基于多尺度分割的遥感影像滨海湿地分类_费鲜芸

基于遥感技术的湿地分类与评价研究湿地是地球上一种生态系统的重要组成部分，它们在维持生态平衡和提供生物多样性方面起着重要的作用。

因此，湿地的分类与评价对于环境保护和生态管理具有重要意义。

遥感技术的发展为湿地分类与评价研究提供了新的途径和工具。

本论文将介绍遥感技术在湿地分类与评价中的应用，并探讨其优势和研究存在的问题。

一、遥感技术在湿地分类中的应用湿地的分类是湿地监测与管理的基础，传统的湿地分类方法主要基于实地调查和制图，费时费力且缺乏时效性。

而遥感技术则可以通过获取卫星、航空和无人机遥感数据，结合数学模型和分类算法，对湿地进行快速、自动、定量的分类。

1. 遥感图像预处理遥感图像预处理是湿地分类的第一步，主要包括辐射校正、大气校正和几何校正。

辐射校正用于保证图像的灰度值和目标微量讯息的一致性，大气校正通过剔除大气散射影响提高地物信息的获取精度，几何校正则通过重投影使得实地信息能够与图像信息相对应。

2. 特征提取特征提取是湿地分类的关键步骤。

遥感数据中包含了大量信息，不同波段和多光谱影像所提供的特征具有不同的分类能力，常用的包括反射率、光谱特征、纹理特征和形状特征等。

特征提取通过对遥感数据进行数学和统计分析，提取代表湿地类型的特征参数。

3. 分类算法由于湿地具有多样性和复杂性，分类算法的选择对于湿地分类结果至关重要。

常用的分类算法包括支持向量机（SVM）、随机森林（RF），最大似然法等。

这些算法通过对提取的特征进行聚类和判定，将湿地图像进行分类。

二、遥感技术在湿地评价中的应用湿地评价主要是针对湿地健康状况和生态功能进行评估，通过遥感技术可以实现对湿地面积、植被覆盖度、水体面积等参数的获取与分析。

1. 湿地健康状况评估湿地健康状况评估是湿地保护和恢复的基础。

遥感技术可以通过获取不同时间点的湿地遥感数据，利用面积变化、植被指数等参数，评估湿地的健康状况和湿地面积的变化趋势。

2. 生态功能评估湿地是生态系统的重要组成部分，对生态功能的评估是湿地管理的重要课题。

一种基于多阈值的形态学提取遥感图象海岸线特征方法瞿继双;王超;王正志【期刊名称】《中国图象图形学报》【年(卷),期】2003(008)007【摘要】在利用遥感数据进行海洋监测、海事救援、海洋污染监控等应用时,往往需要首先确定图象的海岸线特征,也就是说,需要对图象中海岸线进行分割提取.阈值方法是一类简洁而有效的图象分割方法,其虽可以用于检测遥感图象中的海岸线特征,然而用传统的阈值方法来对光学遥感图象进行海岸线检测时,对于图象中沿海岸线的物体阴影、散射特性很弱的植被、很暗的人工设施、受噪声影响的海湾水域等往往缺乏足够的区别辨识能力.为此提出了一种基于多阈值的形态分割方法,该方法首先将阈值检测后的孤立区域划分为内陆、外海和沿海岸线3种孤立区域,然后根据区域距离和最小路径的定义,并利用形态学算子来对沿海岸线的孤立区域进行处理,以提高海岸线检测的精确度和降低误检率,实验结果表明,该方法不仅提高了对上述物体阴影、植被、暗的人工设施的准确检测率,而且该方法较传统的阈值方法具有更好的检测效果.【总页数】5页(P805-809)【作者】瞿继双;王超;王正志【作者单位】国防科学技术大学自动控制系机器人实验室,长沙,410073;中国科学院遥感应用研究所开放实验室,北京,100101;中国科学院遥感应用研究所开放实验室,北京,100101;国防科学技术大学自动控制系机器人实验室,长沙,410073【正文语种】中文【中图分类】TP751.1【相关文献】1.基于模板匹配和形态学的掌纹线特征提取方法 [J], 彭其胜;陈华华2.一种基于数学形态学的遥感图象边缘检测算法 [J], 王宇;王乘;刘吉平3.一种基于数学形态学和模板匹配的掌纹线特征提取方法 [J], 彭其胜4.一种基于空间滤波方法的地性线特征智能提取方法探究 [J], 赵迪; 陈哲夫; 莫操湖; 金古月5.一种基于空间滤波方法的地性线特征智能提取方法探究 [J], 赵迪; 陈哲夫; 莫操湖; 金古月因版权原因，仅展示原文概要，查看原文内容请购买。

