面向对象的遥感影像水体信息提取

基于面向对象的遥感影像分析方法,在不同尺度分割遥感影像的基础上,根据影像对象的特征,如亮度、光谱、归一化植被指数(NDVI)、面积和上下文等信息,对水体信息进行了提取和分类.结果显示:与传统的基于像元的分类方法相比,面向对象的遥感影像信息提取方法具有很好的效果,同时也提高了信息提取的精度.     

基于Landsat 8数据反演地表发射率的几种不同算法对比分析

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVI~(TEM)改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVI~(TEM)改进算法较为适合本研究区。     

遥感影像浅水河道提取二维EMD方法

遥感影像中浅水河道与居民地具有相似的光谱特性,在浅水河道自动提取过程中噪声较多,经验模态分解(EMD)可获取原始信号不同尺度上的细节信息,有效地提高遥感影像浅水河道自动提取的精度。利用环境与减灾小卫星数据,以彰武县柳河为研究区,对该区2012年10个时期NDVI时间序列分别EMD分解,选取每个时相信息量较大的前三个固有模态函数(IMF),结合2012年9月18号影像共34波段作为研究数据,利用极大似然法、BP神经网络传统的分类方法进行分类。结果表明结合EMD的分类方法可有效地去除居民地噪声, Kappa系数最高达到0.9690,总体分类精度最高达到93.35%,从而有效地解决了遥感影像中浅水河道提取正确率低的难题。     

遥感影像浅水河道提取二维经验模态分解方法

遥感影像中浅水河道与居民地具有相似的光谱特性,在浅水河道自动提取过程中噪声较多,经验模态分解(EMD)可获取原始信号不同尺度上的细节信息,有效地提高遥感影像浅水河道自动提取的精度。利用环境与减灾小卫星数据,以彰武县柳河为研究区,对该区2012年10个时期NDVI时间序列分别EMD分解,选取每个时相信息量较大的前三个固有模态函数(IMF),结合2012年9月18号影像共34波段作为研究数据,利用极大似然法、BP神经网络传统的分类方法进行分类。结果表明结合EMD的分类方法可有效地去除居民地噪声,Kappa系数最高达到0.9690,总体分类精度最高达到93.35%,从而有效地解决了遥感影像中浅水河道提取正确率低的难题。     

基于最小异质性区域生长法的多尺度城市地物影像分割

遥感影像分割是面向对象影像分类中的关键技术.针对地物景观的多尺度效应与高分辨率影像的高空间分辨率特征研究了多尺度分割与多特征最小异质性准则,分析了其有效性及可行性.基于区域生长的原理与方法,采用多尺度分割与最小异质性算法,对不同分辨率遥感影像和地物类型的样区进行分割技术的应用实践,分析总结了分割参数与影像特征参数的关系和各种参数的确定方法.     

基于谐波分析的输电通道卫星遥感巡视技术

随着国民经济的飞速发展,电力行业以及电力技术在近年来得到了突飞猛进的发展,确保输电通道及相关设施的安全至关重要.目前,我国输电通道电力巡检主要依靠人力进行巡检,不仅劳动强度大、劳动成本高而且效率低.因此,本文提出一种基于谐波分析高分遥感影像的输电通道典型环境地物巡视方法.首先在研究区利用多期遥感影像构建归一化植被指数(Normalized Differential Vegetation Index,NDVI)和归一化水体指数(Normalized Difference Water Index,NDWI)时间序列,再对指数时间序列进行谐波分析,获取其谐波的振幅特征,最后利用获取的振幅特征采用支持向量机的方法对人工活动区、水体、裸地、农田、森林5种典型环境地物进行分类,以实现地物的快速精确提取.通过此分类结果分析电力沿线不同地表类型电力故障发生的难易程度及等级,指导出重点巡检区域,从而提高巡检效率,进而为电力设施安全运行及应急救援规划等提供基础的数据支撑和辅助决策依据.     

