一种面向对象的遥感影像多尺度分割方法

高分辨率遥感影像中丰富的空间结构信息和地理特征信息提取需要在多种不同的尺度下进行,而传统的基于像素光谱特征的影像分割和单尺度影像信息提取方法在这方面存在明显的缺陷.基于区域的面向对象影像分析方法,为高分辨率遥感影像信息提取提供了新的思路,其关键的核心问题在于实现对高分辨率遥感影像的多尺度分割.本文提出了一种基于相邻影像区域合并异质性最小的面向对象多尺度分割算法.影像分割试验结果表明:该方法可以根据任意特定尺度下的影像分析任务或任意感兴趣尺度的地物目标,调整影像分割的尺度参数,从而获得特定尺度下感兴趣的影像区域(对象)作为后续面向对象影像分析和应用的基础.     

利用高分辨率的遥感卫星影像更新1:1万比例尺数字地形图的研究

详细阐述了利用高分辨率遥感卫星影像进行1:1万比例尺数字地形图更新的基本技术流程、更新方式以及关键技术.并且利用面向对象的遥感影像分类方法和信息提取技术,获得了较满意的地图更新专题信息.结果表明利用高分辨率遥感卫星影像进行数字地形图更新是一种周期短、见效快、效率高、花费少的切实可行的方法.     

云南泸沽湖水体信息提取方法研究

运用Landsat 8卫星OLI多光谱影像数据,以云南泸沽湖为研究区域,分别运用归一化差异水体指数法、增强型水体指数法、缨帽变换以及面向对象图像分类进行泸沽湖水体信息提取的研究与比较.研究结果表明针对Landsat 8遥感影像波段的特殊性,采用面向对象图像分类提取出的水体信息效果最好,该方法相比传统水体信息提取具有显著的优势.     

高分1号融合光谱特征提取杭州湾河口沿岸湿地典型植被信息方法研究

河口沿岸湿地典型植被信息的遥感分类提取,是监测河口湿地生态环境变化的重要前提之一.以杭州湾河口沿岸湿地为研究区,通过实地采集的典型植被光谱数据与国产高分1号卫星影像数据建立相关关系,并结合面向对象方法的分割尺度及波段比等参数的设置,利用面向对象分类方法进行杭州湾湿地典型植被信息提取.研究结果表明:基于高分1号高空间分辨率数据,结合典型植被光谱特征和面向对象分类方法,有利于提高典型植被信息提取的精度,可以有效地提取湿地典型植被信息.     

高分辨率遥感影像面向对象耕地信息提取方法探讨

随着高分辨率遥感技术发展,高分辨率遥感影像得到广泛应用,特别是高分辨率遥感影像面向对象信息提取技术应用广泛.本文以某地区遥感影像为基础数据,探讨了高分辨率遥感影像面向对象耕地信息提取的技术方法,并对耕地信息提取实验结果进行精度评价,得到了良好的效果.     

基于面向对象分类法的高分辨率遥感滑坡信息提取

运用面向对象分类法中的基于监督分类和基于规则的滑坡识别方法,选择合适的特征属性,利用Aster和Geoeye的融合影像对构林坪流域进行滑坡信息提取,并对分类结果进行精度评价和比较.结果表明:基于监督分类的滑坡信息提取总体精度为66.58%,Kappa系数为0.65,具有较高的分类精度;基于规则的滑坡信息提取方法也取得了84.7%的识别结果,但是区域特殊地形地貌和引发滑坡因子的复杂性导致了72.6%的分歧因子.总体上基于面向对象分类法的高分辨率遥感滑坡信息提取在白龙江流域具有良好的适用性.     

面向对象的高分辨率遥感影像变化检测方法

变化信息是遥感图像中的一类重要信息,变化信息的自动检测是遥感图像智能解译的重要研究领域.利用面向对象分类技术,对一种同一地区不同数据源的高分辨率遥感影像采用了分类后比较的变化检测方法.介绍了方法原理,建立规则以及实现过程;最后利用提出的方法对同一地区不同时相的QuickBird影像和IKONOS高分辨率遥感影像实施了变化检测实验,结果表明将基于面向对象技术的变换检测方法用于不同数据源的高分辨率遥感影像变化信息的检测是切实可行的,并具有较高的提取精度.     