基于变化检测的滨海湿地图高效更新方法
万剑华;厉梅;任广波;马毅
【期刊名称】《国土资源遥感》
【年(卷),期】2013(025)004
【摘要】目前对变化剧烈的海岸带区域的遥感监测仍依赖于效率较低的人工提取,其结果现势性较差,且是对整幅图的重新提取,无法满足管理部门对海岸带监测的现势性要求.针对该问题,提出了基于遥感图像变化检测的滨海湿地专题图高效更新方法.首先采用差值-主成分分析方法获取监测时段内发生变化的滨海湿地区域;然后采用决策树分类方法对变化区域进行分类;最后利用变化区域的分类结果更新历史专题图,实现对已有专题图的更新.以更新辽宁省双台河口国家级自然保护区滨海湿地专题图为例,证实该文提出的方法高效、准确,且易于操作,具有在滨海湿地资源调查中推广的价值.
【总页数】6页(P85-90)
【作者】万剑华;厉梅;任广波;马毅
【作者单位】中国石油大学(华东),青岛 266555;中国石油大学(华东),青岛 266555;国家海洋局第一海洋研究所,青岛 266061;国家海洋局第一海洋研究所,青岛266061;国家海洋局第一海洋研究所,青岛 266061
【正文语种】中文
【中图分类】TP75
【相关文献】
1.基于Python的ArcGIS Server地图瓦片定时自动更新方法 [J], 马卫春;杨友长
2.基于MOGIS的导航地图增量更新方法研究 [J], 黄国兴
3.一种基于变化检测的LiDAR点云DEM更新方法研究 [J], 王杰栋;俞涵
4.基于高分辨率遥感影像分类的地图更新方法 [J], 万幼川;宋杨
5.基于大规模浮动车轨迹点数据的道路网变化检测与更新方法研究 [J], 赵东保;刘雪梅;张弘弢
因版权原因，仅展示原文概要，查看原文内容请购买。

基于Sentinel-1A雷达影像的DEM提取方法
巢子豪;谢宏全;费鲜芸
【期刊名称】《淮海工学院学报（自然科学版）》
【年(卷),期】2015(024)002
【摘要】合成孔径雷达干涉测量是一种提取数字高程模型、探测地表形变的新技术,近年来已成为快速获取精确DEM的重要手段.以Sentinel-1A雷达影像为数据源,基于InSAR技术提取日本四国岛地区的DEM.结果表明,利用InSAR生成的DEM总体上符合该地区实际地形.基于InSAR技术的Sentinel-1A雷达影像反演DEM在日本四国岛地区是行之有效的.
【总页数】3页(P56-58)
【作者】巢子豪;谢宏全;费鲜芸
【作者单位】淮海工学院测绘工程学院,江苏连云港222005;淮海工学院测绘工程学院,江苏连云港222005;淮海工学院测绘工程学院,江苏连云港222005
【正文语种】中文
【中图分类】X87
【相关文献】
1.基于Sentinel-1A雷达影像的SBAS技术在r地表形变中的应用 [J], 杨亚彬;李慧
2.基于Sentinel-1A雷达影像的思茅松林蓄积量估测 [J], 杨明星;徐天蜀;牛晓花;霍鹏;岳彩荣
3.基于OLI影像和DEM的山区水体提取方法 [J], 赵冰雪; 王雷; 胡和兵
4.基于TerrSolid对机载雷达DEM重提取方法研究 [J], 王瑚; 周光耀; 周海龙
5.基于Sentinel-1A雷达影像地表覆盖信息提取研究 [J], 梁学鹏;王井利;王挥云因版权原因，仅展示原文概要，查看原文内容请购买。

基于SAM算法的遥感影像湿地植被分类作者：李明泽张培赢来源：《森林工程》2015年第02期摘要：以黑龙江省扎龙自然湿地保护区高光谱遥感影像为试验区域，通过对野外试验调查数据和预处理后的高光谱遥感影像进行前期处理，再采用光谱角填图（SAM）图像分类方法进行植被分类实验得出结果，并与最大似然法和支持向量机（SVM）分类方法结果进行对比研究分析，通过实验结果得出误差矩阵和精度评价分析，得到最大似然法的总体分类精度和以及Kappa系数是最低的，而光谱角填图分类方法的总体精度为89.87%，Kappa系数为0.880 7，分类结果要好于其他两种分类方法，其对高光谱遥感影像植被分类实验更具有准确性和实用性。

关键词：光谱角填图；植被分类；精度评价中图分类号：S 757.1 文献标识码：A 文章编号：1001-005X（2015）02-0008-06Abstract：This paper takes the hyperspectral remote sensing image of Zhalong protection wet land in Heilongjiang province as a test，preprocesses the field collected data and the pretreatedhyperspectral remote sensing image，applies the method of SAM to classify the vegetation，andcompares with the results derived by using the maximum likelihood method and the SVM method.Through the error matrix and accuracy assesment，it is found that the accuracy of classification by the maximum likelihood method and Kappa coefficient are the lowest，while the accuracy of SAM is as high as 89.87% and the Kappa coefficient is 0.8807，which is better than the results of the other two methods.It is shown that SAM is more useful and practical to classify vegetation based on hyperspectral remote sensing image.Keywords：SAM；vegetation classification；classification accuracy湿地被誉为地球上最重要的生态系统之一，但随着人类社会的发展破坏，导致自然生存条件逐渐恶劣。

