遥感影像配准中控制点的自动提取

针对遥感影像的处理应用中,传统的手工选取控制点速度慢、精度低和强度大等缺点的问题,提出了一种基于影像灰度和影像特征混合自动提取控制点的新方法。在进行控制点的自动提取时,该方法速度快、错误匹配率低、精度高。方法内容包括特征点提取、构造影像金字塔以及基于金字塔数据结构的互相关匹配。     

基于多因子对象的高空间分辨率遥感影像道路提取

利用面向对象思想,综合应用光谱值、光滑度、紧凑度及长宽比等因子,分割道路对象,构建规则知识库,探讨一种基于多因子对象的高空间分辨率遥感影像道路提取方法,并以厦门市局部区域的QuickBird影像为例进行实证.结果表明:影像分割尺度为75时,道路对象被较完整分割;与传统基于单个像元光谱信息的监督分类法相比,该方法的提取精度较高.     

基于语义分割的遥感影像建筑物自动提取方法

当前地理信息动态更新中遥感影像建筑物提取仍需通过人机交互实现,生产效率较低,针对该问题提出了一种基于语义分割的端对端的遥感影像建筑物提取方法.该方法将提取任务分解为编码和解码两个过程,其中编码过程负责从输入的高分辨率遥感影像中提取建筑物的抽象特征,而解码过程则基于提取到的地物特征建立特征与提取结果的映射关系,从而获得像素级的高精度提取结果.采用高分辨率航拍影像和Worldview卫星影像进行试验,与传统的建筑物提取方法进行对比.结果表明,所提方法的精确度、召回率、F1得分和交并比相对于传统提取方法均有明显提高,能够有效解决地理信息数据生产中建筑物提取的问题.     

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。     

一种基于Snake模型的遥感影像道路网半自动提取方法

在遥感影像中,道路不仅是一种重要的基础地理信息,而且还是提取其它地物目标的线索和参考,道路的正确提取对遥感影像的深入应用具有重要意义.然而,到目前为止,遥感影像道路网的全自动化提取仍处于探索阶段,现有研究仍多侧重于道路的半自动提取方法.本研究在归纳和总结现有典型的几种道路半自动提取方法基础上,提出了一种基于Snake模型的遥感影像道路网半自动提取方法,针对该方法中能量函数的构造、收敛迭代条件的设置、道路中角点的判断、角点及道路网中交点的提取等问题进行了讨论.最后对所提出的方法进行了实验验证,结果表明:基于Snake模型的遥感影像道路网半自动提取方法能够从覆盖范围大、场景复杂、噪声较多的遥感影像中实现道路网的提取且只需少量的人机交互,从而极大地提高了道路提取的效率.     

基于地理定位的影像分辨率融合方法

基于地理定位的影像分辨率融合方法避免传统人机交互选取控制点所带来的误差影响,整个过程不产生人为误差。地理定位法对两幅SPOT5-1A数据影像的融合影像在质量、配准精度、时间效率上都优于传统方法的融合影像。地理定位法融合影像是一种高效、可靠的影像分辨率融合方法,使批量处理影像融合工作成为可能。     

遥感影像图中的地物信息自动提取技术研究

遥感影像推动了测绘技术的发展,而遥感影像的地物自动提取技术也有利于遥感影像的全数字化发展.种子区域增长法是一种较好的遥感影像地物自动提取算法,但是由于容易受到噪声的影响,而导致地物提取轮廓不清晰.在借助面向对象的遥感影像处理思想对种子区域增长算法进行改进后,所获得的地物轮廓更加精确,具有更好的遥感影像图地物自动提取效果.     

遥感影像与地形图自动配准方法的研究

通过提出一种遥感影像与地形图进行自动配准的方法,自动获取大量精确的,分布均匀的控制点.     

基于分布质量的遥感图像配准控制点筛选方法

为提高遥感图像配准精度,提出了一种基于均匀分布质量的配准控制点筛选方法.首先,以尺度不变特征变换获取控制点,采用随机抽样一致性筛除误匹配控制点,然后对配准图像公共区域分块进行基于分布质量的控制点筛选,采用最小二乘估计仿射变换模型参数,最后对输入图像坐标变换后完成配准.对多种遥感图像的实验结果表明,所提出的方法能有效删除误匹配控制点,使控制点均匀分布,减小配准误差.     

