使用高分辨率卫星数据绘制城乡边缘封闭表面的全层次分类与非层次分类方法
摘要
1.简介
1.1基于上下文的方法
1.2面向对象的方法
1.3非参数分类
1.4研究目标
2.研究区域和数据
3.方法
3.1. 分类方案、训练数据的选择和准确性评估策略
3.2. 细分
3.3. 分类算法
3.4. 功能选择
3.5. 分类策略
3.6. 影子重新分类
4.结果和讨论
4.1. 功能选择
4.2. 分类
4.3. 影子重新分类
5.结论
致谢
工具书类
人口基金。 2007年世界人口状况——释放城市增长潜力 ; 联合国人口基金,2007年。 http://www.unfpa.org/swp/2007/presskit/pdf/sowp2007_eng.pdf . 欧洲经济区。 欧洲城市蔓延 ; 欧洲环境署简报4,2006年。 http://reports.eea.europa.eu/briering_2006_4/en . Jensen,J.R。; 考恩,哥伦比亚特区。城市郊区基础设施和社会经济属性的遥感。 照片。 工程远程传感器。 1999 , 65 , 611–622. [ 谷歌学者 ] T.R.Schueler,《不透水性的重要性》。 沃特斯。 保护。 技术。 1994 , 1 , 100–111. [ 谷歌学者 ] 翁,Q。 防渗表面遥感 ; CRC出版社; Taylor&Francis Group:美国佛罗里达州博卡拉顿,2008年。 [ 谷歌学者 ] 托马斯,N。; 亨德里克斯,C。; Congalton,R.G.《使用高分辨率数字图像的城市制图方法比较》。 照片。 工程远程传感器。 2003 , 69 , 963–972. [ 谷歌学者 ] 霍奇森医学博士。; Jensen,J.R。; Tullis,J.A。; Riordan,K.D。; Archer,C.M.激光雷达和彩色航空摄影的协同使用,用于绘制城市地块的不透水性。 照片。 工程远程传感器。 2003 , 69 , 973–980. [ 谷歌学者 ] Dare,P.M.城市地区高分辨率卫星图像中的阴影分析。 照片。 工程远程传感器。 2005 , 71 , 169–177. [ 谷歌学者 ] Van de Voorde,T。; 德根斯特,W。; Canters,F.使用后分类技术改进城市地区基于像素的VHR土地覆盖分类。 照片。 工程远程传感器。 2007 , 73 , 1017–1027. [ 谷歌学者 ] 格尼,M.C。; Townshend,J.R.G.遥感数据分类中上下文信息的使用。 照片。 工程远程传感器。 1983 , 49 , 55–64. [ 谷歌学者 ] M.J.巴恩斯利。; Barr,S.L.使用基于核的空间重新分类从卫星传感器图像推断城市土地利用。 照片。 工程远程传感器。 1996 , 62 , 949–958. [ 谷歌学者 ] 巴尔,S。; Barnsley,M.减少城市土地利用制图用高空间分辨率遥感图像土地覆盖分类中的结构混乱。 计算。 地质科学。 2000 , 26 , 433–449. [ 谷歌学者 ] Haralick,R.M.纹理的统计和结构方法。 程序。 电气与电子工程师协会 1979 , 67 , 786–804. [ 谷歌学者 ] He,H。; Collet,C.将光谱和纹理特征与人工神经网络结合用于多光谱图像分类。 国际建筑。 照片。 远程传感器。 1999 , 32 (第7-4-3部分),W6。 [ 谷歌学者 ] 龚,P。; Howarth,P.J.《利用结构信息提高城乡结合部土地覆盖分类精度》。 照片。 工程远程传感器。 1990 , 56 , 67–73. [ 谷歌学者 ] 黄,X。; 张,L。; Li,P.基于边缘和多光谱信息融合的超高空间分辨率图像分类。 照片。 工程远程传感器。 2008 , 74 , 1585–1596. [ 谷歌学者 ] 徐,B。; 龚,P。; Seto,E。; Spear,R.使用全色Ikonos图像进行土地利用分类的灰度降低和不同纹理光谱编码方法的比较。 照片。 工程远程传感器。 2003 , 69 , 529–536. [ 谷歌学者 ] 拉哈,A。; 帕尔,N.R。; Das,J.使用模糊规则进行土地覆盖分类,并通过证据理论聚合上下文信息。 IEEE传输。 地质科学。 远程传感器。 2006 , 44 , 1633–1641. [ 谷歌学者 ] Chan,J.C.-W。; Bellens,R。; 坎特斯,F。; Gautama,S.