一种基于分割图斑的海岸带遥感图像分类方法吴均平;毛志华;陈建裕;潘德炉【期刊名称】《海洋学研究》【年(卷),期】2006(024)002【摘要】传统的基于象元的分类方法在处理海岸带这类动态多变、混杂度大的地物时常出现"椒盐现象",难以矢量化形成专题图.提出了一种新的遥感图像分类方法--基于分割图斑的分类法,即选择一个合适的尺度,利用光谱信息按照一定的策略将图像分割为一系列的图斑,并确保图斑内大多数象元的光谱特征相近,分别对图斑内诸象元进行统计,求出各个波段的均值,用该均值替换图斑内所有象元的原始亮度值,这样分类时可以确保同一图斑内的所有象元被分到同一个类别中,从而有效地避免了"椒盐现象",使分类结果便于矢量化成图,也便于对特定地物的提取.实验结果表明,该方法还能在一定程度上提高分类精度.【总页数】9页(P70-78)【作者】吴均平;毛志华;陈建裕;潘德炉【作者单位】国家海洋局,第二海洋研究所,国家海洋局,海洋动力过程与卫星海洋学重点实验室,浙江,杭州,310012;国家海洋局,第二海洋研究所,国家海洋局,海洋动力过程与卫星海洋学重点实验室,浙江,杭州,310012;国家海洋局,第二海洋研究所,国家海洋局,海洋动力过程与卫星海洋学重点实验室,浙江,杭州,310012;国家海洋局,第二海洋研究所,国家海洋局,海洋动力过程与卫星海洋学重点实验室,浙江,杭州,310012【正文语种】中文【中图分类】TP751.1【相关文献】1.基于分割区域及特征相似度的玉米田遥感图像分类方法 [J], 王肖霞;杨风暴;梁若飞;冯裴裴;2.基于分割区域及特征相似度的玉米田遥感图像分类方法 [J], 王肖霞;杨风暴;梁若飞;冯裴裴3.一种加入空间关系的海岸带遥感图像分类方法 [J], 吴均平;毛志华;陈建裕;白雁;陈晓东;潘德炉4.基于云理论的遥感图像土地利用分割分类方法研究 [J], 陈可蕴;陈志扬5.一种基于谱聚类算法的高光谱遥感图像分类方法 [J], 杨随心;耿修瑞;杨炜暾;赵永超;卢晓军因版权原因，仅展示原文概要，查看原文内容请购买。

基于多尺度分析的遥感图像分类技术研究遥感技术作为一种高新技术，已经在城市规划、土地利用、水资源管理等多个领域得到了广泛的应用。

而基于遥感图像的分类技术则是应用遥感技术实现对地物信息自动提取的基础，因此在各个领域的研究中也得到了越来越多的关注。

本文主要讨论基于多尺度分析的遥感图像分类技术的研究。

一、遥感图像分类技术的基本原理遥感图像分类技术实际上是一种通过计算机算法对遥感图像中的地物信息进行区分的技术。

在实现这一目标的过程中，主要需要经历以下几个步骤：1、预处理：遥感图像在采集和传输过程中可能会受到照射角度、时间、环境等因素的影响，因此首先需要对采集的图像进行去除噪声、纠正偏差等预处理工作。

2、特征提取：在预处理完成之后，需要通过数学模型对图像进行特征提取，形成对地物的数学描述，包括颜色、纹理、形状等。

3、分类：得到了图像的特征之后，即可利用各种分类算法，在计算机上实现对图像信息的区分。

对于遥感图像分类技术而言，最重要的一环就是特征提取。

因为地物信息的复杂性和多样性，导致对其特征提取方法的研究也变得愈加复杂和细致。

二、多尺度特征分析在遥感图像分类中的应用2.1 多尺度概念多尺度概念是指在地学领域中，地球表面或生态系统的某一特定区域具有不同空间尺度和时间尺度上的过程或事件。

在遥感分类技术中，当空间分辨率太高以至于未能充分准确地捕捉到许多地物时，引入多尺度特征分析可以有效地提高分类的准确性。

2.2 多尺度特征提取方法多尺度特征提取方法可分为“多次下采样再分类”和“分级分析再集成”的两种方式。

1）多次下采样再分类针对传统的最常用的单尺度分类方式，这里提出了一种对于能耗和效率都更优的解决方案——多次下采样再分类。

其思路是在原始高分辨率遥感图像的基础上进行多次下采样，获得一系列不同空间分辨率的遥感图像，再分别对这些图像进行分类，最后将分类结果通过复合处理的方式得到最终分类结果。

这种方法不仅可以有效地避免过度拟合和欠拟合的问题，同时也可以提高计算效率。

基于高分辨率遥感影像的滇池湖滨湿地植被类型监测程晋昕;余凌翔;鲁韦坤【摘要】利用多源高分辨率遥感影像,结合图像分割与人机交互判实技术,分建设前(2007～2008年)、建设中(2011年)、建设后(2013年)3个时期对滇池湖滨湿地进行植被分布信息提取与面积统计,进而对其演变规律进行分析.结果表明:随着“滇池湖滨生态带工程”的推进,环湖带乔木与灌木、沉浮水植物、草本植物3类湿地群落面积的总和从建设前的120.39 hm2提高至建设中的1747.54 hm2,再到建设后的1868.91 hm2,占总面积的比例分别为5.49％、79.61％和85.14％,湖滨湿地面积显著提升;建设前主要植被类型为作物植被,占总面积的51.98％,建设后缩减至3.87％,逐步演化为自然植被,主要种类为中山杉(Ascendens mucronatum)、芦苇(Phragmites australis)等,群落多样性与景观格局也有了较大改观.【期刊名称】《云南地理环境研究》【年(卷),期】2013(025)006【总页数】7页(P1-7)【关键词】高分辨率;湿地;植被分类;滇池;湖滨【作者】程晋昕;余凌翔;鲁韦坤【作者单位】云南省气候中心,云南昆明650034;云南省气候中心,云南昆明650034;云南省气候中心,云南昆明650034【正文语种】中文【中图分类】Q948湿地作为生物多样性最为丰富的生态系统，具有丰富的生态服务功能与资源利用价值[1]。

