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.     

高分辨率遥感影像自动分类方法研究

近年来,高分辨率遥感影像在土地利用分类工作中被广泛使用,采用计算机自动分类的方法可以提高分类的工作效率.该文讨论了自动分类处理的流程,自动分类的主要方法,列举了典型的分类案例,分析自动分类中存在的困难,并提出了解决的思路.     

基于HIS变换融合IKONOS不同分辨率影像

运用基于HIS变换的图像融合方法,将IKONOS遥感卫星获取的天安门附近4m低分辨率多光谱影像和1m高分辨率的全色波段影像进行融合,得到了1m高分辨率的多光谱影像。     

应用高分辨率卫星遥感影像进行土地利用动态监测

对应用高分辨率卫星遥感影像进行土地利用动态监测的关键技术进行了讨论，给出了土地利用动态遥感监测的工艺流程。     

级联融合边缘特征的高分辨率遥感影像道路提取

针对进行高分辨率遥感影像道路提取时常出现的识别错误和提取结果断裂等问题,提出一种级联融合边缘特征和语义特征的ACEResUNet多任务融合模型。该模型通过边缘检测任务进行道路边缘特征自动化提取,将其与改进的ResUNet模型对应的卷积单元进行特征级联融合,为语义分割道路训练提供更多的决策依据,提升道路提取结果的连通性。通过在各模型特征提取单元中引入交叉压缩注意力模块,提升模型的特征提取能力,并在改进的ResUNet模型的编解码器之间添加全局多尺度特征融合模块,获取不同尺度目标地物的全文特征信息,以提升道路最终提取结果的完整性。在DeepGlobe道路数据集上的实验结果表明,该模型的道路提取精确率和交并比分别达到了0.798和0.661,相较于VNet和ResUNet等经典模型均有提升。     

Hyperion影像与高分辨率影像融合影像的分类结果比较

使用数据融合的手段,将Hyperion影像与SPOT影像进行融合,以期同时获得空间和光谱两方面的丰富信息。使用融合影像进行了地物分类实验,对分类的效果进行了比较。     

基于DCNN的高分辨率遥感影像场景分类

针对传统场景分类方法不能准确地表达高分辨率遥感影像丰富的语义信息问题,提出了一种基于卷积神经网络的高分辨率影像场景分类方法.此方法大致分为3步:第1步,依据不同卷积窗口做卷积运算提取颜色,纹理和形状等低阶特征;第2步,利用池化层将这些低阶特征进行过滤,得到重要特征;第3步,重组提取出来的特征以形成高阶语义特征进行场景分类.在具体实验中利用三个不同尺寸的卷积核对数据集进行分类探究,并且使用了数据增广、正则化和Dropout等手段,提升模型对新样本的适应能力,很好地解决了过拟合问题.该方法在所进行的实验中表现良好,在WHU-RS19数据集上取得了88.47%的准确率,和传统的场景分类方法相比,显著提升了分类精度.     

高分辨率遥感影像线性基元的提取

叙述了线性地物特征基元的概念,总结了特征基元的高分辨率遥感影像多尺度信息提取技术流程框架,即在大尺度下的粗分割后进行线性基元提取的技术流程过程。     

高分辨率遥感影像分割提取构筑物评估

面向对象的影像分析已成为针对高分辨率遥感影像信息提取和行业应用的一种先进方法.该方法的实用效果,基础和关键在于对影像中所关注地物目标的影像分割提取效果.针对高分辨率遥感影像地面构筑物的提取,采用经验性符合统计比较法,把自动分割结果与人工分割提取的地面构筑物区域轮廓相对符合程度分为3个等级:良好、可以接受和不可接受,对当前应用广泛的两种多尺度影像分割方法进行了地面构筑物分割提取效果评估.     

不同融合算法对ETM+遥感影像分类精度的影响分析

以福州市南台岛的ETM+遥感影像为基础数据,利用ERDAS Imagine 8.7、ENVI4.0等遥感影像处理软件,运用主成分法(PCA)、乘积法(MLT)、Brovey变换和HIS变换融合算法对ETM+遥感影像全色波段(第8波段)与多光谱波段(第1-5、7波段)进行融合试验;从融合影像的光谱保真度、高频空间信息融入度等角度对融合后的影像进行比较分析;对各种融合后影像进行非监督分类,并评价各种分类结果进行精度,为用户进行影像分类前选择融合方法提供参考.     

甲玛铜多金属矿IKONOS遥感影像线性构造解译及其控矿构造分析

以找矿预测和成矿作用为目的的线性构造解译和研究已成为构造、遥感和成矿作用共同关注的热点。本文对IKONOS遥感影像的全色波段与多光谱波段进行Gram-schmidt方法融合,通过傅立叶变换和空间滤波,进行空间频谱变换以分离并突出各种频率成分,增强和提取了甲马矿区微线性线性构造信息。利用GIS技术统计分析线性构造的一般特征及其与矿床空间分布上的耦合关系,根据线性构造的规模和对甲马铜多金属矿床控制作用的意义不同,将其分为区域尺度一级控矿构造和二级控矿构造,从而指导甲马的外围及深部找矿勘查实践。     

