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.     

遥感卫星影像数字纠正方法研究

本文结合QuickBird卫星影像提供的RPC文件,对利用有理函数模型进行正射纠正的原理进行分析研究:通过实验分析了经正射纠正后影像点的定位精度,验证了利用有理函数模型进行正射纠正的可行性,指出了的利用该模型的优缺点和进一步需要解决的问题。     

基于高分辨率遥感影像的植被信息提取

本文利用面向对象影像分析的方法在eCognition的软件平台上,对中南大学校本部及周边地区的QuickBird快鸟遥感影像进行预处理,多尺度分割,然后利用隶属度函数分类,提取植被信息,计算植被覆盖率。分类总体精度达到85.8%,分类稳定性好,可信度和分类效果都很好。     

高分辨率卫星遥感影像几何处理模型研究综述

高分辨率遥感影像的几何处理是多源遥感影像数据融合、分析、应用的前提和关键。本文分析了导致遥感影像产生几何畸变的误差源,对当前广泛应用于遥感影像几何处理的数学模型进行了归纳和比较,并针对它们的缺点提出了进一步研究和完善的若干思考。     

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.     

高分辨率遥感影像中飞机识别研究

在目标识别领域,飞机是一种常被研究的对象,对飞机进行精确识别并定位,无论在军事打击和商业调查中都有重要意义。高分辨率图像中丰富的空间、光谱和上下文信息在带来更多有用细节信息的同时,也给飞机识别带来了更加复杂的背景干扰。主要研究应用面向对象的理念来实现对高分辨率遥感图像中飞机的识别。首先是图像预处理,即获得图像中的对象;然后是面向对象的图像识别,即提取图像对象的特征;并依据特征完成识别任务。利用的基本特征主要有图像对象的面积、长宽比、分散度、凸包缺陷。实验证明这种识别方法,对于不同朝向和大小的飞机都能取得较高的检出率。     

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。     

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,...     

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。     

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DLSVM算法的高分辨率遥感图像分类研究

为了进一步提高高分辨率遥感图像的分类精度及效率,融合支持向量机SVM及局部支持向量机KNNSVM算法,借助主动学习相关理论,提出了基于距离的局部支持向量机算法(DLSVM).该算法通过对未标记样本和超平面之间的距离与预先设定的距离阈值相比较,判断是否需要进一步建立局部支持向量机KNNSVM来确定样本的类标.对实际的高分辨率遥感图像分类的实验结果显示:在合适的距离阈值与K值的设置下,该算法能够提高支持向量机SVM的分类精度,同时大大降低KNNSVM算法的时间消耗.     

高分辨率遥感铀矿地质勘查技术体系研究

概述了当前高分辨率遥感在铀矿地质勘查中的应用现状,提出基于光谱特征信息、空间结构信息及放射信息融合的高分辨率遥感铀矿勘查技术体系．详细探讨了其建设内容、主要功能及关键技术．该技术体系在铀资源勘查遥感地质评价项目的实际应用中,取得理想效果．     

基于BKNNSVM算法的高分辨率遥感图像分类研究（英文）

为了解决局部支持向量机算法KNNSVM存在的分类时间过长不利于具有海量数据量的高分辨率遥感图像分类的不足,提高KNNSVM的算法表现,提出了改进的基于不确定性的BKNNSVM算法.该算法利用二项式分布的共轭先验分布Beta分布根据近邻的分布情况推导该未标记样本属于正类或负类的概率大小,从而计算每一个未标记样本在类属性上的不确定性大小.再通过设置不确定性阈值的大小,对不确定性低于阈值的未标记样本直接采用KNN进行分类,而对高于阈值的样本利用其近邻建立局部支持向量机分类器进行分类.对高分辨率图像分类的实验结果表明:合适的阈值能够有效降低原始KNNSVM算法的时间开销,同时能保持KNNSVM分类精度高的特点.     

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。     

高空间分辨率遥感环境制图的几个关键技术研究

在大量实际工作的基础上,分别对影像的空间分辨率和像素分辨率的选择,色彩的匹配与还原处理等具体技术问题进行了总结与讨论.实践证明,这些处理方法在具体的应用中取得了很好的效果.     

利用卷积神经网络提取高分辨率遥感图像喀斯特森林信息

针对喀斯特地区受山区复杂地形的影响岩溶山峰在太阳辐射下存在阴坡和阳坡,高分辨率遥感图像中喀斯特森林植被的光谱特征较复杂,"同物异谱"和"异物同谱"现象严重,导致传统的机器学习算法提取森林植被精度不高的问题,根据实践经验将多源多特征融合构成提取喀斯特森林信息特征,改进标准的卷积神经网络(convolutional neural network,CNN),将支持向量机(support vector machine,SVM)与卷积神经网络相结合(CNN-SVM)应用于遥感分类,并与CNN、随机森林(random forest,RF)、支持向量机等方法进行比较。结果表明,CNN-SVM、CNN两种深度学习方法的提取喀斯特森林信息精度均明显高于RF和SVM等浅层模型方法。CNN-SVM综合了CNN提取遥感高阶特征的能力和SVM的分类性能,分类精度在90%以上,高于标准的CNN。深度学习CNN可有效地区分农作物,提高喀斯特森林植被信息的提取精度。     

基于遥感影像的空间信息平台的组织与实现

在总结分析遥感影像数据特点及发展趋势的基础上 ,探讨建立一个空间信息平台的可能性 .尝试性地提出了利用多种空间信息平台进行多种数据集成分析的概念和模式 ,并以此为出发点给出系统的基本框架 .最后论述了建立一个综合多信息、多数据、多分析处理功能的空间信息平台 ,并构建大范围空间信息系统的设想     

基于高分辨率遥感影像的露天矿区地表变化研究

以某露天矿区为试验区,充分利用该区域两期高分辨率遥感影像所提供的丰富细节信息及其土地利用现状,将矿区分为露天矿坑、矿坑边端帮、剥离区、排土场、排土场边坡、工业广场、道路7种类型.在功能分区的基础上,将区域内部的各地物类型划分为一个个实体单元,并利用GIS空间分析功能提取了矿区的地表变化信息.     

基于小波支持向量回归的遥感多光谱图像分辨率增强算法

利用小波支持向量回归,实现了遥感多光谱图像分辨率的增强。首先采用非下采样Contourlet变换对低分辨率的多光谱图像和高分辨率的全色图像进行多分辨率分解,再利用小波支持向量回归对分解系数进行学习和预测,获得分辨率初步提高的多光谱图像,最后再与传统的插值方法得到的结果进行融合来实现多光谱图像分辨率增强。实验结果表明:此方法借遥感全色图像的辅助获得丰富的高频细节信息,使得分辨率增强结果无论是最小均方误差还是峰值信噪比都要优于仅依靠原图像本身放大的传统方法以及其他的分辨率增强方法。