滇池是中国第六大淡水湖，在过去数十年中，不合理开发利用导致了湖滨生态湿地的严重退化，自然湿地景观与生物多样性锐减。

随着“滇池湖滨生态带工程”的推进，湖滨带植被群落与生态环境发生了较大改观，开展滇池湿地植被类型变化监测，对滇池环境监测、生态价值评估、管理维护、科学研究都具有重要意义。

以传统的测绘与取样方法进行环湖湿地监测工作，面临范围过大、费时费力的问题，而遥感技术宏观、高效、经济的特点在广泛的研究与应用中得到了充分的证实，已成为大面植被监测的重要技术手段[2-5]。

基于遥感的湿地生态功能监测研究一、引言湿地作为地球上重要的生态系统之一，具有丰富的生态功能，如蓄水调洪、净化水质、调节气候、维持生物多样性等。

然而，随着人类活动的不断扩张和气候变化的影响，湿地生态系统面临着日益严峻的威胁。

为了有效地保护和管理湿地，对其生态功能进行准确监测至关重要。

遥感技术的发展为湿地生态功能监测提供了强有力的手段，能够实现大面积、快速、动态的监测，为湿地保护和管理决策提供科学依据。

二、遥感技术在湿地生态功能监测中的应用（一）湿地面积和分布监测通过高分辨率的遥感影像，可以清晰地识别湿地的边界和范围，从而准确地监测湿地面积的变化。

同时，利用多时相的遥感数据，还能够分析湿地分布的动态变化趋势，为湿地保护规划提供基础数据。

（二）湿地植被监测遥感技术可以获取湿地植被的类型、覆盖度、生物量等信息。

不同类型的植被在遥感影像上具有不同的光谱特征，通过光谱分析和图像分类技术，可以对湿地植被进行分类和监测。

此外，利用植被指数（如 NDVI）可以定量评估植被的生长状况和活力。

（三）湿地水质监测遥感影像中的水体光谱特征与水质参数（如悬浮物浓度、叶绿素 a含量、透明度等）密切相关。

通过建立水质参数与遥感光谱之间的定量关系模型，可以实现对湿地水质的大面积监测和评估，及时发现水质污染问题。

（四）湿地土壤监测利用遥感技术可以获取湿地土壤的水分含量、盐度等信息。

例如，微波遥感能够穿透植被和土壤表层，对土壤水分进行监测；高光谱遥感则可以分析土壤的化学组成和盐分含量。

（五）湿地生态系统服务功能评估基于遥感监测获取的湿地生态参数，结合生态模型，可以评估湿地生态系统提供的服务功能，如蓄水功能、碳储存功能、栖息地功能等。

这有助于全面了解湿地的生态价值，为生态补偿和政策制定提供依据。

三、遥感数据的选择与处理（一）遥感数据类型在湿地生态功能监测中，常用的遥感数据包括光学遥感数据（如Landsat、Sentinel-2 等）、微波遥感数据（如 Radarsat、Sentinel-1 等）和高光谱遥感数据。

基于深度学习的高分辨率遥感图像海陆分割方法1. 引言1.1 背景介绍基于深度学习的海陆分割方法近年来备受关注，其通过构建深层神经网络模型，实现对海陆图像中复杂特征的自动学习和提取，取得了较好的分割效果。

深度学习技术的发展为海陆分割提供了新的思路和解决方案，使得分割精度和效率得到了显著的提升。

本文旨在探讨基于深度学习的高分辨率遥感图像海陆分割方法，借助深度学习技术的优势，提高海陆分割的精度和鲁棒性，促进遥感图像在海洋科学、资源管理等领域的应用。

通过实验验证和结果分析，进一步探讨该方法的优势和不足，为海陆分割技术的发展提供参考和借鉴。

1.2 研究意义遥感图像海陆分割是遥感领域的一个重要问题，对于海岸线监测、海洋资源管理、环境保护等具有重要意义。

传统的海陆分割方法通常依赖于手工设计的特征和规则，难以适应图像的复杂多变性，而基于深度学习的方法可以自动学习图像的特征表示，具有更好的适应性和泛化能力。

基于深度学习的高分辨率遥感图像海陆分割方法在提高分割准确度、增加分割效率方面具有重要意义。

深度学习技术在图像处理领域取得了巨大成功，其强大的特征学习能力和表征能力使得在海陆分割问题上取得了很好的效果。

通过深度学习算法，可以有效地提取遥感图像中的海陆信息，从而实现对海陆的精确分割。

这不仅可以为海岸线监测、海洋环境保护等领域提供可靠的数据支持，还可以为相关决策提供科学依据。

研究基于深度学习的高分辨率遥感图像海陆分割方法具有重要意义，可以推动遥感图像分割技术的发展，提高分割准确度和效率，为海洋资源管理、环境保护等领域提供更好的数据支持。