基于信息量的高分辨率影像纹理提取的研究

从纹理提取方法入手,对影响遥感影像纹理提取精度的因素进行了分析。结果表明：移动窗口大小是影响基于灰度共生矩阵纹理提取的主要因素,对于高分辨率遥感影像,为了保持纹理融合影像信息量的丰富度,适宜的移动窗口选择范围为9×9至15×15之间。通过计算不同窗口大小的OIF值进行纹理组合的选择,得出对于较小的移动窗口3×3与5×5,纹理ME、HO与CR的组合将获得最丰富的纹理信息;对于窗口7×7至17×17,纹理VA、HO与CR的组合最适宜;而窗口大于17×17时,纹理VA、CO与SM的组合将会带来更丰富有效的纹理信息。对不同移动窗口下纹理组合的分类精度评价结果显示,适宜移动窗口下(9×9至17×17),VA、HO与CR纹理组合可提高高分辨率影像的信息提取精度。     

基于多小波变换的遥感图像融合算法研究

多小波是小波理论的扩展,多小波分析能够为图像提供一种比小波多分辨分析更加精确的分析方法。梯度加权平均法对高频小波系数的选取不是简单的丢弃,而是进行加权叠加,更大限度地保留了原始图像的信息。在遥感图像的融合中将两者结合,提出了一种基于多小波变换的遥感图像融合算法。以GHM多小波为例,通过Matlab编程实验,将梯度加权平均法融合结果与最大值选择法进行比较,得到了较好的效果。     

遥感影像分类方法的研究

该文基于ERDAS的KnowledgeEngineer分类方法原理,提出一种多信息源、智能化、程序化的阈值分类技术,利用空间模型语言SML（SpatialModelerLanguage）编程实现遥感影像的分类,进而克服了传统分类方法只能针对单一信息源的局限。研究工作以1999年ETM＋遥感影像临港新城为例,将该方法与传统的监督分类方法进行比较和精度评价。结果表明,阈值分类法比监督分类法分类精度高,指标Kappa系数由0.6109提高到0.8204。该方法可通过模块实现多信息源的调用,从已分类图像中提取确认的分类信息,达到一定的智能化,减少人为的重复性操作。     

一种基于融合技术的遥感图像边缘检测算法

通过讨论遥感图像的边缘特点,为提取其图像边缘,提出了一种有效的融合多种方法的新的边缘检测算法.算法针对遥感图像对象的复杂性、高边缘密度、噪声明显等特性,融合了滑动窗口技术、多阈值技术和模糊增强方法对遥感图像进行了边缘强化,最后利用模糊形态学算子进行了边缘提取.实验表明,利用多方法融合,不仅可以弥补单一方法的缺点,还能提高边缘检测的精度,保留更多边缘细节.     

基于多尺度特征融合的小样本遥感图像分割

针对绘制遥感图像标签成本高、在实际场景中训练样本有限情况下遥感图像检测精度低的问题,提出了一种结合多尺度特征融合与注意力机制的深度金字塔注意力网络(DPA-Net)并集成迁移学习方法进行小样本遥感图像中建筑物与道路的提取．因为有限训练样本包含的信息有限,所以首先在DeeplabV3+网络架构基础上,增加两路低层特征的来源以充分利用低级特征的空间信息,并且利用注意力机制获取丰富的上下信息并增强模型对目标通道的学习能力,降低对其他目标和噪音的响应能力,改善模型在小样本上检测效果差的问题．最后利用公开遥感图像数据集和小样本数据集进行联合训练的迁移学习方法降低训练样本过少对网络学习性能的影响．实验结果表明：本文方法的精度提高了3.69%,可节省1/2的标注成本．     

一种基于融合技术的遥感图像边缘检测算法

通过讨论遥感图像的边缘特点,为提取其图像边缘,提出了一种有效的融合多种方法的新的边缘检测算法算法针对遥感图像对象的复杂性、高边缘密度、噪声明显等特性,融合了滑动窗口技术、多阈值技术和模糊增强方法对遥感图像进行了边缘强化,最后利用模糊形态学算子进行了边缘提取实验表明,利用多方法融合,不仅可以弥补单一方法的缺点,还能提高边缘检测的精度,保留更多边缘细节     

遥感图像融合评价系统的设计与实现

图像融合是遥感图像处理的重要环节之一,本文基于MATLAB图像用户界面设计实现了遥感图像融合评价系统,该系统可实现遥感图像的小波法、PCA法及IHS法融合,并对图像进行九种客观评价.实验表明,本系统具有良好的实用性和可行性,可为图像融合与评价工作提供便利.     

基于IKONOS的人工林地识别研究

以五分地沟试验区为例,提出了一种基于IKONOS卫星遥感图像提取不同郁闭度人工林地的方法。利用Matlab软件图像处理工具箱,进行树木信息的提取,精度达90.7%,KHAT统计量为0.86。以树木分类结果为基础,依据郁闭度定义,通过滤波方法识别不同的林地类型。结果表明,综合运用遥感数字图像处理软件、GIS软件和Matlab,能够从高分辨率的遥感数据中自动且有效地识别人工杨树林、人工杨树疏林和散生树等植被类型,可靠性较高,且可以重复验证。