面向对象的无人机影像地物分类

为了对农村用地进行有效分类,本文选取面向对象的分类方法,利用某农村的无人机航摄影像提取其土地类别信息.首先对无人机获取的原始影像进行预处理;然后对研究区反复进行分割实验,选取最优的分割尺度,在不同层次进行最优尺度地物分割;最后根据地物矢量、光谱、形状等特征差异,对最优分割尺度层上的地物进行最适宜的分类规则的建立,进而在...     

基于面向对象方法的汶川地震土地覆被快速提取

"5.12"汶川8.0级地震后,如何高精度快速提取灾害背景特征参数成为遥感技术在地震应急工作中应用研究的关键.随着高分辨率遥感影像的发展,传统基于像元的分类技术已不能满足需求,引入面向对象的信息提取技术,充分挖掘影像对象的纹理、形状和相互关系等信息,能够有效的提高震害的分类速度与精度.本文通过获取北川县城及附近震前震后的福卫二号影像,对北川县城震前震后的土地覆被变化进行面向对象方法的快速提取.研究表明,面向对象分类方法精度高,Kappa系数远大于传统的监督分类方法,提取速度快,能满足提取速度8小时以内的要求.     

贝叶斯方法和非参数模型支持下的遥感影像线性光谱分解

针对遥感影像混合像元分解中的地物光谱不确定性问题,提出利用非参数模型来刻画地物光谱的概率分布,并基于贝叶斯方法得到地物面积比例的后验概率分布,最后利用无偏估计和最大似然估计来估算地物面积比例. 通过Landsat遥感影像不透水层制图的实验表明,所提方法的分解精度高于传统的线性光谱分解算法和硬分类方法,证明了贝叶斯方法能够较好地解决地物光谱不确定的问题.     

农田遥感识别方法与应用

农田识别是进行作物的长势监测、产量预报和时空特性研究的基础,能够为国家农业政策的制定提供数据支撑。基于像元的传统农田遥感识别方法只利用了影像像元的属性信息,造成农田识别精度不高。面向对象的识别方法根据多尺度分割后得到对象的光谱、形状和纹理属性分类,提高了农田识别的精度。随着航天技术快速发展,与中低分辨率影像相比,高分辨率遥感影像能够提供更丰富的光谱、形状和纹理特征的目标地物,但同时信息量和数据量呈几何级数增加的高分辨率遥感影像给现有的农田遥感识别方法带来极大挑战。回顾了中低分辨率和高分辨率的农田遥感识别方法的研究进展,重点阐述了多尺度分割与三种监督型机器学习算法组合的面向对象的识别方法。结果表明,以机器学习算法为基础的面向对象分类的总体精度都高于96%,卡帕系数均超过0.93。     

基于高分二号的矿区土地利用精细分类与分析

以陕西大西沟金属矿区为研究区,选取国产高分二号卫星全色锐化的多光谱影像为主要数据源,并以研究区的实地调查资料为辅助资料,采用面向对象的支持向量机(SVM)监督分类方法和基于像素SVM分类对该地区的土地利用精细分类,多角度分析比较。结果表明前者分类精度达到了87.63%,更适合矿区土地利用精细分类。从而采用前者分类方法结合矿区道路距离图和矿渣分布图,来分析研究矿区土地变化的一些特征以及对周边环境的影响,为矿区的土地利用和规划提供重要基础。     

采用决策树分类方法进行煤矸石信息提取研究

利用遥感技术快速、准确地调查煤矸石堆分布情况,对预防地质灾害以及保护生态环境和居民生命财产安全有着重要的指导意义.基于TM多光谱影像,运用知识决策树分类方法对江西萍乡煤矿区进行煤矸石信息提取试验.首先,在研究区背景知识的基础下,统计分析矿区内煤矸石及其他典型地物在影像上的光谱特征,建立了研究区的分类知识库;其次,在决策...     