1.3 研究现状目前，遥感图像海陆分割是遥感图像处理领域的重要研究方向之一。

在过去的几十年里，研究人员已经提出了许多不同的海陆分割方法，包括基于传统机器学习算法的方法和基于深度学习的方法。

传统的机器学习方法通常需要手工设计特征和规则来进行图像分割，这会限制算法的性能和泛化能力。

而近年来，深度学习技术的迅速发展为海陆分割问题提供了新的解决方案。

基于多时相遥感影像的滨海湿地监测方法研究慈慧;郭朋辉;秦勇;杨慧【摘要】湿地的现状及其变化趋势对于湿地开发、利用、管理及保护政策的制定至关重要.以江苏省典型滨海湿地为研究对象,利用2002年5月和2007年6月的Landsat7 ETM+图像数据,在分析湿地特征及其遥感图像表征的基础上,通过对湿地多光谱遥感图像特征向量的分析,对2002年的影像进行基于知识规则的信息提取,对2007年的影像采用监督分类与非监督分类相结合的方法进行分类,两者都取得了较为理想的分类结果,最后对分类后的两期影像分别采用分类后比较法和RB-NDVI-NDMI法进行滨海湿地的变化监测.经对比发现,这两种方法得到的总体变化基本一致,都显示研究区的湿地面积正在减少,自然湿地退化较为严重,且更多地转变为稻田和旱地.两种监测方法各有利弊,前者易受分类精度的影响,后者易受选取图像纹理特征的影响.【期刊名称】《广西师范大学学报（自然科学版）》【年(卷),期】2013(031)003【总页数】8页(P144-151)【关键词】江苏省滨海湿地;信息提取;变化监测;知识规则;多变量特征【作者】慈慧;郭朋辉;秦勇;杨慧【作者单位】中国矿业大学资源与地球科学学院,江苏徐州221116;煤层气资源及成藏过程教育部重点实验室,江苏徐州221116;中国矿业大学资源与地球科学学院,江苏徐州221116;中国矿业大学资源与地球科学学院,江苏徐州221116;煤层气资源及成藏过程教育部重点实验室,江苏徐州221116;中国矿业大学资源与地球科学学院,江苏徐州221116;煤层气资源及成藏过程教育部重点实验室,江苏徐州221116【正文语种】中文【中图分类】TP79湿地是水陆相互作用形成的特殊生态系统，是人类重要的生存环境和自然资源，也是自然界最富生物多样性的生态景观之一。

湿地经常位于深水系统和高地系统之间的边缘，受深水系统和陆地系统的共同影响，是地表长期或季节性积水的景观类型[1]。

盐城滨海湿地景观变化分段研究闫文文;谷东起;吴桑云;明洁【摘要】在ERDAS、ArcGIS等软件支持下,利用3S技术将1期研究区植被分布图和3期遥感影像,提取出4期盐城滨海湿地景观分布图,并对这4期的湿地景现属性数据进行分段对比,即按照控制研究区湿地景观分布的不同影响因素,将研究区从北向南分为3段区域进行对比分析.结果表明:盐城滨海湿地在1980-2008年期间,自然景观,包括河口水域、盐蒿滩、芦苇沼泽、互花米草滩等面积减少41 692.8 hm2,减少了49%.人工景观,包括养殖水域、盐田、建设用地,耕地等面积增加97 890.4 hm2,增加了180%;控制三个区域湿地景观变化的主要原因分别表现为:侵蚀作用、侵蚀淤积混合作用和淤积作用;控制整个研究区湿地景观变化的主要人为原因是围垦.【期刊名称】《海岸工程》【年(卷),期】2011(030)001【总页数】11页(P68-78)【关键词】滨海湿地;分段研究;盐城【作者】闫文文;谷东起;吴桑云;明洁【作者单位】国家海洋局第一海洋研究所,山东青岛266061;国家海洋局第一海洋研究所,山东青岛266061;国家海洋局第一海洋研究所,山东青岛266061;中国科学院海洋研究所海洋地质与环境重点实验室,山东青岛266071;中国科学院研究生院,北京,100049【正文语种】中文【中图分类】P931.1滨海湿地是江苏湿地资源中最为重要的一种湿地类型,由于滨海湿地是介于陆地和海洋生态系统间复杂的自然综合体[1],虽然它具有生物多样性丰富、生产力高和价值大的特点[2],但是其生态环境条件变化较为剧烈,生态系统也很容易受到破坏[3]。

盐城滨海湿地资源是整个江苏省海岸带社会经济发展的重要资源保证,是我国最重要的滨海湿地之一[4],因此应加强对该区滨海湿地景观变化、生态系统等的研究,利用多方法、多途径来获取滨海湿地景观变化信息,找到控制变化的主要原因是十分必要的,可为管理、保护和合理利用滨海湿地提供重要的依据和保障。

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３－３１０６．２０２４．０５．０１６引用格式：秦伦明，凌雪海，邹钰洁，等．基于ＳＦ Ｕｎｅｔ的高分辨率耕地遥感影像分割［Ｊ］．无线电工程，２０２４，５４（５）：１１９７－１２０４．［ＱＩＮＬｕｎｍｉｎｇ，ＬＩＮＧＸｕｅｈａｉ，ＺＯＵＹｕｊｉｅ，ｅｔａｌ．ＳｅｇｍｅｎｔａｔｉｏｎｏｆＨｉｇｈＲｅｓｏｌｕｔｉｏｎＲｅｍｏｔｅＳｅｎｓｉｎｇＩｍａｇｅｓｏｆＣｕｌｔｉｖａｔｅｄＬａｎｄＢａｓｅｄｏｎＳＦ Ｕｎｅｔ［Ｊ］．ＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，２０２４，５４（５）：１１９７－１２０４．］基于ＳＦ Ｕｎｅｔ的高分辨率耕地遥感影像分割秦伦明１，凌雪海１，邹钰洁２，龚杨洋１，边后琴１ ，王　悉３（１．上海电力大学电子信息工程学院，上海２０１３０６；２．国网上海市电力公司闸北发电厂，上海２００４３２；３．北京交通大学电子信息工程学院，北京１０００４４）摘　要：利用深度学习实现遥感影像耕地区域自动化检测，取代人工解译，能有效提升耕地面积统计效率。

