面向对象分类方法对纹理数据更为敏感。该文提出的基于纹理的面向对象分类方法有效提高了遥感影像分类精度,为区域土地利用/覆盖信息提取提供了有效的途径。 相似文献
9.
基于面向对象的SPOT卫星影像梯田信息提取研究 总被引：1，自引：0，他引：1
梯田信息准确和快速提取是区域水土保持动态监测和评价的核心技术之一,运用遥感技术进行地物信息提取是一种有效手段。该研究以燕沟流域为研究区,采用高分辨率的SPOT5遥感影像数据,基于面向对象分类技术,通过影像分割构建影像对象,在分析影像对象的光谱特征、纹理特征和空间特征的基础上,建立了梯田信息的遥感提取规则,实现了梯田的自动提取。最后用手工勾绘结果对梯田的遥感提取结果进行精度评价,从田块边界的吻合度评价位置精度,并通过比较该结果与人工目视解译结果进行面积精度评价。结果表明,基于面向对象分类的遥感方法可以较好地从原始影像中提取复杂地貌区梯田的位置信息,面积提取正确率达到78.38%,该方法可为黄土高原地区梯田信息遥感提取提供借鉴。 相似文献
10.
基于高分辨率遥感影像的青海湖沙柳河流域土地覆盖监督分类方法对比 总被引：3，自引：2，他引：1
[目的]研究高寒河源区土地覆盖的精准分类方法,为地物分类提供参考,分类结果可为青海湖流域土地资源与生态环境监管提供数据支撑。[方法]运用高分辨率遥感影像,通过6种监督分类器(平行六面体、最小距离、马氏距离、最大似然、神经网络和支持向量机)对青海湖沙柳河流域的土地覆盖进行分类,最后通过最佳提取方法统计得出青海湖沙柳河流域土地覆被概况。[结果]支持向量机、神经网络和最大似然的分类精度较高,其总体分类精度均大于96%,Kappa系数均大于0.95,平行六面体的分类精度最低,误差较大。综合各种分类精度及分类图像局部细节,支持向量机分类效果最佳。通过解译可知沙柳河流域土地覆被以草地为主,占流域总面积的71.09%,裸地和湿地分别占流域总面积的16.26%和10.24%,水体、农田和建筑用地面积较小,共占流域总面积的2.41%。[结论]运用高分辨率遥感影像,通过支持向量机分类器可实现对青海湖沙柳河流域土地覆被的良好分类。整个流域植被覆盖度高,生态环境良好。 相似文献
11.
基于知识的遥感影像的BAYES分类方法研究——以福州市琅歧岛土地覆盖/土地利用类型为例 总被引：1，自引：0，他引：1
提高计算机遥感影像的分类精度,是遥感应用中研究的主要问题之一。以福州市琅歧岛土地覆盖/土地利用类型为例,以遥感影像解译知识为基础,使用TM、Aster的融合影像和NDVI生成的植被覆盖度影像,并结合DEM、土地利用等地理辅助数据,将DEM和NDVI因子作为待分类影像的波段加入其中,构成新的待分类影像,运用Bayes分类方法,通过循环迭代的方法消除先验概率对分类精度的影响,实例证明比运用单一的分类方法精度明显提高。 相似文献
12.
13.
本文对基于网格控制容差的屏幕数字化的有关理论和方法进行了探讨。试验表明采用屏幕数字化,即采取人机交互的方式,将RS和GIS,专家知识和目视解译结合起来进行地物识别,是一种分类精度较为准确的方法。 相似文献
14.
