共查询到20条相似文献，搜索用时 187 毫秒
1.
2.
将传统分类方法和加入地理控制界线分类方法进行比较,后者分类精度为94.73%,比传统分类方法提高了近3个百分点。这种方法对于解决卫星遥感中的同谱异类问题,提高分类精度,有较重要的意义和作用。本文以乌鲁木齐市为例,主要研究了同谱异类问题。 相似文献
3.
为了遥感解译基础性工作的发展和提高,本文综述了近年来国内外多种分类方法的研究和进展。在分析当前主要遥感影像分类方法的基础上。从传统的分类方法、基于智能的分类方法、其他新分类方法三个方面,对遥感分类方法研究进展进行了阐述,本研究还存在不足,今后还需进一步研究利用各种分类方法相互结合在盖遥感影像分类中的应用。 相似文献
4.
海洋测绘遥感影像噪声难以去除，在遥感影像场景分类时，存在去噪效果不明显、增强效果不显著、分类准确率低等问题。针对这些问题本文提出基于图卷积网络的海洋测绘遥感影像场景分类方法。采用小波阈值图像去噪算法对遥感影像场景进行去噪，再通过NSST(nonsubsampled shearlet transform)方法得到去噪后影像的低频子带滤波与高频子带滤波，并对其展开增强处理，将预处理之后的遥感影像输进图卷积网络模型中，运用该模型中的差异化单元、分类器学习单元与遥感影像特征差异化单元实现最终分类。实验结果表明：与对照方法相比，该方法对遥感影像的去噪效果更好，增强效果更明显，场景分类准确率更高。说明该方法能够有效提升海洋测绘遥感影像的场景分类性能。 相似文献
5.
6.
<正>通过对遥感影像进行处理可获取更加精确的地理信息,本文首先对遥感影像分类的基本原理进行阐述,然后基于ERDAS对遥感影像分类方法进行研究。自从第一颗陆地卫星发射后,遥感影像分类方法就逐渐成为遥感应用中的重要问题,例如,在实际应用中对地理信息的获取、预测研究区域的动态变化、区域专 相似文献
7.
遥感影像监督分类和非监督分类方法探讨 总被引：1，自引：0，他引：1
《黑龙江科技信息》2016,(2)
从遥感图像的分类的原理入手,比较分析遥感图像分类的监督分类和非监督分类的具体分类方法及特点,运用某地区的遥感影像采用不同分类方法对其精度进行了评估。 相似文献
8.
9.
遥感影像技术对我国土地的调查和耕地保护中都发挥了极其重要的作用,从20世纪80年代我国开始逐步应用航天和航空技术对我国的土地资源进行利用和动态监测.近些年随着我国科技的飞速发展,遥感影像技术在土地利用和分类方面的业绩更加突出。本文就遥感影像技术在土地利用和分类方法进行全面的阐述. 相似文献
10.
11.
农作物遥感分类特征变量选择研究现状与展望 总被引：5，自引：0，他引：5
农作物遥感分类是农作物种植面积估算的重要核心问题,是提高农作物种植面积估算精度的关键研究内容。特征变量的选择是农作物遥感分类的重要步骤,有效地使用多种特征变量是提高农作物遥感分类精度的关键。随着多源数据获取的更加容易,电磁波谱特征、空间特征、时间特征以及辅助数据特征在农作物遥感分类中发挥着重要的作用。本文简要回顾和综合分析了在农作物遥感分类中所使用的各种特征变量,包括多光谱特征、微波散射特征、多源数据特征、高光谱数据特征等电磁波谱特征,以及空间特征、时间特征和辅助数据特征等,并分析了农作物遥感分类特征变量选择方面存在的问题和发展趋势。指出目前农作物遥感分类特征变量选择存在的关键问题主要包括特征变量选择的理论研究不足和综合应用存在缺陷两个方面。未来农作物遥感分类特征选择研究的核心内容主要包括生化组分特征及冠层结构特征等农作物遥感分类新特征变量的挖掘、分类特征变量的综合应用、农作物遥感分类特征变量的敏感性和不确定性研究3个方面。 相似文献
12.