使用高分辨率图像对城市人造物体分类的几何活动特征进行评估。 照片。 工程远程传感器。 新闻界。 Ji,C.Y.使用Kohonen自组织特征图神经网络对遥感数据进行土地利用分类。 照片。 工程远程传感器。 2000 , 66 , 1451–1460. [ 谷歌学者 ] 陈,D。; 斯托,D.A。; Gong,P.研究空间分辨率和纹理窗口大小对分类精度的影响:一个城市环境案例。 《国际遥感杂志》。 2004 , 25 , 2177–2192. [ 谷歌学者 ] 南威尔士明特。; Lam,N.一项基于空隙度的纹理分析方法的研究,以改进城市图像分类。 计算。 环境。 城市系统。 2005 , 29 , 501–523. [ 谷歌学者 ] 巴茨,M。; Schäpe,A.多分辨率分割:高质量多尺度图像分割的优化方法。 Strobl,Blaschke,Greisebener,Eds。; 在 Angewandte地理信息。 贝尔塔赫·祖姆AGIT-Symposium Salzburg ; 赫伯特·维奇曼·弗拉格(Herbert Wichmann Verlag); 卡尔斯鲁厄,2000年。 [ 谷歌学者 ] Schiewe,J.高分辨率遥感数据的分割——概念、应用和问题。 地理空间理论、处理和应用专题讨论会,渥太华。 加拿大,2002年7月9日至12日。 Lee,D.S。; Shan,J。; Bethel,J.S.从Ikonos图像中提取的课堂指导建筑。 照片。 工程远程传感器。 2003 , 69 , 143–150. [ 谷歌学者 ] 刘振杰。; Wang,J。; Liu,W.P.基于多尺度面向对象分类和概率Hough变换的高分辨率图像建筑物提取。 2005年7月25日至29日在韩国首尔举行的IGARSS 2005研讨会会议记录。 佛兰德斯,D。; Hall-Beyer,M。; Pereverzoff,J.用于切割块描绘和特征提取的基于电子识别对象的软件的初步评估。 可以。 J.遥感。 2003 , 29 , 441–452. [ 谷歌学者 ] 加利福尼亚州奔驰市。; 霍夫曼,P。; Willhauck,G。; 林恩费尔德,I。; Heynen,M.多分辨率,面向对象的遥感数据模糊分析,用于GIS-ready信息。 ISPRS J.摄影。 远程传感器。 2004 , 58 , 239–258. [ 谷歌学者 ] Wang,L。; W.P.苏萨。; Gong,P.使用IKONOS图像绘制红树林地图时基于对象和基于像素的分类的集成。 《国际遥感杂志》。 2004 , 25 , 5655–5668. [ 谷歌学者 ] Siachalou,S。; 多克萨尼,G。; Tsakiri-Strati,M.城市地区的分类增强。 EARSeL SIG城市遥感第一次研讨会会议记录,德国柏林,3月2-3日; 2006. [ 谷歌学者 ] 佩萨雷斯,M。; Benediktsson,J.A.高分辨率卫星图像形态分割的新方法。 IEEE传输。 地质科学。 远程传感器。 2001 , 39 , 309–320. [ 谷歌学者 ] Rangsaneri,Y。; Thitimajishima,P。; Kanotai,S.使用art1/art2神经网络进行多光谱图像分割。 第二十二届亚洲遥感会议论文集,新加坡,2001年11月5日至9日。 Guarnieri,A。; Vettore,A.卫星图像分割的自动化技术。 地理空间理论、处理和应用研讨会论文集,加拿大渥太华,2002年7月9日至12日。 陈,Q。; 周,C。; 罗,J。; Ming,D.使用分水岭变换结合有效的区域合并方法快速分割高分辨率卫星图像。 在 伊维西亚 ; 2004年12月1日至3日,新西兰奥克兰。 [ 谷歌学者 ] 埃什·T。; Roth,A。; Dech,S.从高分辨率雷达图像自动检测建筑区域的稳健方法。 2005年3月14日至16日,美国亚利桑那州坦佩市,ISPRS WG VII/1“人类住区与影响分析”第三届城市遥感与数据融合国际研讨会(Urban 2005)和第五届城市遥感国际研讨会(OUS 2005)会议记录。 梅内尔,G。; Neubert,M.高分辨率遥感数据分割程序的比较。 2004年7月12日至23日,土耳其伊斯坦布尔,第20届国际减贫战略会议记录。 Carleer,A.基于区域的分类潜力,利用极高空间分辨率卫星数据进行陆地覆盖分类。 博士论文,ULB,比利时布鲁塞尔,2005年。 [ 谷歌学者 ] 周,Y。; Wang,Y.Q.使用正射影像在罗德岛提取不透水表面积。 