面向对象的高空间分辨率遥感影像植被信息的提取

采用面向对象的影像分割技术获取植被均值对象,从高空间分辨率遥感影像中挖掘出能描述植被的光谱、形状、结构等特征,再通过构建植被对象知识库,最后实现了植被信息的提取。     

高空间分辨率遥感影像小波域分形纹理特征提取

融合小波多尺度分析方法及分形纹理提取方法在遥感影像信息提取方面的优势,提出高分辨率遥感影像小波域分形纹理特征计算方法,以获取地物多尺度分形纹理属性,为遥感影像地类识别提供更好的标识.首先对遥感影像进行小波多尺度分解,进而基于DBC、多重分形纹理计算方法在各个分解层上提取地物纹理特征,通过比较分析,从中选取更为有效的小波域分形纹理特征.基于该方法,利用福州市高空间分辨率QuickBird遥感影像进行试验,并对QuickBird影像进行三级小波分解及纹理提取,结果表明:小波第一、第二分解层粗影像(CA1、CA2)及三方向平均细节影像(L1、L2)的DBC空隙特征及多重分形分维数结果作为最终甄选的小波域分形纹理特征更为合适.     

基于支持向量机的高光谱遥感影像道路提取

为了从高光谱遥感影像中高精度提取各种线形道路,提出了基于支持向量机（SVM）的道路特征快速提取算法,首先利用PCA对高光谱影像进行合理压缩,由SVM模式识别理论推导出该算法具有快速精确提取道路网信息的能力,针对高光谱遥感影像高信息量和道路网复杂度高的特点,提出基于1Vm（一对多算法）的多种道路SVM一次性高精度提取的多分类策略,在提高精度的同时,兼顾了道路特征识别的效率。研究结果表明：SVM对线状道路模式判别能力比常规方法有更强的优势,对小样本的道路识别效果更加明显,从遥感影像中不仅能准确地辨别出道路的线形特征,还能识别出其材质和类型;该算法能同时识别出多种道路,执行效率更高。     

中低分辨率遥感影像控制点对自动提取方法

遥感影像配准是遥感影像融合与校正的基础,而控制点提取是遥感影像配准的关键。针对中低分辨率遥感影像配准时产生的控制点少且分布不均匀、正确匹配率低等问题进行研究,提出了一种自动提取其控制点对的方法。该方法采用区域匹配策略,首先将参考影像与待配准影像的公共区域进行网格划分,对2幅影像中相同地理范围的小区域进行一致编号,接着建立影像的多尺度空间,对每一个尺度影像区域块采用Harris进行角点检测,用SIFT特征描述符描述Harris角点的特征向量,最后利用区域匹配策略进行特征点的匹配。实验表明,该方法能提取出均匀分布且精度高的控制点对,有利于提高中低分辨率遥感影像配准的精度。     

遥感影像提取改扩建道路的DLG辅助算法

随着城市化进程的加快,作为城市脉络的道路网的更新要求越来越高。基于人工测图的传统更新方式速度慢、效率低,难以满足数据更新的需求。利用数字线划地图(Digital Line Graphic,DLG)数据作为先验信息,采用基于特征的方法,从高分辨率遥感影像中提取道路,实现道路的自动更新。算法适用于DLG中以双边缘平行线对表示的城市主要道路。实验结果表明,该方法在道路拓宽、延伸等情况均有良好的效果。     

高空间分辨率遥感环境制图的几个关键技术研究

在大量实际工作的基础上,分别对影像的空间分辨率和像素分辨率的选择,色彩的匹配与还原处理等具体技术问题进行了总结与讨论.实践证明,这些处理方法在具体的应用中取得了很好的效果.     

