基于决策树的面向对象变化信息自动提取研究

张雨霁①②，李海涛②，顾海燕②

（①辽宁工程技术大学测绘与地理科学学院，阜新，123000;

②中国测绘科学研究院，北京，100039）

摘要：为了从不同时相的遥感影像数据中自动地提取变化信息且保证其效率，本文结合面向对象分析技术，提出了一种基于决策树变化信息自动提取的新方法。该方法利用影像的特征指数及形状特征、光谱特征、纹理特征等作为特征集，将其作为知识库应用到决策树控制模型中，进而利用该模型实现自动分类。对所得到的分类后影像对象，组织分析其综合属性并作为决策规则再次分类，通过“双重分类”的方式实现面向对象的遥感影像变化信息自动提取。该方法为遥感影像变化信息自动提取提供了新的思路。

关键词：变化检测;面向对象;决策树;特征指数

Research on Object-Based Analysis of Automatic Change Information Extraction Based on Decision Tree

ZHANG Yuji①②，LI Haitao②, GU Haiyan②

（①Liaoning Technical University, Fuxin, 123000; ②Chinese Academy of Surveying and

Mapping, Beijing, 100830）

Abstract: In order to extract change information automatically from the different time remote sensing images and ensure the efficiency, a new automatic extraction method which is combined with the Object-Based Image Analysis technology based on the Decision Tree is presented in this paper. This method uses the features index and shape, spectral, texture of the image as a feature set to establish the decision tree model for automatic classification. Organize and analyse the synthesized attribute of image objects classified above, then use it as the decision rule to make classification the second time. We can bring about the automatic exaction of image change information by ‘double classification’ which is based on the Object-Based Image Analysis. This method offers a new thought for automatic extraction of remote sensing images change information.

Keywords: change detection; object-based; decision tree; feature index

收稿日期：修订日期：

基金项目：National T echnology Support Program [国家科技支撑项目]。 (Program: 2008BAC34B07__04). 作者简介：张雨霁（1985～），女，在读硕士，主要研究方向为遥感图像处理。

E-mail:YUJI-911@https://www.360docs.net/doc/5519201108.html,

1、引言

变化检测技术问世以来，以应用为导向，技术方法与手段日臻完善，应用深度和广度也在不断拓展。空间遥感获取技术的迅猛发展，使遥感数据的获取趋向三多（多传感器、多平台、多角度）和三高（高空间分辨率、高光谱分辨率、高时相分辨率）[1]，遥感数据的不断更新及实用化极大促进了变化检测理论和方法的变革。但与遥感获取技术取得的巨大进步相比，与其相配套的数据处理、分析和应用方法相对落后，大部分还只是停留在基于像元级别的影像分析处理，突出问题展现在卫星获取的遥感数据未能得到充分利用，对遥感信息认识不足和对遥感专题信息提取水平的滞后，自动化、智能化程度不高，效率及精度低下，这就造成了遥感信息资源的巨大浪费及应用价值的降低，使得变化检测的实效性难以满足。

针对这些不足，本文结合GIS空间数据挖掘和遥感技术，以如何得到变化属性类型，分析提取出地物变化信息为目标，突破传统意义上像元级的检测方法，提出了对同一地区不同时相的遥感影像，利用特征指数及分割后的对象特征，通过建立决策树模型，实现面向对象的变化检测新方法，实验证明了该方法的有效性与鲁棒性。

2、面向对象的变化信息自动提取

2.1 多尺度分割

对影像进行合理的分割得到影像对象，是面向对象变化信息提取的前提。本文采用多尺度分割技术，通过不同尺度的选择可将影像方便灵活地分割成由同质不规则多边形组成的不同分辨率影像对象层。形成的由多边形矢量边界包围的影像对象区域，达到了矢量与栅格的融合处理，为进一步的影像分析处理提供了大量可用信息。分割多采用区域增长算法[2]，每一层都由它直接的子对象构成，在下一个高层上，子对象合并为较大对象，不断分离合并的过程中自动建立起了一个与地表实体相似的层次等级结构，层次中的每个影像对象都明确其自身与上级、下级及同级对象之间的拓扑关系，实现了原始象元信息在不同空间尺度间的传递。

2.2 特征提取指数

1、归一化植被指数（NDVI）

Rouse J W[3]等人提出的NDVI作为目前最常用的植被指数之一主要用于植被信息提取、植被监测和植被物候等研究。其计算公式为

red

nir

red

nir

NDVI

= (1)

nir代表近红外波段，red代表红波段。

2、归一化水体差异指数（NDWI）

Mcfeeters[4]提出的NDWI，是一种根据波段间比值进行分类的方法。它主要用于提取水体信息，同时削弱土壤、陆生植物在图像中的亮度值，勾画水域边界等。其计算公式为

nir

green

nir

green

NDWI

= (2)

green代表绿波段，nir代表近红波段。

3、归一化建筑物差异指数（NDBI）

ZHA Y[5]提出的NDBI主要用于提取由各种不透水建筑材料所覆盖的表面, 如由瓦片、沥青、水泥混凝土等材料构成的建筑物、路面和停车场等。其计算公式为

mir

nir

mir

NDBI

= (3)

mir代表中红外波段，nir代表近红波段。本文选取TM影像中的第五波段（短波红外波段）替代mir。

2.3 面向对象的决策树分类

面向对象决策树分类方法是一种建立在先验知识的基础上的分层次处理结构。该方法利用总结的特征提取指数及分割后所得对象的形状、语义等特征作为建立决策树所描述的多项判断准则，对影像中各对象进行逐层识别和归类，逐步将待提取目标从地物中分离出来，避免此目标对其他目标提取时造成的干扰和影响，通过若干次中间判别最终将所有数据图层复合以实现图像的自动分类。即通过一组独立变量，将一个复杂数据集逐步分解为更纯、更同质的子集的过程。其基本思想是通过一些判断条件对原始数据集逐步进行二分和细化，其中，每一个分叉点代表一个决策判断条件，每个分叉点

下有两个叶结点，分别代表满足和不满足条件的类别[6,7,8]。

2.4变化信息自动提取过程

本试验利用对影像多尺度分割后影像对象的形状指数、特征提取指数等特征，建立面向对象决策树模型分别对不同时相的TM 影像进行面向对象分类，对分类后的结果，利用影像层次间相应类别及对应位置对象间的语义关系进行再分类，双重分类后最终实现变化信息的自动提取。具体过程如下：第一步：对输入影像进行多尺度分割获取影像对象（试验中尺度选择10，形状异质性权重系数选择0.1，光谱异质性权重系数选择0.9，紧致度指数权重系数选择0.5，光滑度指数权重系数选择0.5）。