基于多尺度特征融合的遥感影像场景分类方法

针对遥感场景影像存在类间相似性高、类内多样性大、且不同尺度下遥感影像差异大等问题,导致场景分类任务精确度受限,提出一种基于多尺度特征融合的遥感影像场景分类算法。首先利用轻量级网络MobileNetV2作为主干网络,以更少的网络参数实现更高的分类准确率。网络通过一维卷积提升输入通道,设计的多尺度特征融合模块能够捕获遥感影像的高级特征和低级特征,融合影像的多尺度特征,能够有效缓解不同尺度下遥感影像差异大的问题。通过在三个公开遥感数据集上进行实验对比,验证了所提方法的有效性。     

一种面向对象的遥感影像多尺度分割方法

高分辨率遥感影像中丰富的空间结构信息和地理特征信息提取需要在多种不同的尺度下进行,而传统的基于像素光谱特征的影像分割和单尺度影像信息提取方法在这方面存在明显的缺陷.基于区域的面向对象影像分析方法,为高分辨率遥感影像信息提取提供了新的思路,其关键的核心问题在于实现对高分辨率遥感影像的多尺度分割.本文提出了一种基于相邻影像区域合并异质性最小的面向对象多尺度分割算法.影像分割试验结果表明:该方法可以根据任意特定尺度下的影像分析任务或任意感兴趣尺度的地物目标,调整影像分割的尺度参数,从而获得特定尺度下感兴趣的影像区域(对象)作为后续面向对象影像分析和应用的基础.     

基于机器学习的多源遥感影像融合土地利用分类研究

为了快速获取准确的城市土地利用信息,提高西南地区遥感影像城市土地利用分类信息提取的精度,探讨了当前快速发展的机器学习技术在该领域中的分类实验.选用昆明市主城区作为研究区域,以Landsat8与Sentinel-1A影像为原始数据,使用GS变换法对影像进行融合,使用卷积神经网络(Convolutional Neural Network,CNN)和BP神经网络(Back Propagation Network)2种分类算法对融合前后的遥感影像进行土地利用分类信息提取,对分类结果进行分析.研究结果表明:基于Landsat8和Sentinel-1A的融合影像数据的卷积神经网络分类算法具有最好的分类效果,其总体分类精度和Kappa系数分别为85.8091%,0.8124,认为基于多源遥感影像融合的卷积神经网络分类方法是获取准确的城市土地利用分类信息的一种可行的方法,可以为高原地区城市的土地利用分类提取研究参考.     

基于遥感影像的都江堰市多植被指数的比较研究

植被指数是遥感领域中用来表征地表植被覆盖,生长状况的一个简单,有效的度量参数.随着遥感技术的发展,植被指数在环境、生态、农业等领域有了广泛的应用;随着人们对于全球变化研究的深入,以遥感信息推算区域尺度乃至全球尺度的植被指数日益成为令人关注的问题.该文主要从NDVI、RVI、DVI三种常用植被指数模型进行分析研究,利用TM遥感影像为主要数据源,通过ERDAS IMAGINE软件对都江堰市遥感影像图进行植被指数的提取以及计算,通过3种不同的植被指数进行分析比较得出该区域的最佳植被指数.     

基于粗集的遥感影像决策树分类新方法

土地利用信息是进行土地规划和管理的重要数据,有着重要的经济价值.采用计算机仿真技术对遥感影像进行自动分类是一种获取土地利用数据十分有效的手段.然而遥感影像的不确定、不一致现象易导致过度拟合,增加了分类难度.提出了一种新的基于粗集的决策树用于遥感影像分类.经试验表明该分类方法较CART树、ID3树等算法在分类精度、防止过度拟合方面均有所提高.     