基于结点扩展的高分辨率遥感影像道路提取

基于整体矩形匹配方法、结点扩展方法、道路连续匹配终止准则等,提出了一种较完善的从高分辨率遥感影像上提取直线道路方法.利用最佳匹配矩形扩展结点进行道路的连续提取,建立道路连续匹配终止准则结束对当前道路的连续提取.该方法具有较高的自动化程度,能够快速准确地提取出影像上主要道路,较好地表示道路的边缘、宽度和方向.同时,在道路提取过程中将自动跟踪和少量人工处理有机地结合起来,使得方法具有实用性.     

高空间分辨率遥感影像分类最优分割尺度

在对高空间分辨率遥感影像进行分类时,为解决不同地物其空间尺度不同的问题,采用多尺度分割的面向对象分类技术,提出采用"对象完整面积个数最多法"的分割方法,研究得出道路、农田、居民地、裸地、水域的最优分割尺度分别为20、30、50、80和100,采用成员函数法对分割后的影像进行分类,并将分类后的结果与基于像元的监督分类结果进行了对比.研究结果表明:使用"对象完整面积个数最多法"实现最优分割的面向对象分类技术的分类精度高于基于像元的分类精度.     

基于直线检测的遥感影像道路提取方法

针对传统的高分辨率遥感影像中提取道路精度低问题,提出了一种基于改进直线检测道路的方法。首先将彩色图像梯度计算运用到经典的直线段检测(LSD)算法中,实现遥感影像直线提取。根据相邻两条直线关系设置6个直线合并规则,然后判断直线间的区域是否为候选道路区域。以候选区域为种子点,生长其他直线间的区域。最后提取面状道路及优化,同时也对道路交叉路口进行提取。实验结果表明使用提出方法所提取道路区域更加完整。     

基于光谱-空间特征的遥感影像水体提取方法

地表水体是人类生存和社会发展不可取代的基本要素,使用遥感影像提取地表水体相比传统实地调研的方式,具有高效、省时、省力的特点。传统的水体提取方法一般仅使用一种或少量类型特征的结合,在处理高分辨率遥感影像时容易出现误提取。针对以上问题,提出一种结合多种光谱和空间特征的自动化水体提取方法。通过两幅高分一号影像上的定性和定量实验结果表明,该方法能够比传统方法更稳定更精确的提取影像中的水体信息。     

基于密集连接的高分辨率遥感图像分类

高分辨率遥感图像分类是当前一个研究热点,基于深度卷积网络和全连接条件随机场的高分辨率遥感图像分类模型(Deeplab),因其高效精准的分类性能被广泛应用于该研究领域,但Deeplab模型存在空洞卷积核对高分辨率遥感图像的信息利用率不足、限制分类精度进一步提高的问题。本文提出一种基于密集连接的轻量级高分辨率遥感图像分类模型Dspp,采用密集卷积网络连接结构,将Deeplab的空洞卷积金字塔结构替换成密集连接结构,以提高信息利用率且增强模型的泛化能力,并与当前经典的FCN、FCN8S、Deeplab分类网络模型进行实验对比。结果表明,Dspp模型相较于FCN模型、FCN-8S模型和Deeplab模型的整体精度分别提高16.8、11.7和7.7个百分点,验证了本模型的有效性。     

高分辨率航空DMC影像阴影区植被提取的研究与应用

采用昆明2005年8至11月的1∶1000高分辨率航空DMC数字影像图对昆明市二环以内城市阴影区域绿色植被信息进行提取.利用归一化植被指数NDVI与NC IVI航空植被指数将明显植被区域信息提取出来,并将原图中明显植被区域割去;对切割后影像图利用掩模提取其中阴影部分并基于bayesian监督分类对阴影区植被进行分类提取.提取信息类型为明显植被、非阴影区、阴影区和阴影区植被.     