《Information processing & management》2022,59(2):102813
With the rapid development of remote sensing technology, using remote sensing technology is an important means to monitor the dynamic change of land cover and ecology. In view of the complexity of mangrove ecological monitoring in Dongzhaigang, Hainan Province of China, we propose a semantic understanding method of mangrove remote sensing image by combining a multi-feature kernel sparse classifier with a decision rule model in this paper. First, on the basis of multi-feature extraction, we take into account the spatial context relations of the samples and introduce the kernel function into the sparse representation classifier, a multi-feature kernel sparse representation classifier can be constructed to classify cover types of mangroves and their surrounding objects. Second, in view of growth conditions of mangrove area, we put forward a semantic understanding method of mangrove remote sensing image based on decision rules and divide mangrove and non-mangrove areas by combining classification results of the multi-feature kernel sparse representation classifier. We make a divisibility analysis based on the extracted features of spatial and spectral domains. Then select the best split attribute based on the maximum information gain criterion, to generate a semantic tree and extract semantic rules. Finally, we work on the semantic understanding of mangrove areas in line with decision rules and further divide mangrove areas into two categories: excellent growth and poor growth. Experimental results show that the proposed method can effectively identify mangrove areas and make decisions on mangrove growth. 相似文献
13.
基于TM遥感影像的玉米地专题信息自动提取 总被引：1，自引：1，他引：1
TM遥感影像中专题信息的自动提取是目前遥感界的研究热点，也已成为遥感信息生产流程中的瓶颈环节。本文分析了耕地专题信息自动提取的研究现状，选取了吉林中部和辽宁省东北部作为研究区，采用监督分类的方法对研究区TM遥感影像进行分类，提取了玉米地专题信息，玉米地信息的提取精度为85.5%。根据遥感影像目视解译的原理，提出了基于多特征空间的遥感影像专题信息自动提取的研究方法，通过对多特征空间的数学描述和计算机处理实现
遥感专题信息的自动提取。采用多特征空间的方法将玉米地信息分为光谱特征空间、形状特征空间、区域地学特征空间和干扰特征空间，应用ERDAS8.5遥感图像处理软件中的knowledge engineer模块的开发功能，设计了基于多特征空间的玉米地专题信息自动提取的专家库，使用专家库对玉米地信息进行了自动提取，提取精度为92.9%。从基于多特征空间的分类结果与监督分类结果的比较发现，基于多特征空间的自动提取方法可以提高专题信息的提取效率，对未来实现遥感影像的智能解译是一种研究方法的探索。 相似文献
14.
BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中,但是该方法训练时容易陷入局部极小值,且收敛速度较慢,针对这些不足提出一种基于相容粗糙集的BP神经网络分类方法。本文以双台子河口湿地为研究对象,以Landsat-8 OLI影像为数据基础,利用相容粗糙集理论对样本数据集进行预处理,将得到的数据作为新的训练样本,在Matlab软件平台下建立BP神经网络的湿地覆被分类模型,进行湿地覆被信息提取,将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。结果表明,基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据,提高网络的训练成功率,缩短网络的收敛时间,分类效果较好,其总体精度达到91.25%,Kappa系数为0.8969,比单纯的BP神经网络分类结果高7.92%和0.0926,比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357,是一种有效的湿地覆被分类方法。 相似文献
15.
16.
面向小班对象的森林资源变化遥感监测方法——以福建省厦门市为例 总被引：2，自引：0，他引：2
快速、客观、有效的森林资源变化监测技术是林业资源管理部门迫切需要解决的技术难题.本研究基于面向对象影像分析的思想,提出面向小班对象的森林资源变化遥感监测方法.首先,通过结合森林小班图层的大尺度影像分割,得到小班影像对象;其次,在森林小班专题对象内部,进行小尺度分割,自动提取变化图斑边界,得到变化与未变化小班影像对象;最后,通过对每一林地专题内部变化小班的分类解译,直接获得森林资源的地类变化信息.该方法可以根据影像分辨率的高低和森林小班图的尺度,满足不同比例尺森林覆盖变化监测的精度要求.以福建省厦门市为例,选用2011年RapidEye卫星影像和2007年森林小班图层进行森林覆盖变化信息提取.结果表明,所提出的方法在确保精度的同时,时间效率提高1～2倍,满足林业部门对森林覆盖变化信息快速准确获取的要求. 相似文献
17.