基于面向对象方法的天津市滨海新区湿地信息提取

基于天津市滨海新区2021年的Sentinel-2遥感影像数据,针对传统遥感影像湿地分类的不确定性问题,选择了面向对象分层分类的方法。采用面向对象多尺度分割算法,依据地物光谱异质性特征将遥感影像分割为光谱相似的对象,再结合不同地物的光谱指数、空间几何特征、纹理特征构建层次模型,分层提取湿地信息。分类效果同随机森林分类方法相比较,结果表明：利用面向对象的分层分类方法总体分类精度达到91.75%,Kappa系数为0.91,分类结果“斑驳现象”减少,湿地边界清晰完整。     

县域尺度上基于多时相影像的冬小麦面积监测

探究了基于多时相遥感影像在县域尺度上对冬小麦种植面积的监测方法.以河北省廊坊市固安县柳泉镇为研究区域,以冬小麦为目标作物,采用2014年11月份ZY-3(资源三号)和2015年4月份GF-2(高分二号)卫星的遥感影像数据源进行研究.影像经过预处理后,分别计算其归一化植被指数(NDVI),综合分析冬小麦种植面积和其NDVI的相关关系,构建NDVI差值模型来提取冬小麦种植面积,结合ArcGIS软件在影像上随机采样进行验证,最终得到种植空间分布图.采用2015年在柳泉镇实地勘测的冬小麦种植面积数据进行验证,精度可达95.54%.在廊坊市固安县进行区域应用,利用Excel软件进行各乡镇面积统计.结果表明,在县域尺度上采用该方法进行冬小麦面积提取能够达到很高的精度,为科学管理冬小麦的播种面积及制定相关政策提供技术支持.     

基于小波变换和K-means算法的遥感影像分类

在研究K均值聚类算法的基础上,采用小波变换辅助K均值算法对遥感影像进行分类,以此提高遥感影像的分类精度.以云南省玉溪市抚仙湖附近地区作为研究区,结合研究区的具体情况,根据查维茨最佳指数因子法OIF计算得到遥感影像的最佳波段组合,并通过对各类地物的样本图像和遥感影像进行二维小波分解,得出样本特征向量;然后利用K均值算法结合样本特征向量对遥感影像进行分类,得到分类结果并进行精度验证.再与单纯采用K均值算法的分类结果进行对比分析,结果表明:其总体精度和Kappa系数分别达到83.74%、0.7753,比单纯采用K-means算法分别高出14.26%、0.1697,尤其是林地、裸地和农田的分类精度得到了显著提高.     

基于NDVI时间序列数据的土地覆盖变化检测指标设计

大中尺度土地覆盖格局及其变化检测是研究全球变化和能量平衡的重要内容.NDVI时间序列数据在土地覆盖变化动态遥感监测中占据着重要地位.针对NDVI时间序列数据,现有的土地覆盖变化检测方法和指标存在许多不足之处.本文在分析现有土地覆盖变化检测指标的基础上,设计了一个新的基于交叉相关光谱匹配(CCSM)和兰氏距离的变化检测指标.该指标充分考虑了NDVI时间序列曲线形状和数值两个变化特征.理论与实例检验结果表明本文设计的指标能够较好的抑制各种干扰噪音的影响,正确检测真实的土地覆盖变化,是一种较为理想的检测指标.     

基于最优特征空间构建的随机森林算法在WorldView-2影像分类中的适用性研究

目前面向对象的分类研究中,对于研究区影像的分割尺度问题多以试验者的多次试验以及主观推断为主,缺乏定量化的评价标准。同时,在对遥感影像分类的算法选择以及在分类过程中,有效特征空间的选取均存在一定程度的主观性。针对遥感影像面向对象分类过程中分割尺度选择盲目及分类空间构造主观性较强的问题,以World View-2遥感影像数据为例,首先利用改进的全局最优分割尺度的方法获取研究区影像的最优分割尺度,在此基础上选取了研究区分割对象的48个特征,利用OOB误分率对各个特征的重要性排序;然后按重要性顺序以5为步长讨论特征数量对分类精度的影响,构建了用于分类的最优特征空间;最后将采用最优特征空间的随机森林算法获得的最佳分类结果,与面向对象的最邻近像元、决策树以及支持向量机分类算法进行了比较。结果表明,用于分类的特征数量与分类精度之间,并不是简单的正相关关系;与面向对象的最邻近像元、决策树以及支持向量机分类算法相比,利用最优特征空间进行随机森林分类的分类精度最高,表明该方法更适合于高分辨率World View-2数据的分类。     

