遥感分类
遥感分类的相关文献在1989年到2022年内共计231篇,主要集中在自动化技术、计算机技术、测绘学、林业
等领域,其中期刊论文159篇、会议论文12篇、专利文献83555篇;相关期刊98种,包括北京测绘、测绘与空间地理信息、山东国土资源等;
相关会议12种,包括第八届成像光谱技术与应用研讨会暨交叉学科论坛、全国水土保持与荒漠化防治及生态修复交流研讨会、第三届地理信息系统全国博士生学术论坛等;遥感分类的相关文献由618位作者贡献,包括周琪、崔巍、郑振东等。
遥感分类—发文量
专利文献>
论文:83555篇
占比:99.80%
总计:83726篇
遥感分类
-研究学者
- 周琪
- 崔巍
- 郑振东
- 李华朋
- 骆剑承
- 张超
- 潘耀忠
- 周成虎
- 张学
- 张树清
- 张锦水
- 童小华
- 陈秋晓
- 任广波
- 张杰
- 柯长青
- 沈占锋
- 沈校熠
- 顾建宇
- 马毅
- 黄琳
- 万祥星
- 丘仲锋
- 乔玉良
- 乔青
- 于子凡
- 于晓冬
- 于菲菲
- 任林
- 何福红
- 余涛
- 刘妙龙
- 刘建华
- 刘春兰
- 刘殿成
- 刘焕军
- 刘红利
- 刘苗
- 匡文慧1
- 卫征
- 史建康
- 吴炳方
- 周玲
- 周翔
- 夏天
- 孙中昶
- 孙丹峰
- 孙伟伟
- 孙玮健
- 孙立新
-
-
冯权泷;
牛博文;
朱德海;
陈泊安;
张超;
杨建宇
-
-
摘要:
基于遥感分类实现高精度的土地利用和土地覆被制图是研究热点问题。近年来,以卷积神经网络为代表的深度学习在计算机视觉领域取得了长足发展,同时也被引入到土地利用/覆被遥感制图领域。相比于经典机器学习,深度学习的优势表现为能够自适应提取与分类任务最相关的特征,其缺陷表现为分类精度的提高依赖于海量标签样本。基于深度学习在土地利用/覆被分类中日益增多的研究成果,本文从样本、模型、算法3个角度对其研究进展进行综述。在样本方面,归纳总结了常用的土地利用/覆被样本集,并分析了上述样本集的学术影响力;在模型方面,综述了土地利用/覆被分类中常用的深度学习模型,包括卷积神经网络、循环神经网络、全卷积神经网络等的最新研究成果;在算法方面,综述了样本稀疏条件下的土地利用/覆被分类算法的最新研究进展,具体包括主动学习、半监督学习、弱监督学习、自监督学习、迁移学习等。最后从样本、模型、算法3个角度对未来研究方向进行展望,通过构建大规模遥感样本数据集、持续优化深度学习模型结构、提升样本稀疏条件下深度学习模型的时空泛化能力等研究,可以进一步改善土地利用/覆被分类效果和精度。
-
-
杜跃飞;
陈博伟;
刘新杰;
张清;
张丽
-
-
摘要:
植被光谱库的构建对植被特征识别和生态环境监测具有重要作用。通用光谱库由于地区差异导致的不同植被光谱差异不明显,对定量遥感分析和植被精细识别分类造成较大的误差。首先,通过实地采集热带植被光谱数据,构建适用于热带植被监测和分析的Web波谱数据库,包含52种典型植被冠层和叶片光谱;其次,详细介绍植被光谱库开发框架,实现功能模块包括:元数据编辑、波谱库报告、增删改查、端元光谱提取、影像波谱对比分析和波谱可视化;最后,应用卫星多波段遥感数据与通用光谱库验证对比植被精细分类效果。结果表明,通用波谱库无法依据波谱信息对植被做精细分类,依据本文热带植被波谱库可有效对植被做精细分类,精度达86.5%。
-
-
杨昭颖;
韩灵怡;
郑向向;
李文吉;
冯磊;
王轶;
杨永鹏
-
-
摘要:
我国是滑坡灾害频发的国家之一,近年来发生的灾难性地质灾害事件有70%以上都不在已知的地质灾害隐患点范围内,亟须通过自动高效的滑坡识别技术方法开展大规模滑坡灾害排查。为了从海量遥感影像中快速识别滑坡的位置,确定滑坡重点区,支撑后续的解译与研究,以黄土滑坡为例,基于GF-1影像与数字高程模型(digital elevation model,DEM)数据开展滑坡识别研究。首先构建了遥感影像和DEM滑坡样本库,然后应用通道融合卷积神经网络模型对滑坡样本进行分类,最后将分类结果按照位置信息还原到遥感影像图中。实验结果表明模型的滑坡识别精度可达95.7%,召回率为100.0%。研究所用模型的网络层数较少,收敛速度快,具有更高的效率与识别精度,解决了在样本有限的情况下,从遥感影像中快速确定滑坡重点区的问题,以支撑大规模滑坡灾害排查。
-
-
郭其乐;
李军玲;
郭鹏
-
-
摘要:
基于花生生长中后期2020年8月1日和15日两个时相高分多光谱数据,构建40个作物分类遥感特征,采用ReliefF-Pearson方法优选出15个特征,构造作物可分的4种特征空间。采用最大似然分类法、支持向量机和随机森林分类器,分别耦合4种特征空间,开展作物分类对比试验,进行分类精度和景观评价提出作物双时相遥感分类模型(dual-temporal remote sensing classification model for crop,C-DRSC)。结果表明:该模型具有较高的作物分类和花生识别能力,作物分类总体精度和Kappa系数分别为93.25%和0.89,平均形状指数和平均斑块分维指数分别为1.33和1.13;花生识别的用户精度和制图精度分别为96.20%和96.32%,平均形状指数和平均斑块分维指数分别为1.27和1.11。利用该模型在黄淮海地区的4个花生主产县开展夏花生种植面积遥感测算,与统计面积相比,面积测算相对误差为±16.25%,决定系数为0.9778(达到0.01显著性水平),模型具有较好的适用性。
-
-
李敏;
刘国栋;
谭凌
-
-
摘要:
基于景观格局分析方法,分别选取8个反映景观格局类型和6个反映景观水平格局指数用于探索土地利用变化状况。实验结果表明:①基于选择合适的训练样本下,对3期遥感影像采用随机森林的监督分类方法,总体精度均在94%以上,kappa系数均为90%以上;②综合来看,研究期内建设用地为优势景观类型。研究区斑块数量增加,破碎化程度有所加剧,景观斑块的形状复杂程度加深,空间分布由分散趋向于聚合与均衡化,景观多样性不断增加,景观格局的变化表明土地利用/土地覆盖变化主要受人类活动影响较大。
-
-
马泽宇;
卢小平
-
-
摘要:
针对目前深度神经网络训练耗时长、浅层神经网络多为易崩溃三层感知器(BP)的现状,提出一种基于集成全连接多层感知器(MLP)的多光谱图像快速分类方法。实验对基于焦作地区Landsat8多光谱影像,使用半随机网格搜索优化等方法搜索超参数组合,构建4种MLP分类器。实验发现位置信息与地物类别无关,地物的样本量增加时分类器会对其更敏感。比较各分类器对Landsat8多光谱影像的分类结果得知集成分类器更优。
-
-
黄然;
方正云;
马御棠;
黄双得;
文刚;
刘靖;
孙浩轩
-
-
摘要:
电力行业是国民经济与社会发展的重要行业。可靠的输电走廊环境监测有利于电力系统的安全运行。近年来,卫星遥感因为其大范围观测、高频次重返特性,展现出优于传统巡线方法的优点,开始应用于电力行业研究。然而,基于变化检测技术的输电走廊巡线研究还几乎处于空白。文章提出了一种基于卫星影像的外力破坏隐患区域识别方法,具体而言,提出了基于深度学习模型、植被指数与聚类模型的分层分类方法,构建了基于特殊地类变化的外力破坏隐患识别方案。在石林县的“高分一号”、“高分六号”卫星影像上进行了实验,结果显示:分层分类方法提高了深度学习方法的裸地分类精度。研究同时验核了石林县外力破坏台账记录区域的识别情况,识别结果与台账描述基本一致。研究成果有利于提高电网巡线效率,及时发现输电走廊环境变化异常,同时也为遥感影像分类与变化检测研究提供参考。
-
-
贾玉洁;
刘云根;
杨思林;
王妍;
张超;
徐红枫;
郑淑君
-
-
摘要:
【目的】获取更高效、准确的土地利用自动分类方法,为后续的高原山区土地利用分类研究提供理论支撑。【方法】选取中国典型的高原山区云南省大理市为研究区域,以Sentinel-2A影像为对象,提出一种面向对象特征的决策树分类方法,并将此方法分类结果与传统的ISODATA法和最大似然法土地利用分类结果进行对比。【结果】(1)面向对象特征的决策树方法分类结果在空间分布和各地类的面积统计方面都优于ISODATA法和最大似然法,与研究区实际土地利用面积数据更为接近;(2)在大理市,最大似然法在水体和林地的提取上适用性较好,而面向对象特征的决策树分类方法在农田、草地、建设用地和其他这些地类的区分上适用性更强,且在冰川积雪的提取上也有更好的提取效果;(3)相比与传统的ISODATA法和最大似然法分类结果精度,面向对象特征的决策树分类方法可进一步提高分类精度,总体分类精度可达90.20%,Kappa系数为87.95%。【结论】相较于传统的分类方法,先粗分类再进一步细分类的分类思想,可避免区域之间的混淆问题。面向对象特征与决策树相结合的组合分类方法在高原山区有着更好的适用性,可以有效提高高原山区分类精度。图3表7参26。
-
-
王庚泽;
靳海亮;
顾晓鹤;
杨贵军;
冯海宽;
孙乾
-
-
摘要:
为了提高秋季作物分类精度,以多时相的Sentinel-2为数据源,以生育进程相近的秋季作物为分类对象,提出一种基于Relief F算法和信息熵改进分离阈值算法(Modified ISEaTH-based entropy,EMISE)的多评价准则融合特征优选算法——改进分离阈值组合式特征优选算法(Modified EMISE-based Relief F,ReEMISE),并分析了不同特征对秋季作物分类的重要性.首先,利用Relief F算法对特征进行初选,结合EMISE算法对2种评价准则进行融合,再优化初选特征集,进而利用随机森林(Random forest,RF)方法提取农作物种植面积,并与单评价准则的Relief F算法和EMISE算法的随机森林分类精度进行比较.同时,利用多时相光谱特征、传统指数特征、红边指数特征、纹理特征、不同时相波段差值特征、不同时相波段比值特征及优选特征,通过7组不同的特征组合提取秋季作物种植面积,分析不同特征组合对秋季作物分类精度的影响.结果 表明:ReEMISE特征优选的随机森林法在特征变量为9个时精度最高,总体精度和Kappa系数分别为95.391 8%和0.939 7;综合多特征是提高农作物分类精度的关键,在多时相光谱特征基础上分别加入传统指数特征和红边特征,总体精度分别提高1.5021、1.571 5个百分点,Kappa系数分别提高0.019 8、0.020 7.因此综合多特征的ReEMISE特征优选的随机森林法可以有效提高秋作物分类精度和效率.