第二步：利用对象的特征提取指数及形状指数建立面向对象决策树分类层次模型（本试验主要分析提取水体、裸地、稀疏植被及茂密植被四个类别变化信息）。

图1 面向对象决策树分类模型

第三步：利用面向对象决策树分类模型分别对前后时相的影像进行面向对象的分类处理，分别得到分类后前后时相单波段影像层。试验分类后结果如图5（b）（d）所示。

第四步：将前后时相单波段分类后影像分别按类别赋予层次属性值（前一时相赋予2，后一时相赋予1），使各对象都明确各自属于哪层哪类。

第五步：用前一时相的影像对象层分割后的各均质区域去限定相应位置后一时相影像对象层分割后的各均质区域，使其形状与前一时相保持一致，但区域内的属性值各自保留，举例如图2。

图2 影像对象匹配化

统计分析相同形状区域内的变化情况（与前一时相的均值区域相比后一时相异质情况），所选类别影像对象存在赋值为1，不存在赋值为0。具体例子如表1：

表1 地物类别变化信息分析表

就样，每个影像对象就具备了层次、类别、位置及存在与否这四种属性，通过四重属性的索引，就可以进行不同层次不同类别间对应位置影像对象的比对分析了。

第六步：创建用于显示变化信息的显示层，并赋予层次属性值0。将该层与面向对象决策树分类后的层次属性值分别为1、2的后、前时相影像对象层进行叠加处理。

第七步：对于变化信息提取各个类别(水体、裸地、稀疏植被及茂密植被)采用表1方式，即可表示出地物的变化情况。这样，将不同的变化情况利用不同颜色属性值在0层中予以显示表达，通过分类后再次分类的

方式，实现变化信息的自动提取。图3描述了面向对象变化信息提取的初略过程。图4为变化信息提取结果。

图3 面向对象变化信息提取流程

图4

变化信息提取结果

（a）1991年6月原始TM影像（b）1991年6月面向对象分类后影像

（c）2000年7月原始TM影像（d）2000年7月面向对象分类后影像

图5 面向对象决策树分类最终结果

3、精度评价

本文选用经过前期几何校正、直方图匹配等预处理后的1991年6月及2000年7月前后时相TM 影像作为实验数据源，将TM1、TM2、TM3、TM4、TM5、TM7 六个波段（由于TM6波段信息量较少）进行波段组合作为分析数据，采用543波段进行假彩色合成，合成影像上茂密植被表现为深绿色，稀疏植被表现为绿色，裸地表现为淡紫色，水体表现为深蓝色，方便目视判读。研究区域内，相对与1991年影像，2000年影像中各类型地物均发生不同程度变化，各部分地物的变化情况明显。

图4为试验最终变化信息提取的结果。针对提取结果，对地物变化情况进行定量的分析，统计结果如表2：

表2 地物类别变化信息统计表

息提取后的结果与原始影像在ENVI 中进行Link 显示，目视判读检验其提取效果，认为该方法的总体提取效果较为理想。为了评价其精度，利用ENVI 中的样本选择工具，随机选取200个样本区域，其中共有174个区域发生变化，结合遥感影像进行对比分析，发现检测出的174个图斑中实际发生变化的为163个，有11个未发生变化。另外有3个图斑发生了变化但是没有被检测出来。以前后时

相遥感影像数据为参照，比对分析变化信息提取后的图像，判读结果如表3。

表3 变化信息验证误差混淆矩阵

根据检测结果计算，漏检率为11.5%，错检率为6.3%，总体检测精度为93%。

但需要说明的是：本文采用的基于决策树的面向对象自动分类技术，属于分类后的变化信息提取范畴，不同时相分类结果的分类精度通过误差传递直接会影响到最后的提取结果。决策树分类过程中没有人工参与，分类后错分、漏分现象在所难免，本文旨在介绍该理论方法自动化的流程思路，若想进一步达到精度要求，在分类阶段可适当加入人工参与步骤，进行分类后的检校，在半自动化下使精度满足要求。

4、结论

传统的像元级的变化信息提取方法，椒盐现象严重，所利用的区分特征往往集中在光谱信息上，精度及效率都很难满足要求。本文在研究了多种变化检测方法的基础上，提出了基于决策树的面向对象变化信息自动提取的方法过程，并做了相关试验。在多尺度分割的基础上，利用多种提取特征建立决策树模型，进行面向对象的分类，考虑其分割后的影像对象（均质的栅格区域），利用对象所具有的层次网络结构关系，语义关系去锁定待确定变化情况的影像对象区域，继而根据规则的确定，判定前后时相影像的对应区域发生的变化情况，实现变化信息的自动提取。试验证明了该方法的可行性，影像对象级的变化信息提取可以提高变化类和非变化类的可分性，在一定程度上消除影像中椒盐噪声，充分利用影像对象中的各种特征信息，较高精度地完成遥感影像中变化信息的自动提取。

参考文献

1李德仁,沈欣.论智能化对地观测系统[J].测绘科学,2005,30(4):9～11.

2 U.C.Benz,P. Hofmann,G. Willhauck,Iris Lingenfelder,M.Heynen.Multi-resolution,object-orient ed fuzzy analysis of remote sensing data for GIS-ready information.ISPRS Journal of Photogra mmetry & Remote Sensing,2004(58):239～258

3 Rouse J W,Haas R H,Schell J A, et al.Monitoring vegetation systems in the great plains with ERTS[A].In:The Third ERTS Symposium[C].1973,NASA SP-351,1:309～317

4 McFeeters S K.The use of the Normalized Difference Water Index(NDWI)in the delineation of open water features[J]. International Journal of Remote Sensing,1996,17(7):1425～1432.

5 Zha Y,Gao J,Ni https://www.360docs.net/doc/5519201108.html,e of Normalized Difference Built-up Index in automatically mapping urban areas from TM imagery[J]. International Journal of Remote Sensing,2003,24(3):583～594.

6 Volgamann J E,Sohl T,Howard S M.Regional characterization of land cover using multiple sources of data [J].Photogrammetric Engineering and Remote Sensing,1998,64(1):45～57

7 Pielke R,Lee T J,Copeland J H,Eastman J L,etc.The use of USGS Provided Data to improve weather and climate simulations[J].Ecological Applications,1997,7(1):3～21.