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.     

高分辨率影像道路提取的整体矩形匹配方法

提出了一种整体矩形匹配方法,对高分辨率遥感影像中的城市直线道路进行提取.方法基于影像特征、道路知识和数学形态学的击中击不中思想,通过改变影像分割阈值、矩形宽度和矩形方向,从矩形的内部和外部进行整体匹配,使得矩形满足最佳匹配原则,从而提取出道路.利用提出的方法对高分辨率卫星影像进行了实验.结果表明:该方法能较好地消除树木、汽车等对道路提取的影响,有效地提取出直线道路的边缘.     

一种多传感器遥感图像的配准方法

提出了一种对多传感器遥感图像进行配准的新方法，应用数学形态学的方法提取源图像的结构特征，并在此基础上选择图像相关配准点，利用仿射变换作为变换模型，根据变换参数将输入图像与参数图像进行配准，实验结果表明，此算法可以有效地解决成像差异较大的遥感图像间的配准问题，具有较高的使用价值。     

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。     

遥感图像特征分析中的面积表示方法

给出常用遥感图像直接统计像点、八链码表示方法计算面积的步骤，并且给出了两种新方法：扫描标号计算面积法和格林公式求面积法．该算法从实际应用出发，较少依赖图像本身的特征，可方便地表示区域并计算出其面积．     

遥感图像和矢量图的叠加

针对遥感图像与地理信息系统矢量图之间的数据结构和显示时所用的坐标系统的不同问题,通过研究遥感图像与矢量图形叠加来解决两种数据的融合.利用ENVI对研究所用的遥感图像进行一系列的校正,将遥感图像和该图像所对区域的矢量图进行配准,得到带有相同GCP点的两幅图像,两幅图像进行叠加形成一幅遥感图像和矢量图综合显示的图像,该图像结合两者的优点为GIS提供强大的数据库.     

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mean-shift聚类过程的遥感影像自动分类方法

提出了一种稳健的自动分类方法——自适应mean-shift(AMS)算法.该方法基于mean-shift聚类过程,不需要假定数据分布类型,也不需要指定类别的数目,自动化程度较高.自适应mean-shift算法根据数据分布特点自适应地确定带宽的大小,利用采样点估计模式来设计自适应估计器,自适应估计器将每个数据点与不同尺度的核函数联系起来,当核函数满足一定的条件时,AMS迭代过程收敛于极值点(mode),自适应AMS算法是一种归一化的密度梯度估计算法.采用TM影像进行分类试验,试验结果表明:该算法自适应程度高,精度也能满足要求,是一种稳健的自动分类方法.     

数字遥感影像判读法在土壤侵蚀调查中的应用

土壤侵蚀调查技术经历了人工实地填图调查、航 (卫 )片目视判读调查之后 ,目前已进入数字遥感影像调查的新阶段 .本文对数字遥感影像判读调查法与常规调查法进行了对比 ,总结了数字遥感影像判读法的优越性 ,同时也指出了目前存在的一些问题     

给水站选址的遥感多因子评价模型

为完善给水站遥感选址的评价内容,提高评价精度,从给水站选址的水源条件和防护条件进行研究,确定以水域分布、断裂密度、地形坡度、汇流累积量、地貌类型、地层岩性及植被覆盖度作为给水站选址的7个评价指标。利用ALOS、TM和DEM数据对上述指标进行提取和解译,并建立模糊隶属度函数对各指标进行规范化评价,采用层次分析方法分别计算各指标权重,采用加权合成算法建立给水站选址评估指数。研究区实地调查水源状况表明,选址评价指数与水源条件的决定系数R2为0.82,相关关系明显。根据选址指数对研究区进行评估分级,结果与理论分析一致。     

一种高分辨率遥感影像道路提取方法

文章采用了基于核的Fisher线性判别特征分类和形状特征相结合的方法进行道路提取.首先,对标记的样本进行色彩信息的抽取;其次,利用基于核的FLD根据抽取的信息对遥感影像进行特征训练分类,将影像分为道路和非道路两类;接着利用道路的形状特征去除误提的信息;最后利用形态学对道路网进行优化处理.实验证明,本方法可以实现具有颜色信息的遥感影像道路的提取.