纹理信息对Spot5影像分类的影响

遥感影像的纹理分析是一种非常重要的提高影像分类精度的一种手段,怎样借助纹理对影像进行分析,解决不同地物的识别,满足一定的分类精度,对遥感影像研究具有非常重要的意义。本文就采用面向对象的纹理分析方法,研究纹理对Spot5影像分类的影响。     

基于无人机多光谱的黄土高原植被提取分割分类研究

【目的】植被作为生态系统的主要组成部分,其种类和数量及其变化对生态系统有着重要影响。探究在我国黄土高原小流域进行植被提取分割时的最优分割尺度,有助于快速准确地提取植被信息,对于监测黄土高原生态系统状况和维持生态系统稳定具有重要意义。【方法】基于吴起县柴沟流域无人机多光谱影像和面向对象的方法,使用eCognition软件对影像进行多尺度分割研究。【结果】经分析,在分割尺度为240、形状权重为0.7、紧凑权重为0.1时影像的分割效果最好,基于该分割结果,选用纹理特征和光谱特征为分类指标,采用随机森林方法对影像进行分类,分类总体精度和Kappa系数分别为96.2%和0.951。【结论】研究结论可为柴沟流域植被结构优化及黄土高原生态环境保护和植被恢复治理提供技术参考。     

空间关系辅助的面向对象建筑物提取

根据高分辨率影像的特点提出一种采用面向对象的建筑物提取方法. 该方法以影像对象为处理单元,利用其丰富的光谱、形状以及隐含在影像中的深层空间语义关系等信息进行分类,然后结合空间关系特征对分类结果进行优化,并使用均值滤波对类别边缘进行修正. 实验表明,基于面向对象的方法能比较完整地提取出建筑物对象,且空间关系辅助能进一步提高建筑物提取的精度.     

面向地理国情监测的CRF遥感影像分类

针对地理国情监测中地表覆盖信息的提取,提出了一种基于条件随机场的高分辨率遥感影像自动分类方法.与面向对象的传统分类方法不同,该方法基于概率图模型分别计算像素级和对象级的势函数,以及像素与它所属对象之间的层间势函数,将所得势函数统一到一个CRF模型中进行图割求解.该方法较充分地表达了像素与对象之间的关系,从而降低了对象分割误差传递对影像分类结果的影响.以“高分1号”遥感影像为实验数据,借鉴地理国情普查中地表覆盖分类体系进行实验验证.分类总体精度和平均精度分别达到91.08%和86.95%,远高于基于面向对象的分类结果.     

基于改进分离阈值法的农作物遥感精细分类特征选择

为综合利用高空间分辨率可见光和红外遥感影像特征,提高分类处理效率,在分离阈值法的基础上提出一种结合图像二维熵的特征选择方法,解决了分离阈值法在特征选择时未考虑特征信息量的问题.利用随机森林分类器对选取后的特征子集进行农作物分类,并在同样的分类方法下与改进自适应波段选择方法和基于图像熵的密度峰值聚类波段选择方法进行分类精度对比.结果表明,所提出的方法既可提高分类精度和分类效率,又能降低特征选择的数量,还能进一步量化分析所选取的特征对各地物识别的效果.     

基于部件测量的车载激光点云处理技术研究

基于城市主要道路电杆、路灯、路面标志等部件快速测量的需要,采用车载激光测量系统扫描获得的道路激光点云为主要数据源,重新思考点云数据中杆状、牌状地物快速获取的构建思想。通过影像匹配技术、点云预处理及面向对象方法的研究,实现点云数据中以上特征地物的快速提取。     

基于语义分割的遥感影像建筑变化检测

遥感影像变化检测是利用多时相影像确定一定时间内地物或现象的变化，提供地物空间变化的定性与定量信息。传统遥感影像变化检测方法主要基于地面纹理及空间特征的方法，存在着难以精确识别遥感影像中新增建筑物的问题，为此该文提出了一种基于UNet网络的遥感影像建筑物变化检测方法。首先，将轻量级高效通道注意力机制网络（efficient channel attention network, ECANet），注入到原UNet网络模型，调整并优化网络结构，提升影像分割的准确度。然后改进SENet网络参数，提高遥感影像中的建筑物变化检测的精度。该文在高分辨率数据集LIVER-CD上进行实验，结果表明，所提方法的语义分割准确度达到99.03%，建筑变化检测准确率达到98.62%。相比于其他方法，该方法增强了影像的有效特征，提升了遥感影像中地面建筑物的检测精度。     

