基于遥感影像建筑物的变化检测研究

随着自然灾害的频繁发生和城市违法建设的增多,在灾后救援、灾后评估和城市规划、城市管理工作中对于掌握建筑物变化的情况越来越重要,应用遥感技术进行变化检测成为研究热点。通过基于图像增强和二次特征的方法以及阴影分析法进行了建筑物的变化检测研究。     

基于卫星遥感的输电沿线建筑物变化检测

准确、快速地实现建筑物变化检测对识别输电沿线隐患区具有重要的意义。随着卫星遥感技术的不断发展和进步,基于高分辨率遥感影像进行建筑物变化检测已成为研究热点。提出了一种融合阴影、建筑物指数、纹理、形状等特征的高斯概率模型实现像元级的建筑物初提取,在此基础上,结合多尺度分割结果实现对象级的建筑物变化检测,最后,将前后两时相对象级的建筑物提取结果进行空间叠加分析,并将叠加结果划分为建筑物新增、建筑物拆迁和建筑物改建三类。本文在研究区和验证区分别采用不同分辨率的遥感影像进行实验和验证,结果表明,该方法在不同尺度和影像分辨率下的建筑物变化检测均取得了实际效果和检测精度,可为输电沿线建筑物变化检测提供良好的技术支持。     

基于深度置信网络与数学形态学融合的遥感影像建筑物变化检测

当前人工调查土地资源利用情况具有较高的人力成本且劳动强度大,对其实现自动变化检测具有较高的理论和应用价值。将深度置信网络(deep belief network,DBN)应用于高分辨率遥感影像的建筑物变化检测,但DBN在变化检测时存在由误判现象造成的建筑物完整度欠缺、空间存在噪声等问题,提出DBN与数学形态学融合模型对高分辨率遥感影像建筑物进行变化检测。在遥感影像预处理基础上,标记少量明显的变化与未变化样本,利用搜索窗口从标记的区域获取大量带有标签的样本训练融合模型分类器对建筑物进行变化检测,检测方法准确率为94.76%,召回率为87.63%,F_1为91.06%。实验结果表明,该方法可以为建筑物的变化检测提供有效依据。     

面向对象的高分辨率遥感影像建筑物变化检测

以武汉市东湖高新技术开发区部分区域为研究区,提出基于面向对象的高分辨率遥感影像建筑物变化检测法.利用BMI算法提取建筑物,利用CVA算法进行变化检测得到全部对象差异度,利用EM算法的贝叶斯阈值计算方法确定变化阈值.结果表明,基于面向对象的变化检测总体精度为89.48％,Kappa系数为0.86,优于基于像元的变化检测,...     

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.     

基于MDL准则和EM算法的多光谱遥感影像变化检测

针对由实际遥感地物类型难以确定导致的多光谱遥感影像变化检测精度较低的问题,提出一种结合最小描述长度(MDL)准则的EM变化检测方法。首先,采用主成分变换与相关系数融合法相结合的方式构造差异影像;其次,利用分支数为k的高斯分布混合模型对差异影像进行建模,并利用MDL-EM算法自适应估计模型各参数;最后,利用基于统计最小错误率的Bayes判别准则确定变化检测的阈值来实现多光谱遥感影像变化检测。实际遥感数据验证结果表明,所提检测方法应用于多光谱遥感影像变化检测中是可行、有效的。     

遥感图像直接变化检测方法的发展现状

遥感变化检测技术是遥感信息科学的重要研究领域,本文比较全面阐述了变化检测算法中的常用直接检测方法,并通过分析一些常见方法的基本理论,指出了这些方法中存在的有待解决的问题。     

基于震后高分辨率卫星遥感影像的建筑物瓦砾快速提取方法

利用震后高分辨率卫星遥感影像提取建筑物损毁空间分布和破坏程度信息,对于地震灾情评估具有重要作用.本文以2010年海地地震巨灾为例,选用震后高分辨率卫星遥感影像Geoeye-1为数据源,在分析建筑物瓦砾可分离性的基础之上,利用监督分类方法提取损毁建筑物的瓦砾.结果表明,在震后高分辨率卫星遥感影像中,瓦砾是建筑物损毁的明显震害标志;瓦砾的生产者精度为87.23%,大于总体分类精度63.14%;瓦砾的Kappa系数为0.62,高于总体Kappa系数0.54.研究表明,基于瓦砾纹理特征的遥感信息提取方法能够从震后复杂的城市地物类型中识别出大部分瓦砾,该方法得到的结果可以应用于地震灾情应急评估,辅助应急救援等.     

基于无人机遥感平台的城市变化检测技术研究

通过遥感变化检测的手段获取城市空间地理信息,进行城市违章建筑的快速监测,具有省时,又省钱,效率高的特点,可为执法部门提供科学客观定量的依据。本文基于笔者多年从事无人机遥感的相关工作经验,以城市建筑变化监测为研究对象,提出了基于无人机遥感平台的城市建筑快速变化监测方法,论文一并探讨了遥感数据的选择和处理流程,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行有着重要的参考价值和借鉴意义。     

Quickbird遥感影像提取建筑物阴影信息的方法改进

在分析Quickbird遥感卫星图像上多出建筑物阴影与其真实高度的对比关系中,进行了城市建筑物高度信心提取方法的进一步的精确和改进,并且以曹妃甸典型建筑物高度信息提取为例,更加精确地提取出建筑物的阴影和高度信息,从而体现出遥感卫星图像在城市规划中越来越重要的作用.     

