摘要：随着社会对专题影像数据需求的逐渐增大 ,要求的提高 ,低分辨率卫星影像制作的专题数据在许多领域已不能满足要求 .该文介绍了利用QuickBird卫星影像制作专题数据的方法 。

摘要：针对多波束海底底质分类模型构建受限于样本和特征对海底底质类型表征不足、模型稳定性差等问题,利用多尺度滑动窗口法提取声学纹理特征,结合K-均值聚类分析其精度,实现了多尺度纹理特征的优选,并利用多尺度纹理特征并辅以地形特征结合SLIC样本增强方法,实现了底质样本的有效扩充。同时,利用随机森林、BP神经网络、K最邻近、支持向量机等4种经典监督分类模型训练预测和评估所扩充的样本数据,最终总体分类精度均达到90%以上,kappa系数达到0.85以上。

摘要：按照浙江省地理国情普查2016年度监测要求,杭州市勘测设计研究院结合杭州市实际情况,认真、规范、有序地组织开展2016年度绿化覆盖面积调查工作。绿化覆盖面积是指城市建成区内植物的垂直投影面积,其数值高低是衡量城市环境及居民生活水平的重要指标之一。本次绿化覆盖提取工作以高清遥感影像为基础,主要基于遥感图像处理平台ENVI软件的监督分类模块。

摘要：针对监督分类中样本设计与选取、关键特征提取两个关键环节,设计了多种不同样本提取方法和多种典型特征参数组合,对海地震后高分辨率影像倒塌房屋快速提取进行分析研究。结果表明,以倒塌样本与屋角样本作为训练样本,以灰度均值和灰度共生矩阵逆差矩作为参数组合,能够保证较好提取精度的同时,最大限度减少人工样本选取工作量,提高倒塌房屋快速提取效率。最后以该分类方法对玉树震后高分辨率影像的倒塌房屋进行自动识别,识别结果良好,进一步检验了该分类方法的有效性。

摘要：基于Landsat8 OLI遥感影像,以东莞市为研究对象,应用最大似然法进行监督分类,对比分析不同数量的训练样本对地物分类精度的影响。研究发现,当训练样本达到一定数量后,分类精度受训练样本数量的影响较少。权衡分类精度与工作量,训练样本数量每个类别20个最优。在林地、农田、裸地、水体、居民用地和工业用地的分类体系中,最大似然法分类林地和水体的制图精度与用户精度能达90%以上。

摘要：设计了一个基于神经元网络的全模糊训练、分类和精度评估方法，并成功地应用于一个城郊型土地覆盖分类。结果表明，该方法灵活、适应性强，并能取得较好的分类精度。

摘要：对于高光谱和空间分辨率的遥感图像而言,它具有较为复杂的地物判读特性,应用常规的监督或非监督分类方法难以达到理想的结果。为此设计了一种非线性BP网络分类器,它将纹理结构特征与地物光谱特征相结合,针对上海市某地区的卫星遥感图像,在ENVI/IDL平台上与K-means的非监督分类和最小距离的监督分类方法进行了分类的对比应用。试验结果表明,该分法较好地考虑了图像的光谱特征,能有效地提高类别辨识的精度。

摘要：近年来,随着人类活动范围扩大以及人类活动日益频繁,饮用水源地的生态环境受到人类活动影响,对饮用水源地生态环境保护任务越来越艰巨。文章以遥感自动解译技术为基础,研究适合某饮用水源保护区的自动解译模型,提取饮用水源保护区的土地覆被信息,可用于分析土地覆被变化情况和动态变化趋势,为饮用水源保护区环境保护、管理和生态恢复提供科学的决策依据。利用监督分类和面向对象分类两种方法分别对饮用水源保护区遥感影像进行自动解译,并对比分析两种方法得到的土地覆被分类结果,最终得出的结论是面向对象分类的精度更高,且面向对象分类结果更利于进行变化监测,也与GIS分析有更好的兼容性。

摘要：针对监督分类中的特征选择问题,提出一种基于量子进化算法的包装式特征选择方法.首先分析了现有子集评价方法存在过度偏好分类精度的缺点,进而提出基于固定阈值和统计检验的两种子集评价方法.然后改进了量子进化算法的进化策略,即将整个进化过程分为两个阶段,分别选用个体极值和全局极值作为种群的进化目标.在此基础上,按照包装式特征选择遵循的一般框架设计了特征选择算法.最后,通过15个UCI数据集分别验证了子集评价方法和进化策略的有效性,以及新方法相较于其它6种特征选择方法的优越性.结果表明,新方法在80%以上的数据集上取得相似甚至更好的分类精度,在86.67%的数据集上选择了特征个数更小的子集.

摘要：高速公路是重要的基础建设项目,针对传统公路施工状态评估效率低下问题,本文提出一种基于深度学习的施工状态快速评估方法。选取高分辨率无人机影像进行实验,首先根据施工状态对目标进行标注与切分,制作深度学习数据集,输入DeepLabV3深度学习网络中进行训练,构建出施工状态分类模型,进而对研究区进行分类。两个研究区的实验证明,本文方法状态识别精度优于同类方法,基于本文方法能够实现公路施工宏观状态准确快速评估。