8 Fennessy M J,Xue Y.Impact of USGS vegetation ma Pon GCM simulation over the United States[J].Ecological Applications,1997,7(1):22～33.

提取关键词方法

如何提取关键词提取关键词在考纲里并不是一个单设的考点，它其实是信息筛选和压缩语段这两个考点的一个综合，主要考查学生概括思想内容，提取关键信息的能力。要求考生具有较强的理解、分析、筛选、概括、语言表达等各项能力。它首先要求考生在准确理解文段的基础上找到有效信息，并从中筛选出核心信息；然后用最简洁的语言加以概括，且概括时只能用词或短语。 ■能力提升指导尽管这是近几年出现的一个新题型，但它涉及的能力要求在以前的相关考点中早有规定，只要大家掌握我们下面介绍的几种方法，解答起来，仍然可以得心应手。一、研究语段话题任何语段，无论是记叙、议论或说明，它总是围绕一个话题来展开的，体现话题的词语肯定是关键词之一，如：例①提取下面一段话的主要信息，写出四个关键词。（2005年高考全国卷）据报道，我国国家图书馆浩瀚的馆藏古籍中，仅万卷“敦煌遗书”就有5000余米长卷需要修复，而国图从事古籍修复的专业人员不过10人；各地图书馆、博物馆收藏的古籍文献共计3000万册，残损情况也相当严重，亟待抢救性修复，但全国的古籍修复人才总共还不足百人。以这样少的人数去完成如此浩大的修复工程，即使夜以继日地工作也需要近千年。这个语段谈论的话题是古籍修复的处境问题，“古籍”“修复”两个词是我们在答题时首先要考虑的。文段通过一系列的数据告诉我们古籍修复的处境不好，具体表现是事多人少，这样，我们就又可找出另外两个关键词——“人才”“不足”。二、寻找中心语句有的语段有较为概括的中心句，或提起下文，或总结上文，或承上启下，我们可抓住这个句子，顺藤摸瓜找到相关关键词，如：例②提取下面一段话的主要信息，写出四个关键词语。（2006年高考广东卷）从甲骨文到草书、行书的各种书法艺术，间接地反映了现实某些方面的属性，将具体的形式集中概括为抽象的意象，通过视觉来启发人们的想象力，调动人们的情感，使人们从意象中体味到其间所蕴含的美。这也就是一些讲书法的文章里常说的“舍貌取神”——舍弃客观事物的具体现象特征，而摄取其神髓。最后一个句子就是本段的中心句，而“舍貌取神”又是这个句子的核心。只要我们抓住这个句子，找出“貌”“取”“神”三字的各自所指，就能轻易套牢其中的三个关键词——“意象”“体味”“神髓”，再用上面所讲的话题法，找出本语段的话题对象——“书法”，另一关键词也便找出来了。三、明确具体要求并不是每一道“提取关键词”的题的要求都是一样的，有的还根据语段的特点有具体要求，并且，有的要求可能还比较含蓄。对此，我们就一定要弄明确试题要求我们提取的是哪方面的关键词，以防泛泛去找，劳而无功。如：例③根据要求提取下面一段话的主要信息，写出六个关键词(可以是短语)。(2006年高考江苏南通市高三第一次调研考试) 由于司马迁认识到了，历史终归是“人”的历史，不是“天”的意志史，于是以“绍圣《春秋》”为使命的司马迁抛弃了孔子既定的历史纪年法——编年体，而改用纪传体。这决不是一个技术问题，而是观念问题。他对那冰冷的历史巨轮投以轻蔑的一哂，然后满怀慈悲地去关心轮子下的那些泣血的生灵：从而，我们看到，一代一代的人物以及他们对历史必然性的反抗，对自身命运的体认，构成了《史记》的主色调。史学成了人学，必然性成了戏剧性，逻辑的链条崩溃了，生命的热血喷涌而出…… (1)历史纪年法的史学观：_____________。 (2)人学的史学观：___________________。这道题要求分别提取有关“历史纪年法史学观”和“人学史学观”的关键词，我们就只能去寻找能表明这两种史学观特点的词语。这就意味着我们没必要到前两句去找。我们还要意识到，既然是两种对立的史学观，那两组关键词在语意上就应该是相反的。这其实是题目的一个隐含要求。分析至此，答案自明：(1)冰冷、必然性(或“历史必然性”)、逻辑；(2)慈悲、戏剧性、生灵(或“命运”或“生命的热血”)。四、分析构段特点

遥感矿物蚀变信息提取方法及ENVI下实现

蚀变岩石是在热液作用影响下，使矿物成分、化学成分、结构、构造等发生变化的岩石。由于它们经常见于热液矿床的周围，因此被称为蚀变围岩，蚀变围岩是一种重要的找矿标志。利用围岩蚀变现象作为找矿标志已有数百年历史，发现的大型金属、非金属矿床更是不胜枚举：北美、俄罗斯的大部分斑岩铜矿、我国的铜官山铜矿、犹他州的大铝矿、西澳大利亚的大型金矿、墨西哥的大铂矿、美国许多白钨矿、世界大多数锡矿、哈萨克斯坦的刚玉矿等，都属于以围岩蚀变作为找矿标志发现的矿床。国内外遥感工作者，都在不断地设计、研制和总结对这种遥感信息的提取和识别技术。矿化蚀变信息是找矿的一个重要标志，而这些对找矿有指导意义的矿化蚀变信息常常受其它地物信息的干扰，和受遥感图像的波谱分辨率和空间分辨率的制约，往往表现的很微弱。因此，国内外学者也在不断尝试各种技术方法提取这种矿化蚀变弱信息。本文总结了遥感蚀变信息提取的各类方法，及其在ENVI软件中的实现。 ?原理遥感技术主要是建立在物体反射和发射电磁波的原理之上。而地物波谱特性通常都是用地物反射辐射电磁波来描述。由于地物反射发射电磁波的特性不同，其反射波谱曲线形态也有千差万别。如植物的反射波谱曲线上，在绿光波段表现由于其叶绿素的存在表现为有一强反射峰，而在短波红外波段由于叶冠组织的相互作用表现为强反射峰，在红光波段则表现为强吸收谷。遥感地质应用中，近矿围岩蚀变形成的蚀变岩石与其周围的正常岩石在矿物种类、结构、颜色等方面都有差异，这些差异导致了岩石反射光谱特征的差异，并且在某些特定的光谱波段形成了特定蚀变岩石的光谱异常。光谱异常为用遥感图像的异常信息提取提供了理论依据。 ?方法及实现依据矿化蚀变岩与围岩的波谱特征的差异，可采用图像增强处理方法获取矿化蚀变信息增强的图像变量，从而最终实现提取矿化蚀变信息的目的。一般图像增强突出蚀变信息有以下几种方法。 (1)蚀变干扰信息剔除遥感数据包含地表的信息，遥感在地质方面的应用就是提取用户需要的信息，提取矿化蚀变信息的过程是计算影像中所有像素信息统计归类分析的过程，蚀变异常信息的提取对遥感图像的质量要求较高，因此首先要对遥感数据进行严格的筛选，干扰噪声小的数据，一般要求遥感数据的时相是植被发育较弱、冰雪覆盖少的季节，同时该时相的云覆盖量较少。由于受地形地貌的影响，有些因素靠数据的时相选择却难以克服，例如阴影、河流水体、高山上的冰雪、白泥地等，可以采用相应的数学方法来解决，以使阴影、水体等干扰像素的数据不参与统计分析。一方面是选择较好的数据；另一方面是对数据进行数据预处理，包括大气校正、掩膜等。利用ENVI软件的大气校正模块flassh能快速的消除大气影响，还原地物的真实面目。有利于蚀变信息的提取。