基于子带小波特征的高分辨率遥感图像特征提取方法

基于统计理论模型对高分辨率遥感图像进行纹理特征提取。首先对高分辨率遥感图像进行小波变换,用广义高斯密度分布函数来描述变换后各子带小波系数的分布情况（小波系数直方图）,建立遥感图像纹理特征的描述向量。通过对描述向量进行相似性比较,最终按照相似性递减的顺序输出检索结果。该方法简单、有效、计算速度快,适用于遥感图像的实时处理。特别是该方法所定义的图像相似性函数有可靠的理论依据,避免了大量主观因素的影响,符合基于内容图像检索的目的和要求。     

一种面向对象的高分辨率影像最优分割尺度选择算法

近年来越来越多的高分辨率遥感卫星得到应用。传统方法已然不能满足高空间分辨率遥感影像的应用需求,面向对象的遥感影像处理方法应运而生。面向对象方法的基本处理单元是经过多尺度分割的具有较好的完整性和单一性的影像对象,相关研究表明不同目标有其最适宜的提取尺度。在分析两种最优尺度选择方法局限性的基础上。根据“类内同质性大。类闻异质性大”的最佳分类原则,提出面向对象的RMAS方法。该方法的思想是,当对象RMAS值最大时,对象内部的异质性最小、对象外部的异质性最大,此时的分割尺度为类别提取的最优分割尺度。根据最优尺度下信息提取精度最高的原理。实验验证了该方法的可行性。且能获得较好的分类结果。分析还发现RMAS折线有时会出现多个局部峰值的情况,说明最优尺度是相对的。通常是一个数值范围。对于面积较大的类别使用一种尺度不易将信息准确提取出来。需要根据应用目标选择合适的最佳尺度。     

基于自适应标注样本的高分辨率影像道路提取

针对现有道路提取算法中难以大规模人工标注样本类别标签的问题,提出了一种基于自适应标注样本提取遥感影像道路的方法。首先,通过改进的模糊C均值聚类算法提取道路区域,进行初步的样本标注;其次,利用基于二次投票的集成去噪算法定位标签噪声样本,更新样本数据集;再次,将更新后的样本集投入随机森林训练并预测影像的分类结果;最后,对道路提取结果进行多方向形态学滤波去除非道路区域,得到精确的道路提取结果。通过不同分辨率、不同场景、不同方法的实验结果表明,所提方法可以自主选择并标注样本,相比传统算法具有较高的提取精度,对于高分辨率遥感影像中直线型、曲线型道路均有较好的道路提取效果。     

基于迁移学习的高分辨率遥感影像场景分类研究

对于小样本集合的遥感影像场景分类问题,采取了一种基于迁移学习的卷积神经网络高分辨率遥感影像识别方法,通过深度卷积神经网络Inception-v4在ImageNet上训练,得到预训练模型以及相应的初始化参数,随后将小样本遥感数据按比例划分注入预训练模型当中,根据样本集合特征,不断调整网络参数以便获得最佳识别分类模型.最后将本文的方法与现有的场景分类方法进行实验对比,测得该方法在UC merced land use场景影像数据集上取得97.92%的准确率,有效提高了高分影像场景分类精度.     

基于分形和Gabor滤波的高分辨率遥感影像分割

在城市规划、土地利用等应用中常需要对高分率遥感影像进行分割,而传统的滤波器组分解算法把每个波段的能量作为纹理特征进行分割,存在分割精度低,对噪声、灰度变换敏感等缺点.本文提出一种基于图像预滤波和分形特征的纹理特征提取算法,并对提取的特征向量集用K-means算法进行聚类.对天津滨海新区的QuickBird影像的分割实验...     

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。     

基于空间形态特征遥感边缘信息的提取方法

边缘信息是地物间波谱差异的反映.仅仅考虑灰度差异并不能满足专题信息-地物边缘提取的需要.加入地物的空间形态特征依据,可以使边缘信息提取更准确.在灰值形态学梯度算法和多方位形态结构元素形态学理论分析基础上,提出了提取遥感图像边缘信息的新方法.叙述了结构元素的设计和边缘提取过程,给出了应用实例并得到良好的视觉效果.