多源遥感影像数据融合的理论与技术

目的 探讨多源遥感影像数据融合技术,包括融合概念、融合原理、融合算法、融合效果评价。方法 对于不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合分析,提出像素级、特征级、决策级遥感影像融合的方法及用信息论的理论建立融合影像评价系统。结果 信息融合可分为3个层次：像素级、特征级和决策级融合;像素级融合信息损失最小,决策级融合信息损失最大;像素级融合精度最高,决策级融合精度最低。结论 对同一地区的多源遥感影像数据进行融合,可以产生比单一信息源更准确、更完全、更可靠的估计和判断,可以提高影像的空间分辨率和清晰度,有效提高遥感影像数据的利用率等。     

基于多尺度分层联合的泥石流物源信息精细化提取方法

针对泥石流物源分布破碎、赋存条件复杂的特点以及泥石流防治工程中物源信息精度需求高的问题,提出一种面向对象的分层联合信息提取方法,其综合样本分类器能实现模糊分类的优点和规则分类器在地物空间信息提取方面的便利性,联合样本分类与规则分类两种影像信息提取手段;根据不同地物间的特征差异,遵循由粗至细、去伪存真的处理原则,分阶段、分层次处理影像信息,逐层剔除无关地物信息的同时提取目标地物信息,从而实现泥石流物源类型及其空间分布特征的精细化提取.以西部高寒干旱地区某泥石流沟的无人机遥感影像为试验数据,对所提多尺度分层联合信息提取方法进行验证,结果表明降低了不同地物间的混淆,提高了分类结果精度,为破碎分布型泥石流物源信息的精细化提取提供了新方法和思路.     

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.     

基于知识的CBERS-02B卫星数据土地利用分类研究

选择龙口市黄水河流域下游为例,将GIS数据与遥感影像结合起来,从中发现知识,并将知识用于中巴地球资源卫星(CBERS-02B)遥感影像的土地利用分类信息提取,使土地利用信息自动提取的精度得到了明显提高,总体分类精度87.13%、Kappa指数值达到了0.851 1.研究表明,该方法将原有的 GIS 数据的先验性知识综合集成用于新的遥感图像的分类中,可以促进 GIS数据更新的自动化,提高土地利用调查的精度.     

基于决策树的多源遥感数据分类

遥感影像是获取土地覆盖信息的重要手段。分析了影响决策树分类的特征因子,并根据这些因子构建分类决策树。结合中分辨率多源遥感数据,对贡嘎山区进行土地覆盖分类,通过与最大似然法分析对比,基于决策树的多源数据分类对试验区的分类精度(总体精度85.71%,Kappa系数0.83)远高于基于像素的最大似然法监督分类(总体精度63.56%,Kappa系数0.58)。     

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。     

城市绿地提取及动态变化监测方法

选择西安市城区三环以内作为研究区域,使用多时相LANDSAT TM影像,分别采用基于简单规则的决策树分类和支持向量机(SVM)分类法提取城市绿地信息并对其精度进行评价。针对TM影像绿地信息提取中存在的混合像元问题,将模糊C均值法(FCM)引入到绿地提取中。研究结果表明:SVM分类法相比于简单规则的决策树分类法,平均分类精度提高了15%,更有利于城市绿地信息的提取,然而对城区中心的绿化带、行道树等小面积绿地信息提取仍然不全面;引入FCM算法后,可根据像元中各类别的不同隶属度,进行更加精细和准确的分类,城市中面积较小的绿地信息都能被很好地提取出来,分类精度得到进一步提高,该算法很好地解决了绿地信息提取中的混合像元问题。     

城市河网的低空遥感影像全卷积神经网络水质等级分类

提出一种基于深度学习的图像像素级标注算法。通过数据预处理、数据集建立、全卷积神经网络设计和训练流程,实现水体的水质等级分类及像素级标注。使用上海市嘉定区某区域和上海市宝山区杨行镇某区域的无人机低空遥感影像对该算法进行了验证,平均水质等级分类精度分别达到了87.96%和77.57%。     

基于计算机视觉的海南岛地质灾害提取研究

针对海南岛主要地质灾害类型(滑坡、崩塌、泥石流),利用多源遥感影像数据,基于计算机视觉,运用Itti视觉显著性模型以及多特征层次分析,建立适宜于海南岛的地质灾害信息提取算法模型。该模型利用地质灾害与其他地物差异较为显著的色调、形态特征,在Itti视觉显著性模型的基础上生成了总显著度图,经过多特征层次分析,进行特征参量阈值优化处理形成最终的地质灾害信息提取结果。本文选取多处研究区、多灾害类型、多源影像进行实验验证,实验提取各类地质灾害正确率为89.85%,无漏检,整体精度较好。将计算机图像处理技术运用到海南岛的地质灾害信息提取中,为该地区地质灾害防治工作提供了新的技术方法支持,为今后在热带地区开展地质灾害信息提取提供了参考。     

基于案例推理的遥感影像水体信息提取方法

为了提取得到高分辨率遥感影像水体信息,以0.5 m分辨率World View-2影像为数据源,提出了一种基于案例推理的遥感影像水体信息提取方法。首先以提取到的影像上水体的光谱特征和纹理特征来构建推理案例库,采用归一化的案例相似度计算方法和案例匹配策略进行特征匹配,然后结合区域生长法和数学形态闭运算进行匹配后处理,最终完成水体信息提取。对不同类型的水体信息进行了提取试验,并与SVM方法提取水体的精度进行了对比,结果表明,文中方法的总体精度98.15%,kappa系数0.96,从而验证了方法的有效性和适用性。文中方法可以推广应用于不同遥感影像其他地物信息的提取。     

基于单时相Landsat8_OLI影像的棉花提取技术研究

针对利用单时相遥感影像快速、高精度地提取棉花信息研究较少的现状,根据作物的物候历,选取棉花生育期的单时相Landsat8_OLI影像。通过对棉花和其他地物的光谱特征与植被指数的差异性分析表明:近红外波段(NIR)和差值植被指数(DVI)是棉花识别的特征指数;并由此构建了OLI数据的棉花信息提取的特征指数模型。经实地验证,运用此模型提取的库尔勒市棉花信息的生产精度为97.96%,用户精度为98.63%。基于单时相遥感影像的棉花提取思路可以为我国主要棉产区的棉花信息遥感提取、长势监测和产量估测提供新思路和技术参考。     

基于LinkNet卷积神经网络的高分辨率遥感影像水体信息提取

针对高空间分辨率(简称高分辨率)遥感影像在水体信息提取时准确度不高的问题,采用LinkNet卷积神经网络模型对高分辨率遥感影像进行水体信息提取,验证该网络模型对于水体信息提取的可行性及有效性.首先选取包含水体的影像数据作为训练数据,然后构建LinkNet卷积神经网络模型,并利用构建好的网络模型训练得到水体信息的先验模型,最后采用该模型对真实高分辨率遥感影像进行水体信息提取,并与经典算法比较.实验结果表明:LinkNet卷积神经网络模型能够实现高分辨率遥感影像水体信息的高精度提取,且优于经典算法.     

基于OLI影像的几种常用水体提取方法对比研究

选取安徽省西南部的沿江平原和皖南山区为研究区,以Landsat8 OLI影像为数据源,基于面向对象的思想,比较阈值法、谱间关系法、NDWI指数、MNDWI指数、EWI指数法、CIWI指数法、PRWI指数法在平原地区和山地地区的水体信息提取的优势与不足。试验结果表明,7种方法均可以有效提取,综合来看,阈值法较适合平原地区的水体信息提取,谱间关系法适合山地地区的水体信息提取,MNDWI指数和阈值结合水体指数法较适合平原地区的水体信息提取。从精度评价角度看,阈值法提取OLI影像的水体信息效果最差,MNDWI指数提取的水体信息精度最高。     

基于多源遥感数据的石漠化信息提取研究

利用撒拉溪示范区和花江示范区2016年的12个月份的SAR数据后向散射系数,构建时间序列,进行石漠化信息的提取,同时利用雷达遥感影像和光学遥感影像融合的方法进行喀斯特地区石漠化等级的确定,并选取野外实地验证的方法进行精度验证.结果表明:多源遥感数据支持下的石漠化信息提取方法相比较于传统的光学遥感提取方法,在石漠化地物界定和石漠化强度定级上更加准确和有效.在喀斯特高原山地轻—中度石漠化区,其精度分别提高7.69%和5.99%;在喀斯特高原山地中—强度石漠化区,其精度分别提高9.41%和5.39%.     

基于TM影像的水体信息提取算法研究

以郑洛地区为研究区域,利用LandsatTM影像进行波谱再分析,对谱间关系法进行改进,设计了更适合于郑洛地区水体信息提取的算法。通过综合比较和分析单波段阈值法、谱间关系法、归一化水体指数法和IHS(intensity hue saturation)变换法,借助数学形态学、中值滤波等进行优化处理,进而提出了改进的谱间关系法。实验证明该改进算法具有有效性,提取效果良好,能够提取到较细小的河流等水体信息。河流细节丰盈,山体阴影较少,总体精度较高,与实际情况一致性较好。     

基于空频域纹理特征的高分辨率遥感图像居民地提取

为了解决高分辨率遥感图像中居民地信息因光谱和结构复杂度高造成的提取精度低,速度慢等问题。提出一种基于空频域纹理特征的高分辨率遥感图像居民地提取算法,该算法首先对高分辨率居民地图像分别进行特定方向Gabor滤波和分形维数的计算,然后依据得到的空频域纹理图像的局部纹理灰度特征对居民地信息进行提取,最后对提取初步结果进行形态学优化得到最终的提取结果。实验结果表明,该算法对乡村地区和山区居民地信息提取的总体精度达到97%以上,与传统的分形维数方法和Gabor滤波方法相比,误提率降低了45%以上。实现了全自动、有效的提取平原、山区两种地貌的居民地信息。     

基于纹理方向和角点的居民地信息提取

高分辨率遥感影像中规则建筑聚集街区式居民地纹理方向性明显且含有丰富的角点,为了充分利用该特性,以简化滤波器参数设置,提高居民地提取精度及效率,提出基于纹理方向和角点的高分辨率遥感图像居民地信息提取方法。该方法首先对遥感图像进行特定方向角度的Gabor滤波变换;并将滤波器组输出的不同方向滤波影像进行重构。然后对滤波影像做Harris角点检测;并计算检测结果影像的角点密度似然度。最后将角点密度似然影像进行阈值分割以提取影像上的居民地信息。实验结果表明,该方法对乡村及山区居民地信息提取的Kappa系数分别达到0.954 2和0.894 4,保证了居民地提取的精度。同时,算法中各参数的鲁棒性较好,其中中心频率不需要反复的选取试验,从而提高了居民地信息提取的效率。     

基于Quickbird影像的额济纳胡杨林树冠提取

论文以QuickBird数据为例,基于高空间分辨率卫星影像,开展了内蒙古额济纳胡杨林树冠信息提取方法的研究.在数据融合的基础上,采用面向对象的多层次图像分割方法,提取了影像中的树冠信息.结果表明,稀疏胡杨林样区的整体用户精度为87.63%,生产者精行快速定住.     

ERDAS Objective模块下基于GeoEye-1影像的二维特征信息提取技术研究

ERDAS objective模块是ERDAS 9.3版开始推出的面向对象的信息提取模块.为了应Objective模块实现GeoEye-1影像的二维特征信息自动提取,本文首先介绍了Objective模块的设计理念、原理和功能;分析了应Objective模块进行二维特征信息提取的关键技术和步骤;然后针对GeoFye-1影像的性能,分别研究设计了道路、建筑物和城市树冠信息的自动提取方案,最后分别针对GeoEye-1影像的多光谱影像,全色影像和融合影像进行信息提取试验和精度评价.试验表明:在objective模块下,应用本文设计的信息报取方案对GeoEyel影像进行二维特征信息提取是可行的,特别是基于多光谱和全色波段的融合影像进行二维特征信息提取时能够达到较高的精度,结合一定的编辑工作,自动提取的信息能够应用于大中等比例尺的数字线划图生产.     

基于Landsat遥感影像的黑河干流中游湿地信息提取

基于Landsat卫星遥感影像,将一种新的水体自动提取指数(AWEI_nsh/AWEI_sh)运用于湿地信息提取,并通过箱型图统计方法自动获取了12种相关变量的阈值范围.结果表明:利用该水体自动提取指数和归一化植被指数,结合数字高程模型建立决策树模型,可对研究区内的湿地信息进行有效提取,且2000,2014年的遥感影像湿地信息提取精度分别为83%、93%,提取方法可用于大范围湿地研究.