基于GF-1卫星WFV数据的全国建设用地自动监测技术研究

该文以国产高分一号卫星WFV数据为数据源,采用面向对象分类技术,研究面向全国范围的宏观监测信息提取技术及系统实现。一方面,研究了大尺度上利用高分遥感影像和面向对象分类技术进行宏观监测信息提取一整套技术方法,并对其中的建设用地进行了重点研究。另一方面,在集群计算环境下,利用高分一号卫星WFV数据,实现基于面向对象的宏观监测信息自动提取,并重点对建设用地提取结果进行了验证,验证结果显示分类精度优于80%。该研究提高了利用中等分辨率影像进行宏观监测的准确性及时效性,为合理利用和管理土地资源提供决策支持信息,支撑土地利用业务化应用。     

“基于片层-面向类”的竹林信息提取算法与应用分析

 随着竹资源经济效益的不断挖掘,及时、准确地掌握竹林的分布状况与动态信息成为亟须解决的问题,而传统的实地调查并不能很好地满足该需求。3S技术的兴起为掌握竹林分布信息提供了新手段,但受多种因素的制约,长期以来竹林信息提取效果不佳。该文在前期研究基础上,进一步以ALOS高分辨率遥感影像为数据源,利用提出的“基于片层—面向类”算法提取南方山地丘陵区顺昌县的竹林信息,以验证该方法的有效性。除利用传统的基于像元的分类方法外,引入近年来时兴的面向对象法,以作比较;同时,对“非片层区”进行进一步处理,以提高竹林信息提取的精度。用实测点验证表明：基于像元与面向对象的竹林信息提取精度分别为84.42%、86.46%,Kappa系数分别为0.677 3、0.723 4;从目视效果看,基于像元的分类结果存在椒盐状,而面向对象的结果图连续性更佳。两种方法结果虽相差不大,但面向对象方法可能更适用于诸如ALOS这样的高分辨率遥感影像。此外,两种方法共同表明,利用“基于片层-面向类”的信息提取思路,能有效地提取竹林信息,并可作为山地丘陵区域影像解译的重要技术参考。     

基于机器学习的多源遥感影像融合土地利用分类研究

为了快速获取准确的城市土地利用信息,提高西南地区遥感影像城市土地利用分类信息提取的精度,探讨了当前快速发展的机器学习技术在该领域中的分类实验.选用昆明市主城区作为研究区域,以Landsat8与Sentinel-1A影像为原始数据,使用GS变换法对影像进行融合,使用卷积神经网络(Convolutional Neural Network,CNN)和BP神经网络(Back Propagation Network)2种分类算法对融合前后的遥感影像进行土地利用分类信息提取,对分类结果进行分析.研究结果表明:基于Landsat8和Sentinel-1A的融合影像数据的卷积神经网络分类算法具有最好的分类效果,其总体分类精度和Kappa系数分别为85.8091%,0.8124,认为基于多源遥感影像融合的卷积神经网络分类方法是获取准确的城市土地利用分类信息的一种可行的方法,可以为高原地区城市的土地利用分类提取研究参考.     

基于面向对象的遥感影像植被信息提取

主要介绍了基于面向对象的遥感影像分类方法,借用eCognition软件通过设置不同分割尺度参数及特征值,进行了一个分割分类实例试验。结果显示,与传统的基于像元的分类方法相比,面向对象的遥感影像分类方法是具有很好的效果,提交了分类提取的精度。     

多源遥感数据在植被覆盖区的水体信息提取

针对单一遥感影像难以准确提取南方植被覆盖区水体信息的问题,提出了先对光学影像进行混合像元分解,消除植被干扰,增强水体信息,再联合雷达影像的多源遥感数据提取方法。以地物类型丰富,水体发育的湖南衡阳地区为研究对象,选择Landsat8光学影像和PALSAR雷达影像为主要数据源,先利用混合像元分解模型从Landsat8光学影像提取出植被信息,对水体光谱进行重建,再综合去除植被的Landsat8影像的光谱信息和PALSAR影像的纹理信息进行面向对象的多源遥感水体信息提取,并与单源影像的水体信息提取结果进行对比。结果表明,该方法进行水体信息提取的精度更高,尤其在水陆过渡带,能够较好地去除植被干扰,提取被覆盖的水体信息,在南方植被覆盖区水体信息定量提取上具有很好的效果和潜力。     