影像信息提取之——面向对象特征提取

同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。本专题以ENVI中的面向对象的特征提取FX工具为例，对这种技术和处理流程做一个简单的介绍。本专题包括以下内容： ●面向对象分类技术概述 ● ENVI FX简介 ● ENVI FX操作说明 1、面向对象分类技术概述面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：对象构建和对象的分类。影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。影像对象的分类，目前常用的方法是“监督分类”和“基于规则（知识）分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等对象属性信息。基于规则（知识）分类也是根据影像对象的属性和阈值来设定规则进行分类。表1为三大类分类方法的一个大概的对比。

土地变化信息提取讲解

遥感实验报告

图1-1 第三步：获取分类模板信息，点击AOI，利用AOI-tools中的多边形工具绘制某一地类的样区。将画好的耕地AOI添加到模板。 signature editor-edit-add. 重复步骤第三步，在图中采集多个耕地样本。选择所有耕地样本模板，按merge按纽合并这组分类模板。合并后将模板取名为耕地。利用同样的方法，依次做好其灌草地、林地、水域、建设用地、裸地土地覆盖类型模板。如图 1-2：1990年图像的分类信息模板：图1-2 2006年分类信息模板：图1-3 第四步：保存分类模板。 2.评价分类模板第一步：点signature editor-Evaluate-contingency，利用可能性矩阵方法评价分类模板精度。达到90以上即为精度满足要求，否则重新选择训练样区，再次进行精度评价，直到精度满足。 1990年的模板评价结果： Classified Data forest and water forest urban ---------- ---------- ---------- ---------- ---------- forest and 99.83 0.00 1.14 1.66 water 0.00 100.00 0.00 0.00 forest 0.00 0.00 90.90 0.00 urban 0.00 0.00 0.00 98.34

bare land 0.17 0.00 0.00 0.00 formland 0.00 0.00 8.96 0.00 Column Total 604 638 703 602 Reference Data -------------- Classified Data bare land formland Row Total ---------- ---------- ---------- ---------- forest and 0.00 0.00 621 water 0.00 0.00 638 forest 0.00 4.88 662 urban 0.00 0.00 592 bare land 100.00 0.00 612 formland 0.00 95.12 648 Column Total 611 615 3773 ----- End of Error Matrix ----- 2006年影像的模板评价结果： 3 .执行监督分类打开Classifier-surpervise classification,选择分类决策规

提取关键词、概括主要内容练习

《考试大纲》规定:扩展语句,压缩语段,属于语言的表达应用能力,能力层级提取关键词练习【学习目标】 1、掌握提取关键词类、概括主要内容类语言表达题的解题方法。 2、提升语段的理解、分析、概括能力。【学习重点】掌握提取关键词类、概括主要内容类语言表达题的解题方法。【学习方法】自主、合作、探究【学习过程】一、回顾复习为E级? 关键词指的是一篇文章或一段文字中最紧要的词语。主要考查学生概括思想内容，提取关键信息的能力。概括主要内容是将内容丰富的长语段，按要求浓缩成语言简洁、意思明了的短语段。一种是限字作答，规定不超过多少个字；一种是限句作答，要求只一句话表达。二、自主合作探究 1、（1）用一句话概括下面这则消息的主要内容。（不超过15个字）在许多民营和外资企业，普遍没有工会组织；中国人民大学的一位教授指出：在中国，最维护职工权利的组织莫过于工会；然而即使有，也是由资方掌握，发挥不了维护职工权益的作用。据调查统计，中国目前有一亿多民工游离于工会之外，其中绝大多数是在非国有企业的民工；他们没有加入工会组织，也没有规范的行业组织，权益无法得到维护。虽然许多民工认为协商是解决问题的好办法，但他们苦于缺乏维护他们权益的工会组织以及专业的法律顾问。由于法律程序时间过长等原因，民工通常不会求助于劳动监察机构；这时如果有工会组织提供义务法律咨询，或指导他们与业主谈判协商，民工的权益就能够得到维护。 15

（2）提取四个关键词： 2、（1）提取下面一段话的主要信息，写出三个关键词由教育部、公安部、国家安全生产监督管理总局组成的联合检查组，日前对河北、河南、辽宁、重庆等四省市的中小学安全和管理工作情况进行了联合检查。在检查中也发现了一些隐忧：如许多学校体育运动场地普遍紧张；部分农村中小学校办学条件团难，学生食堂、宿舍等设施条件较差，亟需当地政府加大投入予以解决；有的学校应急预案内容不全面或过于笼统，缺乏可操作性，极个别的教育行政部门和学校甚至还没有建立应急预案，没有组织开展过紧急疏散演练活动；有的学校教学楼或学生宿舍疏散通道不畅；部分学校食堂尤其是农村学校食堂管理不到位，安全隐患较多。中小学安全工作隐患多（2）用一句话概括下面这则消息的主要内容。（不超过15个字） 15 3、提取下面一段话的主要信息，写出四个关键词 “十五”期间，全国妇联与政府部门联手加强城乡妇女教育培训和推动妇女就业再就业工作，制定完成了三个目标，即培训200万下岗失业妇女，为200万妇女提供就业指导，多渠道帮助200万妇女实现再就业。同时建立了国家创业示范基地，组织了妇女创业师资培训班，发放了妇女创业循环资金，总结推广妇女创业孵化器、小额贷款助创业等经验，在31个省、自治区、直辖市建立了妇女再就业信息指导中心，拓展了广大妇女的创业层次和创业领域。 4、提取下面一段话的主要信息，写出三个关键词本报北京2月23日讯记者吴兢报道：由建设部起草的《建筑节能管理

