南京林业大学
硕士学位论文
面向对象遥感影像分类方法及其应用研究——以深圳市福田区
植被提取为例
姓名:汪求来
申请学位级别:硕士
专业:森林经理学
指导教师:佘光辉
20080601
面向对象遥感影像分类方法及其应用研究——以深圳市福田
人工神经网络(ANN)分类法是一种非参数的分类方法,具有良好的适应能力和复杂的映射能力,能实现非线性的数据模式识别,比之基于传统统计理论的分类方法,它无须事先假定或估计目标的概率分布函数,故在进行以数据量多、含混度高著称的遥感影像的分类处理时,该方法能获得很好的分类结果和精度。其次,神经网络方法能够有效地结合高分辨率影像的光谱和纹理特征,充分地利用影像的光谱和空间信息,有望提高分类精度。
6.学位论文谭莹翁源县基于纹理信息及CART决策树技术的遥感影像分类研究2008
遥感科学技术的形成与发展,以及与全球定位系统等地理信息系统科学的融合、渗透和统一,形成了新型的对地观测系统,为林业科学研究提供了全新的科学方法和技术手段,其生产意义和社会经济效益是不言而喻的。
传统的基于像素光谱信息分类的方法仅依靠影像中的光谱信息进行分类,会出现很多的误分和错分。特别是在面对高分辨率遥感影像分类时,显得力不从心,所得的精确度远远达不到生产的要求。大量实验研究表明,只依靠光谱信息来解决遥感中的地类分类是远远不够的。遥感影像中还蕴含着地类的细节纹理信息。我们可以结合光谱信息及纹理信息来进行有效的分类。
8.学位论文游丽平面向对象的高分辨率遥感影像分类方法研究2007
随着高分辨率影像的应用越来越普及,迫切要求人们对高分辨率遥感信息提取进行研究,以满足高分辨率影像信息不断增长的应用和研究需要。然而,传统面向像元的分类方法在对高分辨率遥感影像进行分类时,存在着不能充分利用影像信息、分类精度降低、速度慢等局限性,根据高分辨率遥感影像的特点,本文提出面向对象的高分辨率遥感影像分类方法研究。
7.期刊论文李爽.丁圣彦.钱乐祥决策树分类法及其在土地覆盖分类中的应用-遥感技术与应用2002,17(1)
基于决策树分类算法在遥感影像分类方面的深厚潜力,探讨了3种不同的决策树算法(UDT、MDT和HDT).首先对决策树算法结构、算法理论进行了阐述,然后利用决策树算法进行遥感土地覆盖分类实验,并把获得的结果与传统统计分类法进行比较.研究表明,决策树分类法有诸多优势,如:相对简单、明确、分类结构直观,另外,与以假定数据源呈一固定概率分布,然后在此基础上进行参数估计的常规分类方法相比,决策树属于严格"非参",对于输入数据空间特征和分类标识具有更好的弹性和鲁棒性(Robust).
2、分析待分类的特征数据和研究区域的地物特征,选取训练样本、设定BP网络结构,并采用训练样本归一化预处理、引入动量因子、设定各层不同的学习率和调整网络结构等方法对BP算法进行改进,以保证训练的稳定性和提高收敛速度。基于ENVI平台和IDL语言编写了BP神经网络分类及精度评定的计算机程序,实现了研究区域QuickBird影像的BP神经网络分类。研究结果表明:结合高分辨率影像的光谱和纹理信息后,BP神经网络分类的精度得到提高,其分类总体精度达到93%以上,且Kappa系数超过0.9。
为解决这一传统难题,模糊分类技术应运而生。模糊分类是一种图像分类技术,它是把任意范围的特征值转换为0到1之间的模糊值,这个模糊值表明了隶属于一个指定类的程度。通过把特征值翻译为模糊值,即使对于不同的范围和维数的特征值组合,模糊分类能够标准化特征值。模糊分类也提供了一个清晰的和可调整的特征描述。
本文采用面向对象的影像分类方法。考虑了对象的不同特征值,例如光谱值,形状和纹理。结合上下文关系和语义的信息,这种分类技术不仅能够使用影像属性,而且能够利用不同影像对象之间的空间关系。在对诸多对象进行分类后,在进行精度分析。在此研究提出了一种面向对象的方法结合模糊理论把许多的对象块分成不同的类别。这一过程主要有两个步骤:第一个步骤是分割。图像分割将整个图像分割成若干个对象,在对所有对象进行分类,在这个过程中,分割尺度的选择会影响到后续的分类结果和精度;第二个步骤是分类。在这个步骤中,特征值的选择和隶属度函数的选择都对分类结果有着至关重要的影响。完成分类后,可以进行土地变换检测等后续工作。
在分类方法的选择上,决策树分类法已被应用于许多分类问题,但应用于遥感分类的研究成果并不多见。决策树分类法具有灵活,直观,清晰,强健,运算效率高等特点,在遥感分类问题上表现出巨大优势。本次论文中以广东省翁源县的Landsat TM/ETM+遥感影像为研究数据源。利用决策树算法,加入提取的纹理信息进行遥感地类分类,并把获得的结果与传统的最大似然法进行分类进行比较。结果表明:在卫星影像的整体分类精度上,决策树分类技术要优于最大似然法,加入纹理信息的分类方法能有效提高分类精度。相对于最大似然分类,决策树的树状分类结构对数据特征空间分布不需要预先假设某种参数化密度分布,所以其总体分类精度优于传统的参数化分类精度。
3、采用BP神经网络法和最大似然法进行对比试验。研究表明:BP神经网络分类方法能区分出最大似然法无法区别的地物,其分类结果图的整体质量更好,且其分类总体精度和Kappa系数均略大于最大似然法对应的参数,从而验证了BP神经网络分类法优于最大似然分类法,前者更适用于一般区域的分类处理和信息提取。
本文结合高分辨率影像的光谱和纹理特征,采用BP神经网络分类法实现了影像的自动分类处理,完成了地物信息提取。这一试验研究及成果对我国西南部平原地区基于高分辨率影像的土地利用/土地覆盖资源调查具有一定的参考和指导意义。
9.期刊论文王惠英.苏伟.周军其.WANG Hui-ying.SU Wei.ZHOU Jun-qi基于多分类器组合面向对象遥感影像信息
提取方法-测绘工程2009,18(5)
提出最近距离法和基于知识规则的模糊分类法相结合的混合分类法,针对IKONOS遥感影像,分别用最近距离法、基于知识规则的模糊分类法以及混合分类法对影像进行信息提取.结果表明:混合分类法的信息提取精度最高,总体精度提高到95.60%,Kappa系数提高到0.944,其为面向对象的高分辨率影像信息提供理想方法.