基于ArcScan的遥感影像中水域信息快速提取方法

将遥感信息的动态性和地理信息系统的分析功能相结合,可以快速、准确地分析水域动态变化。作者在总结前人研究的基础上,提出了基于ArcScan自动矢量化水体边界、快速提取水域信息的方法,文章主要介绍了ArcScan模块、研究流程与具体的方法,并以安徽巢湖2个时期的水域信息提取为例,取得了很好的效果;实践表明,在遥感图像分类的基础上,基于ArcScan自动提取水域信息的方法获得底图要素,可以大大提高专题制图的质量、效率和灵活性。     

基于HJ-1-A卫星CCD相机遥感影像的水体提取

采用面向对象的分析方法(object based image analysis,OBIA),结合水体特征对国产环境卫星(HJ-1-A)CCD相机影像的水体信息进行快速分析、处理和提取.结果表明,对于中低分辨率多光谱遥感影像水体信息的提取,该方法的提取精度在95%以上,优于最小距离法(minimum distance).     

基于面向对象的热带林分类方法研究

【目的】为了加强热带林资源的保护,采用遥感技术对热带林植被进行分类研究。【方法】基于SPOT6高分辨率遥感影像,采用ESP多尺度分割评价模型与专家知识结合的方法确定最优分割尺度参数,在分割的基础上充分挖掘目标地物的光谱、形状及纹理信息,合理选择分类特征组合,建立分类规则,构建了一套基于面向对象的热带林多尺度分类方法。【结果】与单一尺度的分类方法相比,该方法分类精度有明显提高,分类总体精度达到84.46%,并且缩短了传统目视确定最优分割参数的时间,提高了分割效率和精度。【结论】基于面向对象的多尺度分类方法能够实现高精度的热带林植被信息提取,可为遥感分类技术在热带林的应用提供参考。     

遥感图像土地覆被专题信息提取方法综述

土地覆被是全球变化研究的重要内容,而专题信息获取是其研究的前提和基础,如何有效地利用丰富的遥感数据源获取高精度的土地覆被专题信息,对于实时动态监测具有重要的意义.在综合分析当前主要的遥感信息提取方法基础上,将土地覆被专题信息提取方法归纳为目视解译、基于统计分析的图像分类、多源信息复合和基于对象的专题信息提取四大类,并综述了各种方法的优缺点、适用领域和应用情况,最后对其研究方向和发展趋势进行了展望,指出地学专家知识、人工智能、非线性理论以及“面向地块”的信息提取方法是其发展方向.     

小样本学习在高分遥感影像分类与识别中的应用

遥感影像分类与识别是近年来深度学习以及图像分类与识别研究的热点,其中一个关键问题是因样本数据集的数据较少而极易出现过拟合。许多图像分类的模型和方法并不完全适用于遥感影像分类,将小样本学习与遥感影像处理结合起来,实现遥感影像数据增强和识别模型优化是一个可行的思路。根据小样本学习的发展现状,针对特征提取、模型分类方法,归纳总结了典型学习方法的原理及其在相关领域的应用; 分析遥感影像处理的现状和存在问题,基于适用场景、优缺点对各方法进行了比较; 通过分析小样本学习在高分遥感影像分类与识别上的应用,发现引入注意力机制和迁移学习后,小样本学习能够用于样本数据量小的遥感影像分类。     

基于Ecognition的高分辨率遥感影像水体提取研究

以高分辨率遥感影像为数据源,采用面向对象的影像分析软件eCognition提取水体。首先采用多尺度分割算法生成对象,然后对影像中水体的特征进行分析,最后建立对象知识库进行细分类。实验表明,相对于传统方法,面向对象方法能够得到更好的效果。     

WKICA算法在多光谱遥感特征提取中的应用研究

多光谱遥感图像具有高度冗余、非线性化的特点。对其进行有效的特征提取是完成精确目标分类的前提。基于核方法强大的非线性映射能力,提出一种小波核独立成分分析WKICA算法。WKICA算法结合小波核函数近似正交,能够对复杂非线性信号进行逐步逼近的优势,有效提高了核独立成分分析KICA算法的求解精度。将其应用在多光谱遥感图像特征提取中,并对预处理条件下的图像采用不同的监督分类方法进行分类实验。实验结果表明,在WKICA算法预处理条件下,能够更有效的滤除图像噪声,相比较传统的特征提取算法,能够获取更加精确的图像分类效果。