教程-ENVI遥感地质蚀变异常信息提取过程(全)

“基础地质学”创新性实验遥感地质蚀变异常信息提取实验 “基础地质学”国家级教学实验示范中心二〇一六年三月二十五日

目录 1实验目的 (3) 2实验内容 (3) 2.1熟悉遥感影像的辐射定标的方法与流程 (3) 2.2掌握遥感影像的波段合成、投影转换、影像裁剪的方法 (3) 2.3掌握ETM+遥感影像的Flaash大气校正、掩膜的应用方法 (3) 2.4掌握ETM+遥感影像羟基和铁染异常信息提取的方法与流程 (3) 2.5掌握ENVI与Surfer软件协同制图的方法。 (3) 3实验要求 (3) 4实验条件 (4) 4.1软件平台：ENVI4.6、Surfer9 (4) 4.2遥感数据源：金川地区Landsat7 ETM+遥感影像 (4) 5实验原理 (4) 5.1蚀变异常提取的地质依据 (4) 5.2蚀变异常提取的物理依据 (4) 5.2.1利用主成分分析方法提取矿化蚀变信息 (5) 5.2.2铁染蚀变异常分析 (5) 5.2.3含羟基类矿物和含CO32-矿物蚀变异常分析 (6) 6实验步骤 (7) 6.1金川地区ETM+遥感影像辐射定标 (7) 6.2金川地区ETM+遥感影像不同波段的合成 (9) 6.3定义金川地区ETM+遥感影像的地理坐标 (10) 6.4对金川地区ETM+遥感影像的地理坐标进行投影转换 (12) 6.5对金川地区ETM+遥感影像进行裁剪 (15) 6.6对金川地区ETM+遥感影像进行FLAASH大气校正 (17) 6.6.1数据转换 (17) 6.6.2编辑头文件信息 (18) 6.6.3进行FLAASH大气校正 (19) 6.7简易去除ETM+遥感影像的干扰信息 (23) 6.7.1建立ROI（感兴趣区） (23) 6.7.2建立掩膜 (24) 6.7.3应用掩膜 (25) 6.7.4掩膜的反选 (27) 6.7.5掩膜反选后的应用 (28) 6.8主成分分析 (29) 6.9提取蚀变异常信息 (32) 6.10用Surfer软件修饰铁染蚀变异常信息 (34) 6.11总结 (40) 7课后练习及作业 (41)

遥感专题讲座——影像信息提取(四、面向对象特征提取)

面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。本专题包括以下容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。

影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。表1为三大类分类方法的一个大概的对比。

遥感矿物蚀变信息提取基于ENVI

遥感矿物蚀变信息提取方法及ENVI下实现 (2011-07-12 08:28:36) 转载▼ 分类：遥感解决方案标签：矿物蚀变信息蚀变围岩找矿标志波段加减波段比值蚀变岩石是在热液作用影响下，使矿物成分、化学成分、结构、构造等发生变化的岩石。由于它们经常见于热液矿床的周围，因此被称为蚀变围岩，蚀变围岩是一种重要的找矿标志。利用围岩蚀变现象作为找矿标志已有数百年历史，发现的大型金属、非金属矿床更是不胜枚举：北美、俄罗斯的大部分斑岩铜矿、我国的铜官山铜矿、犹他州的大铝矿、西澳大利亚的大型金矿、墨西哥的大铂矿、美国许多白钨矿、世界大多数锡矿、哈萨克斯坦的刚玉矿等，都属于以围岩蚀变作为找矿标志发现的矿床。国内外遥感工作者，都在不断地设计、研制和总结对这种遥感信息的提取和识别技术。矿化蚀变信息是找矿的一个重要标志，而这些对找矿有指导意义的矿化蚀变信息常常受其它地物信息的干扰，和受遥感图像的波谱分辨率和空间分辨率的制约，往往表现的很微弱。因此，国内外学者也在不断尝试各种技术方法提取这种矿化蚀变弱信息。本文总结了遥感蚀变信息提取的各类方法，及其在ENVI软件中的实现。 ?原理遥感技术主要是建立在物体反射和发射电磁波的原理之上。而地物波谱特性通常都是用地物反射辐射电磁波来描述。由于地物反射发射电磁波的特性不同，其反射波谱曲线形态也有千差万别。如植物的反射波谱曲线上，在绿光波段表现由于其叶绿素的存在表现为有一强反射峰，而在短波红外波段由于叶冠组织的相互作用表现为强反射峰，在红光波段则表现为强吸收谷。遥感地质应用中，近矿围岩蚀变形成的蚀变岩石与其周围的正常岩石在矿物种类、结构、颜色等方面都有差异，这些差异导致了岩石反射光谱特征的差异，并且在某些特定的光谱波段形成了特定蚀变岩石的光谱异常。光谱异常为用遥感图像的异常信息提取提供了理论依据。 ?方法及实现依据矿化蚀变岩与围岩的波谱特征的差异，可采用图像增强处理方法获取矿化蚀变信息增强的图像变量，从而最终实现提取矿化蚀变信息的目的。一般图像增强突出蚀变信息有以下几种方法。

面向对象特征提取

面向对象特征提取 1、启动eCognition，选择Rule Set Mode。 2、新建工程：File -> New Project或者点击按钮，选择影像or_196560080.tif，确定。

3、界面布局：选择Classification -> Class Hierarchy，打开类层次视图；选择Image Objects -> Image Objects Information，打开目标信息视图；选择Process -> Process Tree，打开进程树视图；选择Tools -> Feature View，打开特征视图。通过拖拽，形成下面的工作界面：

4、设置尺度参数：设置三个分割尺度，分别是100，70，50，三个尺度对应的层次分别命名为L1，L2，L3。 5、第一尺度（100）分割：在Process Tree中右键，选择Append New，在Algorithm中选择Segmentation -> multiresolution segmentation，Image Object Domain中选择Pixel Level，而Algorithm parameters中的Level Name命名为L1，Scale Parameter设为100，Shape设为0.2， Compactness设为0.5，如下图所示：点击OK后，Process Tree中会多出一条记录，如下：