基于词对主题模型的中分辨率遥感影像土地利用分类 总被引：1，自引：1，他引：0
利用遥感影像数据进行土地利用/覆被分类是多学科共同关注的热点问题,但传统自动分类方法仍然难以满足应用需求,以隐狄利克雷分配模型(latent dirichlet allocation,LDA)为代表的概率主题模型能够建立底层特征和高层语义之间的桥梁,近年来也被引入了遥感影像分析领域,但多集中于针对高空间分辨遥感影像的分析。该文分析了一般概率主题模型在遥感影像空间分辨率降低后面临的问题,在此基础上借鉴词对主题模型(biterm topic model,BTM)对单词稀疏文档的推理能力,将其引入中空间分辨率遥感影像的分类中,并提出使用空间相邻的视觉单词对作为模型的观测数据。试验结果表明,BTM模型的分类性能优于LDA模型,并且使用空间相邻视觉单词对可以比标准BTM模型使用更少的观测数据,取得更高的分类精度。 相似文献
15.
16.
基于GF-1影像的东江流域面向对象土地利用分类 总被引：7，自引：4，他引：3
针对东江流域地物斑块破碎、湖泊河流众多等因素影响其地物分类精度的问题,该文以GF-1遥感影像为数据源,采用面向对象的分类方法,结合模糊分类和CART决策树分类法获取研究区土地利用分类信息。根据近红外波段均值的模糊范围(480~2 200)选择模糊小于隶属函数对水体与非水体进行区分,近红外波段均值小于480确定为水体,大于2 200确定为非水体;在水体类别中,采用长宽比指数模糊范围(1.53~4.32)调用模糊大于函数对河流与水库进行了区分,长宽比指数小于1.53确定为水库,大于4.32确定为河流;在非水体类别中,采用归一化植被指数NDVI(normalized difference vegetation index)特征值模糊范围(0.21~0.62)调用模糊大于函数区分植被与非植被,NDVI指数小于0.21确定为非植被,大于0.62确定为植被,最后采用面向对象的CART决策树分类法分出河流、水库、园地、林地、耕地、灌草地、未利用地、建设用地。与极大似然分类法、非监督分类法应用到GF-1遥感影像相比,基于面向对象的CART决策树分类方法的效果最好,总体分类精度高达93.27%,Kappa系数高达0.92。该方法可以作为东江流域获取较高土地利用信息的有效方法,为研究流域生态环境变化提供更准确的数据支持。 相似文献
17.
基于混沌免疫算法和遥感影像的土地利用分类 总被引：1，自引：2，他引：1
为提高利用遥感影像进行土地利用分类的精度，采用了基于混沌免疫算法(Chaos Immune Algorithm)的多光谱遥感影像分类方法。首先应用混沌免疫算法对样本进行自学习得到全局最优的聚类中心，然后通过得到的聚类中心对整幅影像进行分类。该方法利用混沌变量的遍历性，进行粗粒搜索，优化免疫算法的初始抗体群；通过克隆选择算子、变异算子、抗体的循环补充操作，避免陷入局部最优解，得到全局最优的聚类中心。在对淮南矿区采用TM影像进行的土地利用分类中，试验结果表明该方法分类总精度为89.9％，Kappa系数为0.8 相似文献
18.
DEM支持的黄土丘陵沟壑区地被遥感分类方法 总被引：1，自引：0，他引：1
DEM支持的黄土丘陵沟壑区地被遥感分类方法的提出,目的是解决由于受到复杂地形影响,遥感影像地被分类精度低且不具有地形特征的问题。在分类预处理过程中利用基于PCA的方法复原阴影区域的信息,可以减少大量阴影造成的影响。分类时对分布在不同地形区域的相同地被选取不同的样本,利用Bayes分类进行土地覆盖分类。根据正负地形特征和剖面曲率将DEM划分为梁峁地、沟坡地、沟底地。分类后使用最小面积原则的滤波方法对土地覆盖分类图与土地类型分类图进行处理,并以土地类型边界为标准进行图斑的叠加重组。该方法将光谱特征与空间地形信息相结合,得到的分类结果精度有所提高且带有地形信息,充分体现了黄土丘陵沟壑区地被分布的实际情况,增强了分类结果的实用价值。 相似文献