针对目前存在分割目标尺度大且连续导致分割区域存在欠分割现象，边界区域情况复杂导致边缘分割困难等问题，提出了语义分割算法———ＳｗｉｎＴｒａｎｓｆｏｒｍｅｒ，ＴｒａｎｓＦｕｓｅａｎｄＵ Ｎｅｔ（ＳＦ Ｕｎｅｔ）。

为强化网络不同层次特征提取和信息融合能力，提升边缘分割性能，使用Ｕ Ｎｅｔ网络替代ＴｒａｎｓＦｕｓｅ网络中的ＲｅｓＮｅｔ５０模块；将ＶｉｓｉｏｎＴｒａｎｓｆｏｒｍｅｒ（ＶｉＴ）替换为改进后的ＳｗｉｎＴｒａｎｓｆｏｒｍｅｒ网络，解决大区域的欠分割问题；通过注意力机制构建的Ｆｕｓｉｏｎ融合模块将２个网络输出特征进行融合，增强模型对目标的语义表示，提高分割的精度。

实验表明，ＳＦ Ｕｎｅｔ语义分割网络在ＧａｏｆｅｎＩｍａｇｅＤａｔａｓｅｔ（ＧＩＤ）数据集上的交并比（ＩｎｔｅｒｓｅｃｔｉｏｎｏｖｅｒＵｎｉｏｎ，ＩｏＵ）达到了９０．５７％，分别比Ｕ Ｎｅｔ和ＴｒａｎｓＦｕｓｅ网络提升了６．４８％和６．０９％，明显提升了耕地遥感影像分割的准确性。