LANDSAT 8 OLI影像不同融合方法的地类信息提取

为了探究影像融合技术在土地分类中的适用性,找出适用于不同地物提取的融合方法,以LANDSAT 8 OLI 15m全色/30m多光谱影像为数据源,采用PC变换、Brovey变换、GS变换三种融合法对全色和多光谱影像进行融合,并对融合结果进行了定性和定量评价.基于地物光谱特征、决策树分类法提取研究区地类信息,比较多光谱影像和融合影像的信息提取精度.结果表明,三种融合方法均在空间细节表现能力得到提升,GS融合影像对建筑物识别能力较强,适用于城市建筑提取,而PC融合影像信息量最为丰富,突出显示水和植被信息,总分类精度和Kappa系数均为最高,是最适于农业信息提取的融合方法.     

用随机决策树群算法进行高光谱遥感影像分类

摘要： 高光谱影像具有丰富的光谱信息,与全色、多光谱影像相比能更好地进行地面目标的分类识别. 该文对决策树分类算法的优劣进行分析,引入随机决策树群算法,对青海省祁连县Hyperion高光谱影像和IRS-P6影像数据进行实验,使用子空间划分和光谱距离进行降维后,分别采用支持向量机、神经网络、最大似然法进行分类,并与随机决策树群算法分类结果进行比较. 结果表明,该算法表现最优且无需降维预处理,可广泛应用于高光谱遥感领域.     

石漠化遥感信息提取方法进展

梳理了石漠化研究领域内的相关文献,重点以遥感数据中的石漠化信息提取方法为主线,从石漠化评价指标、石漠化遥感信息提取两个方面进行分析和讨论,分析了人机交互解译、监督及非监督分类、面向对象等石漠化遥感信息提取方法以及多光谱遥感、高光谱遥感、微波遥感、无人机遥感等数据来源方面的进展与不足。并展望了中国当前石漠化地区遥感影像信息提取的发展,提出在未来研究中应重视石漠化程度分级指标的量化,同时应探索融合多源数据特征以进一步提升石漠化信息提取的精度。     

基于LiDAR数据的三维数字城市建设技术研究与实现

针对轨道交通带状图测量,以使用移动测量系统扫描的激光点云为主要数据源,通过对点云数据与影像匹配技术、背景信息分离技术、数据简化技术及面向对象方法的研究,实现点云数据中特征地物的快速提取,大大提高了轨道交通带状图测量的效率,节省了投入的成本,缩短了测量工期数。     

综合灰度与LBP纹理特征的高分三号卫星SAR图像建筑区提取方法研究

高分三号卫得是我国首颗分辨率达到1 m的C频段多极化合成孔径雷达(SAR)卫星,它能够提供丰富的对地观测信息,在建筑区的提取工作中可以发挥重要的作用。LBP算子是一种运算简单、易于实现的纹理提取方法,在医学、计算机图像识别等领域得到了广泛的应用。根据SAR图像的建筑区纹理特征较其他地物更为特殊的特点,提出了一种综合利用灰度与LBP纹理特征的高分三号卫星SAR图像建筑区提取的方法。首先对数据进行预处理并获取Span强度图像,然后利用lBP算子提取图像的纹理特征;将经过尺度变换后的Span图像和得到的纹理特征进行波段组合,利用K均值聚类算法对组合后的图像进行非监督分类;最后通过分类后处理获得建筑覆盖区域。以高分三号卫星QPSI影像和Radarsat-2全极化影像为数据源进行了实验,结果表明该方法能够有效提取图像中的建筑区,效果明显优于无纹理特征参与的方法。     

移动测量系统应用于轨道交通研究与实现

针对轨道交通带状图测量,使用SSW移动测量系统,在测量郑州市地铁线带状图时,以扫描的激光点云为主要数据源,通过对点云数据与影像匹配技术、背景信息分离技术、数据简化技术及面向对象方法的研究,实现点云数据中特征地物的快速提取,大大提高了轨道交通带状图测量的效率,节省了投入的成本,缩短了测量工期数。     

基于无人机高分影像的绿地面积提取

无人机高分影像相比传统遥感影像具有一定的优越性,用途十分广泛。传统遥感影像分类技术不再适用于无人机高分影像,本文采用面向对象的分类方法,经过多次实验对比选择出合适的分割尺度再进行分类,可以从影像中较为准确提取出绿地。