2006年5月1日至5日,美国内华达州雷诺市,ASPRS 2006年年年会论文集。 袁,F。; Bauer,M.E.使用高分辨率图像绘制不透水表面积:基于对象和按像素分类的比较。 2006年5月1日至5日,美国内华达州里诺举行的ASPRS 2006年年度会议记录。 卡莱尔,A.P。; O.Debeir。; Wolff,E.极高空间分辨率卫星图像分割评估。 照片。 工程远程传感器。 2005 , 71 , 1285–1294. [ 谷歌学者 ] 迪尔迈尔,E。; 霍斯特,P。; Schiefer,S。; Damm,A.将基于像素和对象的不透水性分类与HRSC-AX数据进行比较。 2006年3月2日至3日,德国柏林,EARSeL SIG城市遥感第一次研讨会论文集。 Caprioli,M。; Tarantino,E.使用面向对象的方法从VHR卫星数据中识别城市特征。 ISPRS在地理空间分析中的挑战,德国斯图加特; 2003; 第176-180页。 [ 谷歌学者 ] 弗里德尔,文学硕士。; Brodley,C.E.根据遥感数据对土地覆盖进行决策树分类。 遥感环境。 1997 , 61 , 399–409. [ 谷歌学者 ] Foody,G.M.通过具有非穷尽定义类集的神经网络进行硬分类和软分类。 《国际遥感杂志》。 2002 , 23 , 3853–3864. [ 谷歌学者 ] 塞廷,M。; Kavzoglu,T。; Musaoglu,N.使用主成分分析和人工神经网络对多光谱、多时相和多传感器图像进行分类:Beykoz案例。 第二十届国际摄影测量和遥感学会会议记录,土耳其伊斯坦布尔,2004年7月12日至23日。 刘杰。; 邵,G。; 朱,H。; Liu,S.从遥感数据中提取信息的神经网络方法。 2004年6月7日至9日,瑞典,第12届国际地理信息学会议论文集——地理空间信息研究:架起太平洋和大西洋的桥梁。 正在运行,S。; T.R.洛夫兰。; 皮尔斯,L.L。; R.R.内马尼。; Hunt,E.R.,Jr.全球土地覆盖分析的基于遥感的植被分类逻辑。 遥感环境。 1995 , 51 , 39–48. [ 谷歌学者 ] Hansen,M。; 杜巴亚(Dubayah,R.)。; Defries,R.分类树:传统土地覆盖分类的替代方法。 《国际遥感杂志》。 1996 , 17 , 1075–1081. [ 谷歌学者 ] R.J.昆兰。 C4.5:机器学习程序。 ; 摩根考夫曼出版公司:加州圣马特奥,美国,1993年。 [ 谷歌学者 ] Sheeren博士。; 牛角面包,A。; 韦伯,C。; 甘萨尔斯基,P。; Wemmert,C.通过数据挖掘从多个遥感城市数据中导出分类规则。 2006年3月2日至3日,德国柏林,EARSeL SIG城市遥感第一次研讨会论文集。 Rollet,R。; 贝尼,G.B。; 李伟(Li,W.)。; 王,S。; Boucher,J.-M。基于RBF神经网络和K均值的图像分类算法。 《国际遥感杂志》。 1998 , 19 , 3003–3009. [ 谷歌学者 ] 卡彭特,G。; Gopal,S。; Macomber,S.A.公司。; Martens,S。; Woodcock,C。; Franklin,J.高效植被制图的神经网络方法。 遥感环境。 1999 , 70 , 326–338. [ 谷歌学者 ] Gopal,S。; 伍德考克,C.E。; Strahler,A.H.根据1°AVHRR数据集对全球土地覆盖进行模糊神经网络分类。 遥感环境。 1999 , 67 , 230–243. [ 谷歌学者 ] 塞托,K.C。; Liu,W.比较ARTMAP神经网络和最大似然分类器用于检测城市变化。 照片。 工程远程传感器。 2003 , 69 , 981–990. [ 谷歌学者 ] 伊藤,Y。; Omatu,S.土地覆盖制图的扩展LVQ神经网络方法。 IEEE传输。 地质科学。 远程传感器。 1999 , 37 , 313–317. [ 谷歌学者 ] 莫利尼尔,M。; Laaksonen,J。; Ahola,J。; Häme,T.在遥感数据中检索人造结构的自组织地图应用。 美国科罗拉多州丹佛市IGARSS,2006年7月31日至8月4日。 Paola,J.D。; Schowengerdt,R.A.神经网络结构对多光谱土地利用/土地覆盖分类的影响。 照片。 工程远程传感器。 1997 , 63 , 535–544. [ 谷歌学者 ] Benediktsson,J.A。; 佩萨雷斯,M。; Arnason,K。