在该记录上点击右键，选择Execute，即按照设定的参数进行分割，分割的效果如下： 6、第二尺度（70）分割：在eCognition的尺度分层规则中，大尺度对应的层摆在最上面，小尺度的层摆在下面。在Process Tree中右键，选择Append New，在Algorithm中选择Segmentation -> multiresolution segmentation。由于第二尺度对应为第二层次，因此其应该在第一层（L1）下面，所以Image Object Domain中选择image object level，Level设置为L1，而Algorithm parameters中的Level Name命名为L2，Level Usage 设置为Create below，Scale Parameter设为70，Shape设为0.2，Compactness设为0.5，如下图所示：按第5步的步骤运行该尺度的分割，可以得到该尺度下的分割结果。 7、第三尺度（50）分割：与第6步一样，只不过Image Object Domain中的Level设置为L2，Algorithm parameters中的Level Name设置为L3，Scale parameter设置为50，如下图：

土地利用覆盖变化地信息提取

土地利用/覆盖变化信息提取实验报告 1. 实验目的利用TM/ETM3个时相卫星数据，应用ENVI软件进行土地利用/覆盖分类，在此基础上进一步分析其动态变化特征。 2. 实验内容金华市土地利用/覆被变化信息的提取。采用决策树分类法提取土地利用/覆被信息，它通过分析地物光谱特征和其他图像特征，充分利用高程、坡度等地理辅助信息可以有效地提高分类精度，比较适合于江南丘陵地形破碎、地物分布复杂的地区。和传统的监督分类法相比，它可以消除园地和林地、建设用地和裸地光谱相似所带来的影响。（1）TM影像数据的预处理。本文的遥感数据处理主要包括大气校正、几何校正和图像增强，并利用行政边界矢量图对影像进行裁剪。（2）土地利用变化信息提取。首先对其中的一期影像(2003年)分别采用最大似然法、决策分类树法进行分类，提取土地利用/覆被信息，并对二者的提取精度进行比较，选择精度最高者作为最终的提取方法，进而提取1988～2003年金华市土地利用/土地覆被信息。（3）利用空间叠加获取土地利用/覆被变化的面积转移矩阵，进而通过面积转移矩阵分析土地利用/土地覆被的数量变化、空间结构变化和土地利用程度。 3. 实验方案 4. 数据预处理 4.1 数据源

本文所采用的数据包括：两景金华市的Landsat TM和一景Landsat ETM陆地卫星影像，一景半SPOT 全色影像；该地区1：50 000地形图；该地区81m*81m分辨率的数字高程模型（DEM）；1：100万中国行政边界矢量图等。具体的见表4-1和4-2所示。表4-1 研究区遥感影像数据获取时间传感器类型数量（景）空间分辨率（m） 2003年3月9日SPOT-5全色 15 1/25 2003年3月26日LandsatETM+ 1-8波段 1 15m（全色） 30m(多光谱) 1996年9月6日LandsatTM1-7波段130 1988年12月5日LandsatTM1-7波段130 表4-2 研究区其他资料及应用说明数据类型应用说明大比例尺地形图最新时相的1：50000地形图，用于进行卫星遥感资料的几何校正野外调查资料野外控制点的测量，土地利用/覆盖分类训练样本区的调查，建立判读标志，进行分类及信息提取精度检验等工作土地利用现状图对比土地利用/覆盖动态变化及遥感影像分类精度参考 4.2 图像预处理数据预处理部分主要包括：对遥感影像进行大气校正、几何纠正、以及对研究区进行边界裁剪和图像增强。主要工作流程如下（图4-2）：

C45决策树工具使用说明

C45决策树工具使用说明 1. 简介：本文档给出了有关C45决策树方法相关的一些资料，面向对象是研究人员。本文档的内容安排如下： 1． C45决策树方法的使用场合描述； 2． C45决策树如何训练，即C45_VC.exe使用说明； 3． C45决策树训练结果如何在代码中使用，即CAskC45编程说明； 4． C45的外围工具简介； 5． C45的原理说明； 6．联系方式。 2. 适合用C45解决的问题 C45是一种决策树的算法，可以理解为数据挖掘算法的一种。从大规模的数据中挖掘规律，这里的大规模数据一般是用属性来描述，属性本身可以是连续量，如语音数据的基频值；也可以使离散量，如句子中词的个数；还可以使枚举量，如26个词类，声韵母类型等。属性分为输入属性，和结论属性（或称决策属性）。结论属性就是我们希望从输入属性中得到的结果，如希望从输入的词性序列中预测某个位置是不是L3边界，或者根据前后的音调、基频等预测当前的音节应该是哪一类的韵律曲线。结论属性必须是枚举量（当然包括布尔量）。而规律则以决策树的形式来表示，其形式如，在C45_VC.txt或者Screen.txt中可以看到类似的输出结果： Decision Tree: e_lv <= 47.6 : 如果e_lv属性值小于等于47.6的话 | n_lv <= 45.8 : NeiWen (76.0/2.0) 如果n_lv值小于等于45.8，结论属性应该是NewiWen。| n_lv > 45.8 : NeiBuWen (44.0) 如果n_lv值大于45.8，结论属性应该是NewiBuWen。e_lv > 47.6 : 如果e_lv属性值大于47.6的话 | n_lv <= 45.8 : WaiWen (147.0) … | n_lv > 45.8 : WaiBuWen (32.0) … 注：n_lv <= 45.8 : NeiWen (76.0/2.0)中的76.0表示到这个决策分支的有76个例子，其中2.0是错误的例子数目。这里有可能出现小数，这是决策树根据概率计算过程中可能将一个例子划分到多个子分支，每个分支算是（0.几）个事例到此。这里同时给出关于使用C45决策树方法的一些注意事项： 1） C45是狂揉的，只要你给它输入属性和输出属性，即使输出和输入之间没有任何关系，决策树一样可以给出很不错的决策正确率，尤其是集内测试正确率。 2）要避免上述问题，两个方面重要：（1）集外测试，集内测试不说明问题。集外测试也要有一定的数目，这样才可以得到比较可信的测试结果。（2）输入数据量，理论上训练例子的个数应该是所有属性空间大小的10倍。属性空间大小计算为：每个属性可能的取值的种类数的连乘积。比如输入属性是3个词类，而每个词类可能有32种可能，则理论上需要的训练例子数为：32×32×32＝32768个。当然考虑到有些词类组合不可能出现，所需训练例子数可以筹减。 3）理论上，C45能自动排除那些不相关的属性，但是在训练数据稀疏的情况下，决策树一样会利用那些不相关的属性，得到一些结论。所以不能一咕脑儿把所有的属性扔给决策树，还是需要对输入属性与输出属性之间有没有关联进行仔细的分析。 4）决策树的结论属性不宜太多。超过20就是很不好了，因为决策树认为结论属性完全是枚举类型的，结论属性之间的各个可能的取值没有任何关系，如果问题中结论属性有一定的

