基于高分二号影像的城区水体提取方法研究

针对高分二号遥感影像在进行城区水体提取时,遥感影像波段数较少,造成MNDWI、CWI等方法无法使用,同时受污染的水体与裸地、建筑物、阴影难以完全区分,本文提出采用城区水体阴影指数,结合最大似然估计的方法,通过区分水体和阴影光谱特征,完成与阴影彻底分离,实现在高分二号遥感影像上城区水体的高精度提取.对比阴影水体指数(SWI)、基于植被指数和中红外通道的混合水体指数模型(CIWI)、归一化差异水体指数(NDWI)以及单通道阈值法提取结果,本文方法的处理结果提取精度更高,噪声和阴影更少,总体精度在90%以上,Kappa系数在89%以上.评价数据结果表明,本文处理方法在高分二号遥感影像的城市及周边地区水体提取上是有效可行的.     

基于多时相高分四号影像的雪盖范围提取

积雪覆盖监测是地球科学研究的基础,对于研究全球气候变化,开展防灾减灾救灾等工作都有重要的意义.高分四号卫星是我国高分辨率对地观测系统重大专项中唯一一颗民用高轨卫星,也是世界上首颗静止轨道高分辨率光学成像卫星,其机动灵活、高频次观测能力在积雪遥感业务化监测中具有广阔的应用前景.该文利用高分四号卫星多谱段、高时效、大幅宽和中分辨率等成像优势,紧密结合积雪和移动云层在多时相图像上的反射特点,提出了基于多时相高分四号卫星数据的积雪覆盖范围提取方法.首先对高分四号卫星全色图像进行二值化分割以消除低反射目标的影响;然后对多时相云雪覆盖区域进行合成来剔除移动云层的干扰;在此基础上,利用云、雪在多时相近红外图像上反射值变化的差异性,通过对多时相高分四号卫星近红外图像的最小值合成和阈值分割精细化地提取积雪覆盖范围,进一步去除变化云层的影响.以新疆中西部为试验区,通过与基于HJ-1B卫星的积雪覆盖结果比较,实验表明：两类数据提取的积雪空间分布具有较好的趋势一致性,高分四号卫星影像监测积雪范围更广,总体精度达92.19%,高于HJ-1B卫星图像的89.84%;但受空间分辨率和“不变云层”的影响,基于高分四号卫星影像的积雪识别精度为85.16%,低于基于HJ-1B卫星图像的识别精度94.53%.     

基于ETM影像的水体信息自动提取与分类研究

在综合分析各种水体信息提取方法的基础上,以烟台市为例,利用ETM遥感影像数据,通过光谱特征分析和NDVI识别水体信息,并在各种专业软件的支持下,将水体与其它地物类型区分开来,实现水体信息的自动提取,最后利用形状指数、面积以及其它特征对水体进行分类,并对分类结果做出精度评价.     

基于高分一号影像的深圳市黑臭水体遥感识别

城市黑臭水体空间分布的精准识别对准确和全面治理黑臭水体具有重要意义。本文针对当前黑臭水体遥感识别主要的模型算法,包括单波段法、差值法、比值法、黑臭水体模型判别指数法（HCI）,结合地面试验测量数据对其进行阈值修订,从修订后的算法中选取精度最高的差值算法对2017年深圳市黑臭水体空间分布进行识别并计算识别精度。结果表明：深圳市建成区内共识别黑臭河段26条,总长度128.409 km。深圳市黑臭水体主要分布在宝安区和龙岗区,且宝安区数量大于龙岗区。其中,宝安区的黑臭水体长度为100.789 km,占该区水体的25.92%;龙岗区的长度为27.620 km,占该区水体的22.04%。黑臭水体遥感识别在城市黑臭水体识别中具有较高的应用价值,为城市黑臭水体整治提供技术与数据支撑。     

考虑云干扰的高分一号卫星影像镶嵌——以河南省高分一号影像为例

针对高分一号卫星影像含云量高、数据量大的特点,提出一种顾及云层的影像自动镶嵌方法.首先使用Otsu分割和形态学处理对待镶嵌影像进行快速云检测,获取影像含云量及云区,然后对影像的无云区域进行Wallis匀色处理,并在影像镶嵌时,使接缝线自动绕开云层,尽可能地综合待镶嵌影像的无云区域,最终得到含云量低、内部色彩一致性好的镶嵌影像.以河南省影像为实验数据,结果表明,本文方法镶嵌效果更好,且运算效率更高,可满足海量数据自动化生产的需要,有助于发挥高分一号影像的价值,为河南省农情检测及灾害分析等工作提供帮助.     