面向对象的海域使用变化遥感监测刘帆;施倩青;费鲜芸【摘要】基于SPOT-5和WorldView-2高分辨率遥感影像,采用面向对象的分类方法,通过多尺度图像分割,获取海域使用地物斑块;结合影像光谱特性、纹理特征等信息建立分类规则,提取海域使用信息,并通过空间叠置分析来定量分析研究区海域使用变化情况.结果表明,面向对象的多尺度分割方法有效提高了分类精度.该研究也分析了海域使用变化情况,研究区内变化主要集中在建筑用地的扩张上.该研究对研究区治理海洋有重要意义.【期刊名称】《淮海工学院学报（自然科学版）》【年(卷),期】2015(024)002【总页数】5页(P82-86)【关键词】高分辨率遥感影像;海域使用变化;多尺度分割;GIS【作者】刘帆;施倩青;费鲜芸【作者单位】淮海工学院测绘工程学院,江苏连云港 222005;淮海工学院测绘工程学院,江苏连云港 222005;淮海工学院测绘工程学院,江苏连云港 222005【正文语种】中文【中图分类】P715.7;P750 引言近年来江苏省沿海地区经济迅速发展，海域使用情况也发生了巨大变化，深刻影响着周围环境和生态安全［1］.为了准确地把握海域使用状况，更好地服务沿海开发，需要对海域使用状况进行更高精度的监测［2］.随着遥感技术的发展，遥感影像的空间分辨率越来越高，地物的光谱、形状、结构、纹理都得到较好的表现［3－5］.影像分类方法也在不断提高，面向对象的分类方法能够更好地反映各地类的多尺度和多特征特点，更能接近现实的地物变化过程，为高分辨率遥感影像信息提取提供了新的思路［6－8］.苏伟等［9］利用高分辨率遥感影像，选择合适的分割尺度和影像分割特征，提取了土地覆被信息，分类精度比传统方法提高了5.48%.S.Giada等［10］利用IKONOS影像提取了坦桑尼亚卢科莱难民营信息，空间准确度高达85%，统计准确度更是达到97%.虽然众多学者对面向对象方法在土地利用分类等方面做了大量的研究，但将该方法应用到海域使用动态监测方面的研究还较为缺乏，特别是根据海域的使用特点确定分割参数以及在建立分类规则集时还存在着较多的不确定性［11］.因此，本文利用SPOT－5遥感影像和 World－View－2遥感影像，基于面向对象的分类技术，对提取海域使用变化情况的方法进行研究.1 研究区选取与影像数据青口河入海口位于连云港市赣榆区，自然资源丰富.同时，该区域是连云港市沿海大开发的重点区域，地物变化明显，适合进行海域变化信息提取，变化特点也较为典型.本文选择SPOT－5影像和 WorldView－2影像作为实验数据，影像的相关信息如表1所示.2期影像的时间跨度为10年，影像清晰，能够满足研究需要.表1 遥感影像的基本信息Table 1 Basic information of remote sensing imageSPOT－5 2003年12月5 10 WorldView－2 2013年10月8 1.8由于2期影像时间跨度大，并且来自不同的传感器，所以为了确保影像信息的可参比行，减小误差，本文将2003年12月的影像配准到2013年10月的影像上，RMS控制在一个像元以内.又因为SPOT－5多光谱影像分辨率为10m，无法达到WorldView－2影像的精度，所以本文采用主成分分析融合方法将SPOT－5影像的多光谱影像和全色影像进行融合，融合后的影像空间分辨率为2.5m，并具有丰富的光谱信息，有利于之后分类及变化信息的提取.2 研究方法2.1 分类体系的建立及光谱特征分析根据土地利用分类标准，并结合实地考察，对研究区影像进行识别和分析.本文将研究区海域使用类型划分为水体、植被、建筑用地和其他用地4类.表2 研究区海域使用分类体系Table 2 Classification system of sea area utilization in the study area水体盐田、养殖区、河流，其中盐田养殖区形状规则、边界明显植被以假彩色打开时呈现红色，且主要集中在河流入海口附近建筑用地影像上呈现细条状且形状规则其他用地影像中除水体、植被、建筑用地之外的地物为充分了解各用地类型在不同影像数据下各个波段的光谱特征，分类前，分别对4种类型地物选取样本像元，求取其灰度值的平均值，进行光谱特征分析［12］，结果如图1所示.图1 影像光谱特征Fig.1 Image spectral characteristics2.2 研究区海域使用信息提取2.2.1 面向对象的多尺度分割相较于传统方法中基于单个像素的影像分类技术，面向对象的图像分析技术能够充分利用除光谱特征外的其他特征信息，使地物目标分类识别更加详细、准确、快速.在该方法中，首先按照一定的尺度将遥感影像分割成一系列的同质影像对象即特征基元，然后以基元为基础进行特征统计和地物的面向对象分类.分割尺度不同或同一尺度下每一对象异质性的不同，都会对分类结果产生影响.因此，多尺度图像分割是面向对象分类的基础［2］.根据建立的海域使用分类体系以及各类地物的影像特征，按照最大分类精度提取要求，反复试验求取最优尺度分割参数.2期影像的最优尺度分割参数设置如表3所示，然后得到面向对象的尺度分割结果图，其中图2a和b分别为SPOT－5和World－View－2的尺度分割结果.表3 最优尺度分割参数Table 3 Parameters of the best scale segmentationSPOT－5 1，1，1，1，4 70 0.2 0.5 WorldView－2 1，1，1，1，1，1，1，1 180 0.2 0.5图2 尺度分割结果Fig.2 Sketch map of scale segmentation results2.2.2 海域使用信息提取影像分割后，计算实体对象的光谱特征均值、NDVI指数、形状因子、纹理特征等参数，建立规则库，完成研究区海域使用信息的提取.然后利用GIS技术，将2003年和2013年的海域使用分类图进行叠加分析，提取海域使用转移信息，获取海域使用变化面积转移矩阵.表4 SPOT－5海域使用分类规则Table 4 SPOT－5classification regulation ofsea area utilization水体 Mean Layer 1＜＝75植被 NDVI＞＝－0.075非水体建筑用地 Mean＞＝75其他用地除植被和建筑用地以外的地类表5 WorldView－2海域使用分类规则Table 5 WorldView－2classification regulation of sea area utilization水体 Mean Layer 8＜＝220植被 NDVI＞＝－0.17非水体建筑用地 Shape index＞＝5其他用地除植被和建筑用地以外的地类3 结果分析3.1 研究区分类结果及其精度分析通过以上的分类过程，得到海域使用信息提取结果，如图3所示.为了对研究区的分类结果进行评定，本文随机自动选取检验点，建立混淆矩阵，对2期影像的分类结果进行精度评定，其结果如表6和表7所示.图3 影像分类结果Fig.3 Image classification results表6 SPOT－5混淆矩阵Table 6 SPOT－5confusion matrix类型类型水体植被建筑用地其他用地总和用户精度／%水体167 10 7 15 199 84植被 18 57 5 11 91 63建筑用地 6 6 31 6 49 63其他用地 21 11 8 121 161 75总和 212 84 51 153 500生产者精度／% 79 68 61 79总体分类精度：75%表7 WorldView－2混淆矩阵Table 7 WorldView－2confusion matrix类型类型水体植被建筑用地其他用地总和用户精度／%水体196 6 6 4 212 92植被 2 80 1 4 87 91建筑用地 6 3 40 0 49 82其他用地 6 3 143 152 94总和 210 92 47 151 500生产者精度／% 93 87 85 95总体分类精度：92%从2期影像的光谱特征分析结果（图1）可以看出，2期影像中水体分别在第1波段和第8波段光谱特征差异明显，因此可以通过光谱特征均值直接确定出研究区的水体区域.又因为研究区的水体主要为盐田，形状较为规则，由图2可以看出在进行尺度分割之后，水体已经有了比较完整的实体对象.在此基础上结合水体的光谱特性进行信息的提取，可以减小误差，有效提高精度.根据2期影像的尺度分割结果可以看出，WorldView－2影像中的建筑用地已经形成了闭合区域，形状较为规则，而SPOT－5影像的分割结果形状较不规则，因此，对于 World－View －2影像，通过计算形状特征参数（Shape index）就可以将建筑用地和其他用地区分，而SPOT－5影像则要利用灰度共生矩阵纹理均值（Mean）将二者区别.利用归一化植被指数（NDVI）可以很好地将植被与其他地物信息区分.从分类结果可以看出，由于水体形状规则且光谱特征明显，所以水体的分类结果精度较高.其中，WorldView－2影像的水体和植被在分类前已通过尺度分割形成了独立的闭合区域，再进行分类，分类精度较高.而建筑用地多与其他地物相邻，在尺度分割的过程中，不同类型间参数设置相似，导致其错分现象较为严重.而SPOT－5影像由于空间分辨率相对较低，分类结果精度相对较低，但各个地类的分类精度趋势与WorldView－2影像相近.3.2 海域使用变化分析利用GIS空间分析方法将2期海域使用分类图进行叠加分析，提取海域使用转移信息，获取海域使用转移矩阵.表8 2003年到2013年海域使用变化面积转移矩阵Table 8 Transfer matrix of the variation of sea area utilization from 2003to 2013 m22013年 2003年建筑用地其他用地水体植被总和建筑用地89 912 43 108 334 404 66 760 534 184其他用地 2 356 1 439 880 24 544 24 444 1 491 224水体 25 508 68 5401 642 380 103 540 1 839 968植被 36 204 102 532 134 836 146 988 420560总和153 980 1 654 060 2 136 164 341 732 4 285 936从表8中可以看出，研究区海域使用情况变化最大的是建筑用地，面积增加了0.38km2，其中有0.3km2是由水体转变而成的，植被和其他用地基本保持不变.在10年的变迁中，该区域的盐田并没有因为经济建设而大范围地消失.4 结论本文以SPOT－5和 WorldView－2高分辨率遥感影像为数据源，采用面向对象的多尺度分割方法，针对不同数据源建立分类规则，提取了研究区的海域使用信息，在提高了分类精度的同时，定量地描述了研究区海域使用变化情况.通过研究可以得出，面向对象的分类方法可以有效提高分类精度，但也存在由于影像分割引起的错分现象.同时也了解到研究区的海域使用变化主要集中在对以盐田为主的水体区域的改造利用上.本文研究为海洋环境、经济发展等提供了可靠的技术支持，对海洋管理具有重要意义.【相关文献】［1］颜银根.江苏沿海经济发展历史及研究现状［J］.江苏工业学院学报，2008，9（3）：37－41.［2］谢伟军，韩飞，张东，等.面向对象的海域使用专题信息遥感提取关键技术研究［J］.海洋环境科学，2014，33（2）：275－279.［3］黄瑾.面向对象遥感影像分类方法在土地利用信息提取中的应用研究［D］.成都：成都理工大学，2010.［4］曹雪，柯长青.基于对象级的高分辨率遥感影像分类研究［J］.应用技术，2006，27（4）：27－29.［5］庄翠蓉.一种基于面向对象的海岸带信息提取技术研究［J］.三峡环境与生态，2009，2（3）：27－30.［6］蒲智，刘萍，杨辽，等.面向对象技术在城市绿地信息提取中的应用［J］.福建林业科技，2006，33（1）：40－44.［7］谭衡霖，刘正军，沈伟.一种面向对象的遥感影像多尺度分割方法［J］.北京交通大学学报，2007，31（4）：112－119.［8］张俊，于庆国，侯家槐.面向对象的高分辨率影像分类与信息提取［J］.遥感技术与应用，2010，25（1）：112－117.［9］苏伟，李京，陈云浩，等.基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例［J］.遥感学报，2007，11（4）：521－530.［10］ GIADA S，DE GROEVE T，EHRLICH D，et rmation extraction from very high resolution satellite imagery over Lukole refugee camp，Tanzania［J］.International Journal of Remote Sensing，2003，24（22）：4251－4266.［11］徐京萍，赵建华，张丰收，等.面向对象的池塘养殖用海信息提取［J］.国土资源遥感，2013，25（1）：83－85.［12］ SONG C，WOODCOCK C E，SETO K C，et al.Classification and change detection using Landsat TM data：when and how to correct atmospheric effects［J］.Remote Sensing of Environment，2001，75（2）：230－244.［13］贾艳红，潘蓉，陈丽.基于ETM＋影像的连云港海岸带土地利用现状分析［J］.淮海工学院学报：自然科学版，2013，22（1）：53－56.。