基于Xception模型的遥感影像场景变化检测

由于遥感场景固有的语义特征,深度学习在场景分类中具有突出的语义特征提取能力,近年来得到了广泛的研究。然而,现有的基于深度学习的方法大多没有精细描绘场景几何形状,而是利用固定大小的滑动窗口来对影像分类,这些窗口可能由多种场景类型的混合像元组成,导致场景识别的可分离性低,细节粗糙,分类精度低。针对这一问题,将简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)与迁移学习相结合,实现场景斑块的精确分类,进一步提高场景变化检测的准确性。首先基于SLIC算法,考虑强度分布的相关性,将遥感影像分割成多尺度斑块;其次利用Xception模型结合迁移学习网络从多尺度斑块中提取深度语义特征,并基于softmax分类器计算概率,从而判别场景斑块的类别;最后,基于场景分类的结果提取地物的变化信息。实验结果表明,该方法能够适应不同尺度的场景识别,达到利用窗口网格检测方法的最高水平,提高了场景变化检测的精度和效率。     

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.     

基于目标匹配的遥感图像变化检测方法

针对传统的像素级遥感图像变化检测方法中检测精度严重依赖于图像配准、辐射校正和差异图像阈值选取的问题,提出了一种基于目标匹配的目标级遥感图像变化检测方法。该方法直接作用于2幅未经配准和辐射校正的不同时相遥感图像,利用目标的区域不变矩与目标之间的角度关系对目标进行匹配,将不能匹配的目标作为变化目标,利用匹配目标对2幅图进行配准,以同时实现图像的配准与变化检测,并用配准结果对变化检测结果进行修正。实验结果表明,该方法具有较好的定性检测性能。     

基于改进U-Net模型的高分辨率遥感影像中城市建筑物的提取

针对高分辨率遥感影像中城市建筑物周围环境复杂多样,易被阴影遮挡,难以精细化提取的问题,提出一种改进的U-Net网络用于图像中的城市建筑物提取.该网络在标准U-Net网络的编码器末端嵌入双重注意力模块,可以通过捕获全局建筑物信息和长通道建筑物信息,实现建筑物特征的增强.在交叉熵损失函数的基础上加入Lovász损失函数,构成的复合损失函数增强了对建筑物提取结果的约束能力,进一步提高了模型的鲁棒性.将该模型在美国马萨诸塞州数据集上进行验证,提取建筑物的F1-score为87.83%.结果表明,本方法对高分辨率遥感影像中周围环境复杂多样、被阴影遮挡的城市建筑物具有较强的提取能力.     

基于BAU-Net的高分辨率遥感图像中建筑物的分割提取

高分辨率遥感图像中建筑物的分割提取是现代数字化城市建设、经济预测、国土资源勘探以及国防安全等领域中重要的技术手段.本文基于U-Net网络提出了一种双U型Encoder-Decoder架构的边缘意识U型深度神经网络—BAU-Net.该网络模型首先利用粗特征提取网络对建筑物进行初次识别提取,再通过残差结构的细特征提取网络修...     

基于航空影像的建筑物提取技术研究

本文基于笔者多年从事航空影像内业处理的相关工作经验,以航空影像建筑物提取技术为研究对象,论文探讨了基于航空影像的建筑物提取技术的国内外现状,给出了建筑物提取技术的路线,全文是笔者长期工作实践基础上的理论升年,相信对从事相关工作的同行有着重要的参考价值和借鉴意义.     

高分辨率遥感图像森林训练样本自动提取及其在变化检测中的应用

森林训练样本自动提取算法(TDA)已在Landsat图像分析中得到了成功应用,笔者以广西苍梧县广平镇为研究区,采用2007年ALOS、2011年Rapid Eye遥感图像,试验该算法在高分辨率图像中的应用。研究首先根据图像光谱特性自动识别出纯净森林训练样本,然后依据归一化的整合森林指数图像提取两期森林/非森林分类结果并以此进行林地变化检测,经过精度分析结果表明,面积总误差为-2.6%,空间位置精度为87.7%,说明该算法可有效地从高分辨率遥感图像提取出纯净的森林训练样本,为森林/非森林分类以及变化检测提供基础数据。     

基于低空航空摄影测量的城市变化检测技术研究

本文基于笔者多年从事航空摄影测量的相关工作经验,以城市建筑变化监测为研究对象,提出了基于DSM的城市建筑快速变化监测方法,论文一并探讨了遥感数据的选择和处理流程,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行有着重要的参考价值和借鉴意义。     

基于遥感影像的重要地物的变化检测和标注

破坏性灾害会造成巨大危害和损失,灾后一定时间内由于信息匮乏,使得对了解灾情和救灾都极为不利。为了及时获取灾区建筑物、道路、桥梁、水库等重要地物的倒塌和毁坏信息,给出了一种可自动识别和标注灾害前后遥感图像差异区域的方法。首先对时序遥感影像通过三维块匹配(block matching 3D,BM3D)方法去除高斯噪声,然后利用尺度不变特征变换(scale-invariant feature transform, SIFT)方法进行图像配准,通过对差分图像采用Wv＿Canny边缘检测方法获得差异区域重要地物的边缘信息,最后识别并标注出发生变化的重要地物,真实遥感图像实验结果按建筑物变化面积比较,正确率78%～79%,误检率21%～22%,无漏检率。仿真试验和实际遥感影像处理表明：所研究方法可有效识别和标注建筑物等重要地物的差异区,有利于灾后破坏性地物的及时了解和救助工作。