简介:高分SAR数据的出现,为基于SAR的应用提供了新的途径.需要探索新的技术方法。SAR与光学影像各自的特点具有较强的互补性,二者的融合可以增强遥感数据的信息利用率。针对新的Cosmo—Skymed高分辨率SAR影像数据.利用增强Lee滤波抑制相干斑影响,在此基础上运用局部标准差融合策略的小波包变换方法.融合SAR和CBERS02多光谱影像,充分结合了各自影像的图像特征.使得在最大限度地保留光谱特性和细节特性的基础上.提高了数据的信噪比,更利于信息的提取。实验表明,经过Cosmo—Skymed与CBERS02数据的融合后的自动分类精度显著提高。分类Kappa系数从0.47提高到了0.93。
简介:土地利用调查,目的是全面查清土地的利用状况,掌握真实的土地基础数据,建立和完善土地调查、统计和登记制度,实现土地调查信息的社会化服务,满足经济社会发展及国土资源管理的需要。农村土地调查包括权属调查和地类调查。农村土地调查是以查清土地利用状况为宗旨,以县级行政区域为基本调查单位,按照统一的技术标准,开展土地利用现状调查、权属调查和基本农田调查等;农村土地调查是以县级成果为基础,自下而上逐级汇总得到全国的土地利用状况。农村土地调查中的地类认定直接关系到土地利用现状的准确性,县级成果的正确性和逐级汇总的规范性。因此,农村土地调查中的地类认定在第二次全国土地调查中就显得尤为重要。
简介:利用SPOT全色波段影像和LandsatETM+多光谱影像,采用波段特征分析法和改进的最佳波段指数法确定最佳融合波段。选择具有代表性的HSV变换、Brovey变换、PCA变换、Gram-schmidt变换和小波变换方法进行影像融合。针对融合后的影像采用定量评价法进行质量评价,通过不同地物的光谱、空间和纹理信息等进行比较分析构建适当的分类特征和规则,采用面向对象的遥感分类方法进行分类。结果表明,波段特征分析法和改进的最佳波段指数法结合,可以获得最佳融合波段。各融合方法均有效提升了影像效果,其中HSV和GS变换融合方法更好地保持了影像的多光谱和高分辨率特性,融合后各地物特征分类明显,可以有效应用于湿地分类;采用主成分分析法来设置面向对象分类中的波段权重,可以利用各波段信息量的差异进行影像的分割。基于各种遥感指数的面向对象分类方法用于湿地分类获得了93.62%的分类精度,与传统的分类方法相比有了很大进步,在湿地分类中具有很大的应用潜力。
简介:全极化SAR影像含有丰富的特征信息,针对单一特征用于分类难以达到满意精度的问题,提出一种基于不同目标分解方法及纹理信息的SVM(SupportVectorMachine,SVM)全极化SAR影像监督分类方法。结果表明,Cloude分解和Yamaguchi分解在极化特征信息提取时各有优势,且都优于Freeman分解效果;Cloude分解和Yamaguchi分解结合作为极化特征信息时,分类总体精度相对较高;纹理信息与极化特征信息在表现地物特性方面具有互补性,结合纹理信息后,分类总体精度提高了4.92%,为90.86%,Kappa系数为0.8754。