-
-
石芳华
-
-
摘要:
随着传感器技术的不断发展,高分辨率遥感影像数据的获取也越来越方便。但在遥感影像分类中,并不是空间分辨越高,分类精度就越高。以SPOT5 HRG影像和高分一号影像为数据源,进行多尺度分类实验。首先,采用立方卷积法对两种影像进行尺度扩展,利用变异函数计算影像中各地类的最优尺度;其次,采用最大似然法对其进行多尺度分类;最后,利用混淆矩阵、总体分类精度和Kappa系数对其分类精度进行评价。结果表明,研究多尺度分类方法可以提高遥感影像的分类精度。
-
-
邓钰;
王金亮
- 《第19届中国遥感大会》
| 2014年
-
摘要:
准确及时掌握草地资源数量、质量、分布规律和动态变化情况,可为草甸管理、科学研究和合理利用决策提供参考,这对于维持草甸的生态功能和持续发展具有重大意义.以香格里拉县为研究区域,采用了决策树分类法对其高山草甸信息进行提取及图形表达.结果表明:1)高山草甸遥感分类结果,总体分类精度为71.29%,kappa系数为0.6289.分类精度达到了最低允许的判别精度0.6,kappa系数的值分布在0.6~0.8之间,分类效果很好,认为用决策树对滇西北高山草甸进行分类,是可行的;2)香格里拉县的草甸类型主要有干热河谷灌丛草甸、沙棘灌丛草甸、亚高山灌丛草甸、亚高山草甸、高山灌丛草甸、高山沼泽草甸、高山草甸和高山流石滩疏生草甸.其中,亚高山草甸面积最大,达990.59km2,主要分布在小中甸镇和建塘镇;其次是高山沼泽草甸,有539.62km2;主要分布在格咱乡和建塘镇;亚高山灌丛草甸有323.85km2,主要分布在建塘镇和东旺乡;干热河谷灌丛草甸较小,仅有117.52km2.
-
-
曾永年;
于菲菲;
吴孔江;
徐艳艳;
郑忠
- 《第十八届中国遥感大会》
| 2012年
-
摘要:
城市土地利用/覆盖变化及其气候与环境效应是土地变化科学的重要内容,是全球变化研究热点之一.城市区域土地利用/覆盖及变化研究是制定区域可持续发展策略,科学规划与管理城市土地资源的重要前提.长株潭城市群作为两型社会建设的实验区,是中部地区经济的快速发展区域,本文采用1996~2006年遥感数据,利用蚁群智能算法挖掘遥感分类优化规则,获得较高精度的多时相土地利用分类结果,以此揭示了研究区域土地覆盖及其变化的过程与特征.为长株潭城市群土地利用空间优化决策、两型社会的构建、以及区域可持续发展提供了决策参考.
-
-
焦全军;
张兵;
刘良云;
胡勇;
李山山
- 《第八届成像光谱技术与应用研讨会暨交叉学科论坛》
| 2010年
-
摘要:
草地生态系统在青藏高原生态系统中占有主导地位,挖掘不同草地的光谱特征差异是提高草地遥感分类精度的重要途径。高光谱遥感数据能够支持草地多种光谱特征的提取和分析,有利于开展青藏高原典型区域的草地精细分类研究。本研究以青藏高原腹地的黄河源区为试验区,利用航空高光谱仪器(Pushbroom ImagingSpectrometer,PIS)和地面ASD光谱仪,分析试验区内多种草地类型的光谱特征差异,利用光谱角度匹配(SAM)等方法,完成了试验区PIS高光谱影像的草地类型精细分类,并根据地面采样数据进行了分类结果的精度验证,并初步分析了在不同分类方法差异和试验区草地退化程度。
-
-
-
-
师庆东;
陈利军;
常顺利;
逄淑女;
吕光辉
- 《第六届全国地图学与GIS学术研讨会》
| 2008年
-
摘要:
中国西部干旱区气候、土壤、水文、光热、植被等环境因子有着显著的地域差异,若只依靠单一的植被光谱信息来进行准确分类是相当困难的,需要开展基于先验知识、地理信息和遥感信息的分类方法.本文在使用了多种分类方法后,采用了分区分海拔的方法,即将植物的区系理论和植物的纬向、经向和垂直地带性分布特征通过地理信息系统给予知识化的表达,在这些先验知识的基础上叠加植被的光谱特征进行分类,并在局部地区对分类结果进行了验证,取得了较好的效果,为同类研究提供了一种参考思路和方法.
-
-
-
-