滨海湿地信息提取方法比较研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (33): 244-248.

• 工程与应用 • 上一篇

滨海湿地信息提取方法比较研究

慈慧1，2，秦勇1，2，杨慧1，2，李国强3，酆格斐4

1.中国矿业大学资源与地球科学学院，江苏徐州 221116
2.煤层气资源与成藏过程教育部重点实验室，江苏徐州 221116
3.徐州师范大学科文学院，江苏徐州 221009
4.徐州师范大学语言研究所，江苏徐州 221009

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-21 发布日期:2011-11-21

Study on extraction methods of coastal wetland information

CI Hui1，2，QIN Yong1，2，YANG Hui1，2，LI Guoqiang3，FENG Gefei4

1.School of Mineral Resources and Earth Science，China University of Mining & Technology，Xuzhou，Jiangsu 221116，China
2.Key Lab of CBM Resources and Pooling Process，Ministry of Education，Xuzhou，Jiangsu 221116，China
3.College of Kewen，Xuzhou Normal University，Xuzhou，Jiangsu 221009，China
4.Institute of Linguistics，Xuzhou Normal University，Xuzhou，Jiangsu 221009，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-21 Published:2011-11-21

摘要/Abstract

摘要： 以江苏省典型滨海湿地为研究对象，利用2005年5月26日的Landsat7 ETM+图像数据，在湿地特征及其遥感图像表征分析的基础上，逐步提高湿地信息的提取精度，通过对多光谱遥感图像特征向量的分析，总结出一些湿地信息提取的规则和方法。在滨海湿地光谱特征分析的基础上，对研究区的图像进行了非监督分类，利用湿地的光谱相应特征、纹理特征、主成分变换、归一化差异水体指数等特征和相应的知识规则，得到用于优化分类的知识规则，采用分层分类的方法对非监督分类的结果进行了优化，从而使提取结果的精度较原来有了很大程度的提高。还利用给予数据挖掘的分层分类法进行分类比较，通过建立误差矩阵和对比各种分类方法的分类精度，总结出一套分类精度较高的针对该研究区的湿地信息提取方法。

关键词: 滨海湿地, 非监督分类, 知识规则, 信息提取

Abstract: The coastal wetlands in the northern part of Jiangsu province are taken as study object and the technology about the extraction of wetland is explored by using multi-features and multi-spectral Landsat7 ETM+ acquired on May 26，2005，in combination with the analysis upon the spectral feature of wetlands.Based on the analysis of the characteristics of spectrum about the wetland，unsupervised classification on the image of study area is conducted.By using the spectral feature of wetlands，texture，principal component analysis，NDWI and relative knowledge rules，the results of unsupervised classification are improved.By comparison，the classification accuracy of extraction by using unsupervised knowledge rules is very high.

Key words: coastal wetland, unsupervised classification, knowledge rules, information extraction

慈慧1，2，秦勇1，2，杨慧1，2，李国强3，酆格斐4. 滨海湿地信息提取方法比较研究[J]. 计算机工程与应用, 2011, 47(33): 244-248.

CI Hui1，2，QIN Yong1，2，YANG Hui1，2，LI Guoqiang3，FENG Gefei4. Study on extraction methods of coastal wetland information[J]. Computer Engineering and Applications, 2011, 47(33): 244-248.

[1]	杜博远1，王美清1，陈长福2，陈飞1. 基于结构一致和特征学习的网页信息标签提取[J]. 计算机工程与应用, 2017, 53(7): 74-78.
[2]	乔闹生1，张奋2. 一种印刷电路板缺陷图像边缘信息提取方法[J]. 计算机工程与应用, 2015, 51(20): 11-15.
[3]	严太山，郭观七，周嘉伟. 一种电子商务网站评价知识规则挖掘方法[J]. 计算机工程与应用, 2013, 49(22): 262-265.
[4]	阎继宁1，2，3，周可法1，2，王金林1，王珊珊1，汪玮1，李东1，2，3. 基于SAM与SVM的高光谱遥感蚀变信息提取[J]. 计算机工程与应用, 2013, 49(19): 141-146.
[5]	董保根1，秦志远1，陈静2，徐验兵3. 无需阈值支持的机载LiDAR点云数据滤波方法[J]. 计算机工程与应用, 2013, 49(15): 219-223.
[6]	范帆1，关佶红2. 工程图纸字符串及标注信息提取[J]. 计算机工程与应用, 2012, 48(7): 161-164.
[7]	李龙翔1，胡晓东2，沈占锋2，明冬萍1，2，宋卓沁1，2. 对象化过程中的快速标号算法研究[J]. 计算机工程与应用, 2012, 48(6): 193-195.
[8]	戴芹，刘建波，刘士彬. 群智能方法在遥感信息提取中的应用分析[J]. 计算机工程与应用, 2011, 47(4): 13-16.
[9]	薄树奎，刘华. 类别划分对特定类别信息提取的影响[J]. 计算机工程与应用, 2011, 47(24): 193-195.
[10]	李晓霞1，2，汪云甲1，2. 面向对象的高分辨率影像采煤塌陷地提取[J]. 计算机工程与应用, 2011, 47(23): 239-241.
[11]	戢晓峰¹，黄永忠³，何增辉²，韩春华¹. 面向诱导的交通状态信息提取方法[J]. 计算机工程与应用, 2010, 46(25): 16-18.
[12]	方加沛，黄战. 基于单类别文档分类的主题爬虫[J]. 计算机工程与应用, 2010, 46(16): 63-66.
[13]	孟军,刘秋水,王秀坤. 节点频度和语义距离相结合的网页正文信息抽取[J]. 计算机工程与应用, 2009, 45(1): 140-143.
[14]	朱琳¹,关佶红²,周水庚¹. Skyline计算研究综述[J]. 计算机工程与应用, 2008, 44(6): 160-165.
[15]	慈慧,张行南,阮仁宗. 基于ETM+遥感数据的滨海湿地信息提取研究[J]. 计算机工程与应用, 2008, 44(21): 109-112.

滨海湿地信息提取方法比较研究

Study on extraction methods of coastal wetland information

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics