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.     

基于标记分水岭算法的高分辨率遥感图像分割方法

由于Quickbird等高分辨率遥感图像信息分布的特殊性,一些面向视频(或自然)图像分割方法并不完全适合于高分辨率遥感图像的分割.基于标记的Watershed图像分割算法是一种改进的分水岭算法, 它很好地被应用于人脸及其他一些场景图像的分割.把该方法引入高分辨遥感图像的分割,并针对遥感图像的特点,在分割之前采用中值滤波对高分辨率遥感图像进行预处理;同时,在分割过程中采用用小波滤波器替代Butterworth滤波器对梯度图像的低通滤波.不同地物特征的Quickbird图像的分割实验表明,对于纹理比较均一的高分辨率遥感图像,该方法避免了过分割现象,且效率较高;但对于纹理比较复杂的图像,该方法具有一定的局限性.     

基于邻接图的面向对象遥感图像分割算法

为解决高分辨率遥感图像自动化处理程度不高的问题,提出一种基于邻接图的面向对象遥感图像分割方法.综合利用遥感图像的光谱信息和区域形状信息进行图像分割,并采用了一种新的异质性度量准则.与经典软件eCogniton在QuickBird图像分割的效率和效果方面的对比分析表明,该算法在运算效率上较eCognition的多尺度分割方法可以提高近1倍.     

基于索贝尔算子的高分辨率遥感影像分割技术研究

目前,基于面向对象的影像分析方法已经广泛应用,这种方法的基础是对影像进行分割得到同质对象,那么,分割结果的好坏就直接影响到后续分类的精度,所以,有必要对分割进行研究。本文提出了一种基于索贝尔算子的影像分割方法,并采用高分辨率的SPOT5影像进行实验,实验证明这种方法能有效提高影像分割的准确性。     

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。     

IKONOS高分辨率遥感影像融合方法比较研究

由于应用需求的驱动,高分辨率遥感影像融合技术已成为卫星遥感信息处理领域的重要研究方向和热点课题.以贵阳地区2002年12月23日的IKONOS高分辨率遥感影像为实验数据,利用ENVI 4.3、PCI 9.0、ERDAS 9.1 3种遥感图像处理软件中的一些常用融合方法进行了融合实验,并对相应的融合结果进行了讨论和分析.结果表明,ERDAS 9.1中的PCA法融合效果最好.     

基于JSEG改进算法的高分辨率遥感影像分割

高分辨率遥感图像中细节信息丰富、地物几何结构明显,对JSEG算法进行了改进,使其对高分辨率遥感图像分割可以取得更合理的结果。算法使用增量式的生长方式完成初始分割,并综合使用颜色和形状信息对过分割区域进行合并。实验表明,改进后的算法符合高分辨率遥感图像的特点,可以得到更好的效果。     

基于高分辨率遥感影像的人口信息的提取综述

随着遥感技术的不断提高,人们开始考虑使用高分辨率遥感影像对某区人文信息进行提取,本文主要是基于高分辨率影像人口信息提取方法的研究综述,目的在于借鉴前人的研究,以求在此基础上更进一步发展。     

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.     

基于形态学梯度重构的高分辨率遥感影像分割方法

基于形态学梯度重构提出一种用于高分辨率遥感影像的分割方法.针对遥感图像的特点构建多形状结构元素,然后使用该结构元素对图像提取形态学梯度并进行开闭重构;根据人的视觉特征,对梯度的高对比度区域进行还原,用于保证较高的局部对比度;最后使用浸没式分水岭变换获得分割结果.对IKONOS影像进行分割实验,结果表明了该方法的有效性.     

基于改进SegNet模型的遥感图像建筑物分割

针对原始SegNet网络模型存在的参数数量多、 梯度不稳定及分割精度低等问题, 提出一种通过构建SegNet与带残差的bottleneck块、 深度可分离卷积以及跳跃连接结构相结合的改进模型. 在航空和卫星遥感图像数据集上进行实验的结果表明, 改进后的网络模型在精确率、 召回率及F₁值等性能评价指标上均获得更优结果, 表明改进的网络模型在遥感图像建筑物分割任务中有良好的实用价值.     

面向对象的遥感影像水体信息提取

基于面向对象的遥感影像分析方法,在不同尺度分割遥感影像的基础上,根据影像对象的特征,如亮度、光谱、归一化植被指数(NDVI)、面积和上下文等信息,对水体信息进行了提取和分类.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信息提取方法具有很好的效果,同时也提高了信息提取的精度.     

基于多任务学习的高分辨率遥感影像建筑实例分割

针对基于深度神经网络的高分辨率遥感影像建筑物提取算法中将建筑物提取视为二分类问题(即将遥感影像中的像素点划分为建筑物与非建筑两类)而无法区分建筑物个体的局限性, 将基于Xception module改进的U-Net深度神经网络方法与多任务学习方法相结合进行建筑物实例分割, 在获取建筑物二分类结果的同时, 区分不同建筑物个体, 并选择Inria航空影像数据集对该方法进行验证。结果表明, 在高分辨率遥感影像的建筑物二分类提取方面, 基于Xception module改进的U-Net方法明显优于U-Net方法, 提取精度升高1.4%; 结合多任务学习的深度神经网络方法不仅能够实现建筑物的实例分割, 而且可将二分类建筑物的提取精度提升约0.5%。     

CAMFT算法在遥感影像分割中的应用

遥感影像具有数据量大、数据结构复杂、连续、存在缺损与误差等特点，根据遥感影像的特点，提出一种基于多代表特征树的CAMFT算法。该算法通过多代表点特征树把海量空间数据进行压缩来提高效率，并且可以捕捉复杂形状聚类；算法CAMFT融入了采样思想，进一步增强了处理大型数据的能力。实验结果表明，该方法聚类精度优于K-Mean算法。     

浅海水深遥感影像的水陆分割研究

本文对现有的几类遥感图像分割方法进行了概括介绍,对基于水体光谱特征的水深遥感图像水陆分割方法进行了重点阐述,并验证了此方法的可行性。为在该领域进行进一步的研究提供了参考。     

基于高分辨率遥感影像的城市建设区提取

以北京市部分区域的QuickBird影像为实验数据, 运用面向对象的影像分析手段, 研究城市建设区的自动识别和提取方法。在分析城市建设区特征的基础上, 采用在低分辨率影像上粗提取, 在高分辨率影像上精提取相结合的技术, 提高提取精度。经过与目视判读结果的对比, 城市建设区的识别率达到89.7%, 误判率为27.6%。     

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。     

面向高分辨率卫星图像的几种图像分割算法稳定性对比分析

将基于均值漂移和图模型的图像分割算法及这两种算法的混合算法应用到高分辨率卫星光学图像,并对比了它们在分割遥感图像时的稳定性。均值漂移算法是一种基于核密度梯度估计的特征空间分析算法,其实质是一种统计优化过程。基于图模型的算法将一幅图像抽象为一个无向图,通过不断合并图结点,将这个图分割为多个连通分量,进而实现一幅图像分割。混合算法首先利用均值漂移技术对图像进行滤波,然后再使用图分割算法对图像进行分割。实验结果显示,均值漂移算法分割结果对其参数变化较为敏感,而基于图模型的算法和混合算法则较为稳定。