基于资源三号遥感影像的湿地信息提取
杨冬
【期刊名称】《地理空间信息》
【年(卷),期】2022(20)4
【摘要】基于资源三号高分辨率遥感影像,提出了面向对象的湿地分区提取方法,结合光谱、形状、面积及纹理等多种湿地特征,对大洼县湿地资源进行逐类提取,并对提取结果进行精度评价。

该方法利用面向对象的影像分割和合并技术,将同质性较高的像元转化为对象,通过光谱特征和归一化植被指数将湿地分区,然后结合光谱、纹理和形状等特征对湿地进行逐类提取。

实验基于资源三号高分辨率遥感影像对大洼县湿地进行遥感提取,总体分类精度达94.03%,kappa系数为0.8617,与传统分类方法相比,提取精度上有一定提高,特别是在芦苇湿地和滩涂湿地的提取精度上有明显提高。

【总页数】4页(P65-68)
【作者】杨冬
【作者单位】辽宁省自然资源事务服务中心
【正文语种】中文
【中图分类】P237
【相关文献】
1.基于支持向量机的遥感影像湿地信息提取研究
2.基于ALOS遥感影像的湿地地表覆被信息提取研究
3.基于高空间分辨率遥感影像的湿地信息提取技术研究
4.基
于多源遥感影像融合的扎龙湿地信息提取5.基于多源遥感影像融合的扎龙湿地信息提取
因版权原因，仅展示原文概要，查看原文内容请购买。