冰川信息提取方法综述 20151101002

基于遥感的冰川信息提取方法综述全球气候环境变化及其影响已成为当今世界各国政府、科学家和政策决策者所共同关注的重大焦点问题。政府间气候变化委员会（IPCC第四次评估报告指出[1]，过去 100 a）（1906~2005 年）全球地表平均气温上升了0.74℃，而最近 50 a的升温速率几乎是接近过去 100 a 升温速率的两倍。冰川对气候变化十分敏感，被视为气候变化的指示器，升温已导致全球大多数冰川在过去 100 多年里处于退缩状态，尤其是最近的几十年呈加速退缩态势[1,2]。尽管大量的冰储存于两极冰盖中，但山地冰川和冰帽的储量损失在过去几十年和未来一个世纪对海平面上升、区域水循环和水资源可获取性均有重要影响[3-5]。青藏高原及其毗邻地区蕴藏着世界上两极之外最大的冰雪储量，被称为“第三极”，该区气候变化引发的冰川变化不仅影响到周边地区十个国家的15亿人口的农业、发电等生产活动的水资源供应[3, 6, 7]，而且会引发区域乃至北半球的大气环流格局的变化[8]，从而使其成为国际冰川变化研究的热点地区。此外，青藏高原很多内陆湖泊近期水位上涨、湖泊面积增大导致草场淹没以及冰湖溃决和泥石流滑坡等山地灾害，对周边地区的生态与环境及农牧民的生活造成了严重影响[9]。因此，监测青藏高原冰川变化时空分异特征，对于更加清楚地认识该地区对全球气候变化的响应具有重要的科学意义，对于及时提供湖泊水量变化信息，制定当地农牧民的应对措施具有重要的现实意义。本文系统梳理和总结了国内冰川监测相关研究进展，并探讨了当前该领域研究的不足以及未来的研究方向，旨在为我国冰川变化监测提供有益借鉴。一、传统野外监测传统的冰川观测主要基于野外实地考察，开展较早。世界上很多地区在一个多世纪以前就开始系统地观测冰川与冰盖的变化[10]。1930s 之前一直依靠实测冰川末端的变化或对比小冰期冰碛物的位置获得冰川变化的信息，1940s 后期开始了冰川物质平衡研究，截止到 2008 年全球已获取了 1803 条冰川自19 世纪后期的冰川长度变化和 226 条冰川过去 60 年内的物质平衡观测结果[10]，分别占 1970s 估计的全球冰川总数 160000条[11]的 1.1%和 0.1%，观测数量很有限。我国冰川研究事业开创于1958年祁连山冰川考察[11]，截止到 2007 年，基于野外考察共有 27 条冰川的长度变化和 5 条冰川的物质平衡的较长时间观测记录[12]，分别为我国冰川总数46377[13]条的 0.06%和 0.01%，远低于前述全球尺度的相应观测比例，且没有一条位于我国冰川分布中心之一的喀喇昆仑地区。实地观测通常在容易到达、安全且不是太大的冰川进行，不能代表所有冰川的规模、海拔分布、坡度和朝向。所以，仅靠少数野外考察资料很难反映全球或区域尺度冰川变化的空间特征，所获得的冰川变化趋势及其对气候变化的响应的结论也难免存在局限性。二、冰川面积变化遥感监测遥感观测可以在瞬时获取较大范围的地面综合信息，适合对不同地理环境下的冰川变化进行长期而持续的监测，早期主要进行面积变化遥感研究。1940s 以后，人们可以借助于航空摄影技术测绘冰川末端位置[14]。1970s 之后，随着卫星遥感技术的发展和观测精度的提高，陆地资源系列卫星（Landsat MSS、TM 和

基于LandSet8数据的决策树分类

基于LandSet8数据的决策树分类 —以平潭地区为例

1、引言早在20世纪70年代，人们就开始靠目视解译进行遥感影像的分类判读。20世纪80年代，主要利用统计模式识别方法，依据地物的光谱特征对影像进行计算机分类。20世纪90年代以来，出现了大量的遥感影像分类方法，如面向对象的分类方法、多源信息的复合分类法、遥感与GIS的结合法、人工智能分类法等。由于目前遥感影像的分类方法多而杂，故本文结合课程需要，仅对辅以纹理、NDVI、MNDWI、MNDBI、地表温度、DEM等数据的决策树分类方法进行讨论，并对分类的精度进行了评估。 2、实验原理本文采用决策树分类方法进行地物类别的划分，目前决策树分类法包括：1）CLS 算法。CLS算法于1966 年提出，成为后来许多决策树学习算法的基础改进算法。它的主要思想是通过不断增加新的判定结点改善原决策树的分类性能，直到训练样本集被正确分类为止。2）ID3 算法。ID3算法是最早和最有影响力的决策树算法之一，绝大多数决策树算法都是在它的基础上加以改进得以实现的。ID3 算法具有描述简单、分类速度快的优点，计算量相对较小，适合于大规模数据的处理。但效率非常低，而且学习简单，逻辑能力较差，难以表达复杂概念，抗噪性差。3）CART 算法。CART 算法是一种数据勘测和预测算法。CART 算法具备多种决策树算法的功能和优点，并且能处理其他算法不能处理的非数值型数据，是决策树模型的典型代表。4）C4.5及C5.0算法。C4.5算法是目前被普遍采用的分类算法。其分类的方法是从大量样本中提取分类规则的自上而下的决策树。C5.0是在C4.5基础上发展起来的决策树生成算法。它和算法C4.5基本相似，只是对C4.5的一些局限做了改进。C5.0增加了Boost技术，较C4.5可以更好地处理大数据库，最后生成更准确的决策树，提高分类精度。而本次分类则采用ENVY软件中的C4.5决策树分类算法。 3、相关研究进展目前对于运用决策树分类方法进行行业应用与研究，也存在着大量的示例，如Chasmer[1]等以加拿大西北地区的Scotty Creek流域为研究区，借助机载激光雷达和高分辨率的光谱数据集，研究不连续冻土区的土地覆盖类型，并与WorldView-2的土地覆盖监督分类结果进行对比；在该研究中Chasmer等采用决策树的土地覆盖分类方法，把研究区分为冻土高原、沼泽、沼地、高地和水(池塘、湖泊)等5类；结果表明，与平行六面体分类方法相比，决策树这种分层次的分类方法分类精度高，能解释研究区内土地覆盖类型88%-97%的区域范围。Teodoro[2]等运用决策树分类方法，利用Ikonos-2影像进行葡萄牙西北海岸的海滩特性/模式分类；其根据沿海特性的相关知识，把研究区域分为海洋、悬浮沉淀物、断裂区、滩面、海滩等五大类；研究过程中数据被随机分为训练数据集和验证数据集，通过对比几种决策树算法的混淆矩阵、总体精度和Kappa系数的值，发现CART算法是最适用于本次研究的；同时把该算法的分类结果与神经网络算法进行了比较，发现分类结果基本一致，因此Teodoro 等认为CART算法可用于海滩特性/模式分类的进一步研究。Sharma[3]等借助开源技术的支持，构建了一个决策树分类算法进行遥感卫星数据（LandsatTM）的分类；该算法是利用开源的数据挖掘软件WEKA根据训练数据集光谱特性进行递归分区；将该算法的分类结果与传统的ISODATA聚类方法和最大似然分类法进行比较，发现决策树分类算法的分类结果明显优于比其他两种方法。