基于景观结构的遥感影像超分辨率制图

尺度问题是基于遥感信息的土地覆盖分类中的一个核心问题,利用低空间分辨率数据得到高分辨率分类结果的向下尺度转换又是其中的难点．遥感影像超分辨率制图是近年发展起来的用于分类向下尺度转换的新方法,可由低空间分辨率遥感数据得到高分辨率的硬分类结果,弥补了传统的通过混合像元分解进行向下尺度转换时不能得到亚像元具体空间位置的不足．但现有超分辨率制图方法对小斑块、具有平直边角的形状或线形地物制图能力普遍较差．文中提出一种基于景观结构的超分辨率制图方法并将其用于模拟景观和真实景观的超分辨率制图．结果显示该方法可用于大斑块、小斑块共存景观的超分辨率制图,且制图结果不确定性低,算法简单,对研究区的先验信息要求低．基于景观结构的超分辨率制图改善了现有方法,为遥感影像土地覆盖分类向下尺度转换提供了一种简易可行的新选择．     

基于数学形态学遥感影像分类后优化处理

遥感影像分类后处理是为了提高分类的精度，优化分类结果。参考传统的分类后处理方法，本文提出了基于数学形态学的遥感影像分类后处理方法，利用数学形态学的基本概念和算法，在遥感软件ERDAS的平台上，对结构元灵活的组合．分解，应用形态交换算法达到了消除噪声、填补孔穴和光滑边界的效果，最大程度的保留了影像的信息，同时优化了分类后的影像；并实际验证了本文方法较传统方法的优越性与可靠性。     

多时相遥感影像样本迁移模型与地表覆盖智能分类

利用时间序列遥感影像重建过去几十年的地表覆盖是实现时空多维地理场景感知与动态建模的基础,但存档历史遥感影像分类面临样本选择难、多时相影像协同解译水平低的问题。研究提出了一种基于已有土地覆盖产品与对应遥感影像中几何及属性特征约束的样本时空迁移方法,将迁移获得的训练样本嵌入多时相地表覆盖分类框架,获得多期地表覆盖分类结果,实现历史时期地表环境的智能感知与动态制图。太湖流域多时相分类的结果表明,无监督样本迁移方法可以充分利用先验几何约束和光谱属性,从参考地表覆盖产品中快速获得可靠的训练样本,多时相分类精度均高于89%,满足大区域多时相地表覆盖的分类需求,为地理环境演变建模提供了有效支持。     

基于区域网平差的遥感影像色彩均衡算法

针对不同区域、不同时相的卫星遥感影像的整体匀光匀色这一问题,将区域网平差的方法引入遥感影像的色彩均衡处理中。对影像重叠区域划分均匀格网,利用方向梯度直方图(histogram of oriented gradient,HOG)算法提取各个格网特征,并根据其梯度距离和其灰度均值差值的3倍中误差进行同名格网的筛选,并将这些筛选后的同名格网平均灰度值作为待平差变量,基于二次多项式为平差模型求解各影像的色彩变换参数,得到的参数对每景影像做色彩校正,从而得到色彩均衡的影像序列。利用存在色彩差异的多时相Landsat5真彩色影像进行实验验证,从目视评价、处理前后影像质量定量分析以及平差精度等方面验证了基于区域网平差的遥感影像色彩均衡算法的可行性和有效性。