1、在卫星影像的整体分类精度的上,CART算法要优于BP人工神经元网络和最大似然法。
2、相对于BP人工神经元网络,CART算法在训练样本数据的速度要快,执行效率要高,对于输入数据空间特征和分类标识,具有更好的弹性和鲁棒性。CART分类法并不像神经网络那样具有黑箱结构,和分析人员有着良好的交互性和透明性,而神经元网络初始参数的设定是根据实践经验来确定的,缺乏有效的理论指导,带有很强的主观性。在训练过程中这些参数要经过不断的调整,才能生成一个较好的网络模型。神经网络的训练非常费时并且对训练结果的好坏事先缺乏判断,这些都是不如决策树分类的地方。
本文以2006年11月获取的四川省成都市郫县犀浦镇部分地区的QuickBird影像作为实验数据,采用BP神经网络方法对研究区域进行分类处理及精度评定等研究。论文主要完成了如下研究内容并得到相应的结论:
1、论文针对高分辨率影像的特征,对研究区域的QuickBird影像进行基本处理与分析,主要根据最佳指数因子0IF分析、图像融合处理、灰度共生矩阵纹理分析等,提取出影像最优组合的光谱特征(融合后的432波段影像)和纹理特征(从全色影像提取的对比度CON纹理图像),作为待分类的特征数据。
2.期刊论文彭笃明.张安定.李德一.米姗姗.PENG Du-ming.ZHANG An-ding.LI De-yi.MI Shan-shan基于LBV变换
的遥感影像多步骤分类法研究-测绘科学2008,33(3)
面对与日俱增的遥感数据,如何快速准确地进行影像分类成为遥感领域亟待解决的问题.本文在前人的基础上提出了一种基于LBV变换的遥感影像多步骤分类方法.L:地物的总辐射水平,集中反映了裸地的信息;B:地物的可见-红外光辐射平衡,是地面水分状况和水体存在的一个良好指标;V:地物辐射随波段变化的方向和速度向量,能集中反映地面植被状况.多步骤分类法遵循由易到难的原则,能克服类别之间的互相影响,从而提高分类精度.文章结合LBV变换和多步骤分类法的优点对影像进行了分类,结果表明该方法简单易行,且能达到良好的分类精度.
3.学位论文黎颖卿基于CART决策树算法的遥感影像分类研究2008
决策树分类法已被应用于许多分类问题,但应用于遥感分类的研究成果并不多见。决策树分类法具有灵活、直观、清晰、强健、运算效率高等特点,在遥感分类问题上表现出巨大优势。本文以广东省广州市从化地区的SPOT5卫星遥感影像为研究对象,基于CART决策树分类算法,探讨其在遥感影像分类方面的应用潜力,首先对影像分类原理与基本过程进行了阐述,对遥感图像进行了植被指数与纹理特征提取等预处理,然后利用CART算法进行遥感土地覆盖分类实验,并把获得的结果与BP人工神经元网络分类法和传统的最大似然分类法的分类结果进行比较。结果表明:
区植被提取为例
作者:汪求来
学位授予单位:南京林业大学
1.学位论文杨希基于神经网络的高分辨率遥感影像分类研究2009
自20世纪70年代起,卫星遥感技术的发展带来了遥感影像呈现出来级分辨率的趋势,逐渐步入以高分辨率遥感影像数据为主要产物的时代。遥感影像分类技术可以有效地将高分辨率影像中丰富的信息资源提取出来,并转化为科学的分析成果以进行实际的生产和应用,从而在商业和民用领域中发挥出重大作用。
10.学位论文颜宏娟面向对象的遥感影像模糊分类方法研究2008
传统的基于像素的遥感影像处理方法都是基于遥感影像光谱信息极其丰富,地物间光谱差异较为明显的基础上进行的。对于只含有较少波段的高分辨率遥感影像,传统的分类方法,就会造成分类精度降低,空间数据的大量冗余,并且其分类结果常常是椒盐图像,不利于进行空间分析。
5.期刊论文高凯.周志翔.滕明君.GAO Kai.ZHOU Zhi-xiang.TENG Ming-jun基于知识分类法的TM遥感影像景观分
类制图——以武汉市为例-山东建筑大学学报2010,25(4)
遥感影像景观分类制图的关键是选择合适的感影像分类方法,以降低分类误差、提高分类精度.以武汉市Landsat TM遥感影像为例,利用基于知识的决策树分类法对遥感影像的景观分类制图方法进行了研究.结果表明:知识分类法在一定程度上避免"同物异谱"所造成的分类误差,实现较高的分类精度,是高效、可行的遥感影像景观分类方法之一.在实际操作中分类变量及阈值的确定是遥感影像知识分类的关键步骤.