提取关键词的方法

高考语言运用之提取关键词 2005年高考语文试题（全国卷一）首次出现“提取关键词”这一题型，2006年高考中这种题型再次受到高考命题者的青睐。那么什么是关键词呢？关键词是指一篇文章或一段文字中最重要的词语，常出现在文章篇名或文章正文中。要求考生从一段文字中提取出关键词，其目的在于考查学生概括思想内容、提取信息的能力。考生在解题时要大致把握关键词的意思，否则解题思路就会受阻。先来看一道高考题：例1：(2005年全国高考卷)提取下面一段话的主要信息，在方框内写出四个关键词。据报道，我国国家图书馆浩瀚的馆藏古籍中，仅1.6万卷“敦煌遗书”就有5000余米长卷需要修复，而国图从事古籍修复的专业人员不过10人；各地图书馆、博物馆收藏的古籍文献共计 3000万册，残损情况也相当严重，亟待抢救性修复，但全国的古籍修复人才总共还不足百人。以这样少的人数去完成如此浩大的修复工程，即使夜以继日地工作也需要近千年。分析：2005年的这道提取关键词的试题，从表面上看一些考生可能感到陌生，其实质这道试题的命题意图仍然是考查考生的阅读理解能力、概括综合能力和语言表达能力。这是近几年高考语文的一个热点，2005年以来则成为高考语文命题的一个亮点。原因是它紧扣时代的节拍：报纸、电视、网络等处处显示着关键词，同时又能更好地体现语文学科的工具性和人文性完美统一的特点。可以预测今后几年关键词的考查将更加频繁。那么，如何准确地提取关键词呢？提取关键词，说到底就是要善于提取“核心信息”，是一种压缩信息类的题型，考查学生提取关键信息的能力。具体如下：方法一：三步解题法 (一)明确陈述的对象或主要事件或议论的中心观点，文段的主要表述对象(主要概念或主要事件)“古籍”(“馆藏古籍”)、“人才”是主题词，不可不取。 (二)明确与主概念相对应的谓语动词或总结性的词语。如“修复”、“不足”就是对陈述的对象的陈述，不可不取。 (三)选定后，可将几个词语稍稍连缀，如能大体表达出文段的主要内容，即可敲定。如本题可连缀成：(馆藏)古籍(亟待)修复，(但这方面)人才(严重)不足。这有点像提取句子主干，可以利用语法分析的方法来做，基本程序为：压缩内容--提取主干--筛选比较--整合表达(一般可以表述为：“谁或什么怎么样了”这样一种主谓结构)。方法二：先概括再提取提取之前先概括语段内容，这应不是什么难事，平时语文课堂中的概括文章内容、提炼文章观点、归纳段落大意等，都是具体实践的过程。所给的材料一共两句话。第一句话又分为两个层次：先说国家图书馆馆藏古籍修复的专业人员不足；再说各地图书馆、博物馆同样面临古籍修复人才不足的问题，其中“不足百人”，表

遥感矿物蚀变信息提取方法及ENVI下实现

基于决策树的面向对象变化信息自动提取研究

基于决策树的面向对象变化信息自动提取研究张雨霁①②，李海涛②，顾海燕② （①辽宁工程技术大学测绘与地理科学学院，阜新，123000; ②中国测绘科学研究院，北京，100039）摘要：为了从不同时相的遥感影像数据中自动地提取变化信息且保证其效率，本文结合面向对象分析技术，提出了一种基于决策树变化信息自动提取的新方法。该方法利用影像的特征指数及形状特征、光谱特征、纹理特征等作为特征集，将其作为知识库应用到决策树控制模型中，进而利用该模型实现自动分类。对所得到的分类后影像对象，组织分析其综合属性并作为决策规则再次分类，通过“双重分类”的方式实现面向对象的遥感影像变化信息自动提取。该方法为遥感影像变化信息自动提取提供了新的思路。关键词：变化检测;面向对象;决策树;特征指数 Research on Object-Based Analysis of Automatic Change Information Extraction Based on Decision Tree ZHANG Yuji①②，LI Haitao②, GU Haiyan② （①Liaoning Technical University, Fuxin, 123000; ②Chinese Academy of Surveying and Mapping, Beijing, 100830） Abstract: In order to extract change information automatically from the different time remote sensing images and ensure the efficiency, a new automatic extraction method which is combined with the Object-Based Image Analysis technology based on the Decision Tree is presented in this paper. This method uses the features index and shape, spectral, texture of the image as a feature set to establish the decision tree model for automatic classification. Organize and analyse the synthesized attribute of image objects classified above, then use it as the decision rule to make classification the second time. We can bring about the automatic exaction of image change information by ‘double classification’ which is based on the Object-Based Image Analysis. This method offers a new thought for automatic extraction of remote sensing images change information. Keywords: change detection; object-based; decision tree; feature index 收稿日期：修订日期：基金项目：National T echnology Support Program [国家科技支撑项目]。 (Program: 2008BAC34B07__04). 作者简介：张雨霁（1985～），女，在读硕士，主要研究方向为遥感图像处理。 E-mail:YUJI-911@https://www.360docs.net/doc/5519201108.html,