基于形态学变换的城市地区遥感图像分类和特征提取。 IEEE传输。 地质科学。 远程传感器。 2003 , 41 , 1940–1949. [ 谷歌学者 ] 乔曼斯基,J。; Van de Voorde,T。; De Roeck,T.等人。; O.巴特拉安。; Canters,F.利用基于遥感的不透水表面覆盖率估算改进城市化流域的分布式径流预测。 传感器 2008 , 8 , 910–932. [ 谷歌学者 ] Bianchin,A。; Bravin,L.从IKONOS图像看城市背景下的土地利用:一个案例研究。 第四届城市地区遥感国际研讨会论文集,2003年6月27日至29日,德国雷根斯堡。 Lu博士。; 翁,Q。从中高空间分辨率多光谱图像绘制城市不透水表面。 在 不透水表面遥感 ; 翁,Q.,编辑。; CRC出版社,泰勒和弗朗西斯集团:博卡拉顿,佛罗里达州,美国,2008年; 第59-73页。 [ 谷歌学者 ] Yoon,J.J。; 科赫,C。; Ellis,T.J.ShadowFlash:一种在活动照明环境中去除阴影的方法。 第13届英国机器视觉会议电子会议记录,英国,2002年9月2-5日。 德根斯特,W。; Canters,F.从超光谱图像中提取详细的城市土地覆盖信息。 2004年10月27日至29日,第24届城市数据管理研讨会(UDMS 2004)会议记录,意大利奇奥加-威尼斯,未分页CD-ROM。 X·吉安杰特。 卫星图像分割和分类。 ; 瑞士联邦理工学院信号处理学院文凭项目:瑞士洛桑,2004年。 [ 谷歌学者 ] 胡,X。; 陶,C.V。; Prenzel,B.通过整合纹理、强度和颜色特征,对高分辨率卫星图像进行自动分割。 照片。 工程远程传感器。 2005 , 71 , 1399–1406. [ 谷歌学者 ] 巴茨,M。; 美国本茨。; Dehghani,S。; 海恩,M。; Höltje,A。; 霍夫曼,P。; 林恩费尔德,I。; 米姆勒,M。; 索尔巴赫,M。; 韦伯,M。; 威廉豪克,G。 eCognition Professional–用户指南4。 ; 慕尼黑:Definens Imaging:德国慕尼黑,2004年。 [ 谷歌学者 ] 鲍尔,E。; Kohavi,R.投票分类算法的经验比较:打包、增强和变体。 J.机器学习。 1999 , 36 , 105–139. [ 谷歌学者 ] Dietterich,T.G.构建决策树集合的三种方法的实验比较:装袋、增强和随机化。 机器学习。 2000 , 40 , 139–158. [ 谷歌学者 ] 劳伦斯,R.L。; Bunn,A。; 鲍威尔,S。; Zambon,M.使用随机梯度增强对遥感图像进行分类,作为分类树分析的改进。 遥感环境。 2004 , 90 , 331–336. [ 谷歌学者 ] 刘伟。; Gopal,S。; Woodcock,C.E.使用混合分类器方法进行土地覆盖分类的不确定性和置信度。 照片。 工程远程传感器。 2004 , 70 , 963–971. [ 谷歌学者 ] Misakova,L。; Jacquin,A。; Gay,M.使用VHR数据和面向对象分类绘制城市蔓延图。 2006年3月2日至3日,德国柏林,EARSeL SIG城市遥感第一次研讨会论文集。 Herold,M。; 加德纳,M。; 哈德利,B。; Roberts,D.从高分辨率光学遥感数据绘制城市土地覆盖图的光谱维度。 第三届城市地区遥感专题讨论会会议记录,土耳其伊斯坦布尔; 2002. [ 谷歌学者 ] 赛义德,S。; Dare,P。; Jones,S.。利用高分辨率图像和激光雷达数据对土地覆盖特征进行自动分类:一种面向对象的方法。 澳大利亚墨尔本空间科学研究所国家两年期会议记录; 2005. [ 谷歌学者 ] Ben-Dor,E.城市应用的图像光谱分析。 在 成像光谱法。 ; Van der Meer,F.,De Jong,S.,编辑。; Kluwer学术:多德雷赫特,荷兰,2001年; 第243-281页。 [ 谷歌学者 ] 陈,J。; Hepner,G.用于区分城市土地覆盖物和地表材料的成像光谱法研究。 2001年ASPRS年度会议记录,美国密苏里州圣路易斯; 未分页的CD-ROM。2001。 [ 谷歌学者 ] Herold,M。; 罗伯茨,D。; 加德纳,M。; Dennison,P.用于城市地区遥感的光谱法——350至2400 nm光谱库的开发和分析。 遥感环境。 2004 , 91 , 304–319. [ 谷歌学者 ]