多源遥感数据在植被识别和提取中的应用 总被引：4，自引：0，他引：4
不同类型的遥感数据有着自己独特的优势,如果综合应用,可以实现信息的互补,提高地物的识别精度。本文以福建省漳浦县为研究区域,利用SPOT5、ASTER和CBERS等多源遥感数据对植被的识别和提取方法进行研究,建立了基于多源遥感数据的专题信息提取流程。首先设计了基于不同植被专题信息自动提取的专家库,对单一遥感数据进行专题提取,然后基于专家知识进行决策级植被信息融合。多源遥感数据所提供的信息的优越性在于可以将不同传感器的光谱信息和时相特征进行互补,利用不同植被在不同遥感数据上的特征和专家知识,建立隶属度函数,判剐每个像元的归属,完成研究区不同植被类型的专题提取。结果表明,与单一传感器数据的结果相比,综合利用多源遥感数据能较大程度地提高植被的提取精度。 相似文献
18.
基于支持向量机的土地覆被遥感分类 总被引：4，自引：0，他引：4
遥感图像的分类是研究土地变化的基础。传统的遥感图像分类存在着精度不高,不确定性强的特点。本文使用支持向量机（SVM,Support Vector Machine）技术对遥感图像分类,并与传统的最大似然分类进行对比试验。结果表明不同参数组合下SVM的分类总精度和Kappa指数普遍高于最大似然分类的结果,其最高总精度高出最大似然分类0.9779%。SVM和最大似然分类结果都存在着类别混分,但是SVM混分程度远小于最大似然分类,其精度保持在可接受的范围内,如对于低密度草而言,最大似然分类的用户精度下降到84.68%,而支持向量机的用户精度虽然也有下降但还是保持在92.31%。SVM在样本数目很少的情况下表现出了出色的学习能力,是机器学习领域很有希望的一种学习方法。 相似文献
19.
多源信息融合技术在干旱区盐渍地信息提取中的应用 总被引：3，自引：0，他引：3
土壤盐渍化是干旱区绿洲稳定与可持续发展面临的主要环境问题之一,因此借助遥感手段及时准确地提取盐渍地信息并掌握其空间分布有着重要的现实意义。本文以渭干河-库车河三角洲绿洲为例,使用RadarsatSAR与LandsatTM影像进行主成分融合,同时与HIS和Brovey变换的融合效果作定量比较,并利用BP神经网络模型,以相同的训练样本分别对融合前后的影像进行分类。结果表明：盐渍地主要分布在绿洲的和沙漠之间的交错带,盐渍地的分布在绿洲内部呈条形状分布,而在绿洲外部呈片状分布,且绿洲外部重度盐渍地交错分布在中轻度盐渍地中;主成份变换融合影像的光谱信息保持性、信息量都优于其它常用的融合方法,且分类精度比单一LANDSATTM多光谱影像有较大提高,是监测干旱区盐渍地变化的有效手段。 相似文献
20.
利用遥感手段,以低廉的成本有效获取包括居民地在内的地表信息是促使卫星遥感数据转化为现实生产力的根本所在,也是遥感应用领域中亟待解决的重要课题。目前虽然已有＂空间分辨率越高,遥感分类精度也越高＂的共性认识,但是遥感影像空间分辨率的不同对于城镇和乡村这两种不同类型的居民地信息提取产生怎样的影响等,目前尚无明确答案。本文首先以同一区域不同空间分辨率的4种卫星遥感影像数据为信息源,定性探讨居民地在不同分辨率遥感影像上的表现特征;然后以两种不同分辨率的影像ALOS和TM为实验对象,对这两种影像上城镇和乡村居民地信息提取精度进行比较分析。结果显示：虽然基于10m-ALOS影像的居民地信息提取精度较30m-TM影像约提高6.09%,并且无论是依据哪一种空间分辨率的遥感影像,城镇居民地的信息提取精度都明显高于乡村居民地,但是,对于分散式分布的乡村居民地,遥感影像空间分辨率的下降令其遥感识别更容易受到周边环境的影响,其信息提取精度会随着遥感影像空间分辨率的增加而显著提高;相比之下,城镇居民地的信息提取精度随遥感影像空间分辨率增加的趋势是有限的。造成这一现象的原因主要在于虽然居民地的轮廓清晰性以及像元的纯净度都与遥感影像的空间分辨率基本上呈正相关,但是空间分辨率的提高会放大居民地内部结构的细节,从而对居民地的遥感识别与信息提取工作增加一些干扰性的噪声信息。 相似文献