基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演

针对太湖叶绿素a浓度反演大多采用低中分辨率遥感数据,缺少基于高分辨率遥感数据研究的现状,采用高分六号卫星遥感影像,运用波段比值模型、归一化差异叶绿素指数（NDCI）模型和三波段模型定量反演了太湖蓝藻的叶绿素a质量浓度,并采用2018年10月28日、2019年4月6日和2019年6月3日的高分六号卫星遥感影像对3种模型的反演精度进行了验证。结果表明,采用NDCI模型的平均相对误差、均方根误差和平均绝对误差最小,NDCI模型具有更好的精度和稳定性,更适合高分六号卫星遥感影像在太湖叶绿素a质量浓度反演方面的应用。     

基于高分一号卫星数据的库区淹没频率分析方法

为分析水库水位变化对消落带生态结构的影响,提高淹没频率计算精度,提出一种基于高分一号卫星数据的淹频率分析方法。该方法通过对高分一号WFV影像数据进行预处理并多次迭代提取缓冲区的水体信息,结合地理配准和计算得到淹没频率空间分布特征,通过以此模拟的水体分布结果的精度验证淹没频率的可靠性。三河口水库实例验证结果表明:提出的水库淹没频率分析方法较准确地反映了水体信息的时空变化特征,模拟的水体信息结果总体精度和Kappa系数均值分别达到86.5%和73%,较准确地还原了水库蓄水阶段的水体变化,提高了水体淹没频率计算的精度。     

基于高分影像的城市黑臭水体遥感识别方法研究

城市黑臭水体是一种极端的水污染现象,威胁人类的生产生活和水生态环境健康.利用遥感手段及时、准确地识别黑臭水体的时空分布,对掌握黑臭水体治理进展、推进水污染控制管理起着重要作用.以广州市为研究区域,基于黑臭水体和正常水体在高分影像上的光谱差异,构建了多个黑臭水体识别模型,并采用了一种自动阈值选取算法进行模型阈值的快速选取,进而进行了城市黑臭水体的遥感识别,探讨了影响识别精度的因素.研究结果表明,采用构建的模型识别黑臭水体总体精度最高可达96.8%;从黑臭水体识别的空间分布来看,该模型错分率较小,尤其在细小河涌中有较好的识别效果;地表水质数据和卫星影像的一致性误差、高分影像融合方法和混合像元的存在等可能是导致模型错误识别黑臭水体的原因.基于高分影像的黑臭水体识别模型和自动阈值选择方法可实现对城市黑臭水体的快速和高效识别,为黑臭水体治理和城市水环境精细管理提供有效支撑.     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

基于深度学习的图像去雾算法

针对有雾天气会使图像质量降低,影响对图像信息的提取,导致图像的应用价值减少的问题,提出一种基于深度学习的图像去雾算法。首先,对原有雾图像进行单尺度和多尺度的卷积来特征提取,其次再用多尺度卷积核实现图像细节的重建得到粗略的透射率传播图,同时利用原有雾图像中像素点的位置和亮度值得到大气光值,利用导向滤波得到精细透射率传播图和之前得到的大气光值进而反演出无雾图像,最终对无雾图像进行直方图颜色校正。实验结果表明,相比传统去雾算法,该算法对图像细节的处理更加自然并具有很好的视觉效果。     

基于MODIS数据的百色水利枢纽水库水域提取研究

利用2006年11月4日的美国EOS-MODIS/TERRA卫星的MODIS遥感数据,采用图像差值运算和阈值法提取百色水利枢纽水库蓄水后的水域范围,统计像元数计算水域面积。结果表明,在差值图像上,水域具有较高的灰度值,表现为灰白色或白色,而陆地具有较低的灰度值,表现为灰黑色到黑色的过渡变化,水陆边界较为清晰,可以用于水域的目视判别和阈值的选定;提取出的百色水利枢纽库区水域呈树枝状分布,蓄水后形成一个大型人造湖泊,湖泊内形成多个岛屿,提取出的水域面积为167.875km2;受MODIS空间分辨率的限制,对于实际较细小的线状水域,提取出来的结果出现不连续现象。     

基于深度神经网络的手写数字识别模拟研究

当前图像识别大多采用基于特征提取的传统机器学习方法与卷积神经网络的方法,但传统图像识别技术需要手动提取图片特征,而卷积神经网络对硬件要求高,训练时间长等。针对以上问题,本文提出基于深度神经网络模型的手写体图像识别方法,让机器自动学习特征,并在此基础上,通过改进成本函数,加入dropout防止过拟合,来提高手写数字识别的识别率。仿真实验对比结果表明,基于深度神经网络模型的方法比当前传统算法的识别率提高了3.41%,有效解决了人工识别费力耗时问题,对手写数字的研究具有重要意义。     

基于GF-1数据和非监督分类的冬小麦种植信息提取模型

针对当前冬小麦种植信息提取方法普遍存在严重依赖地面样本数据和人为主观干扰过多的现象,而非监督分类算法自身又具有独特的特点,研究了基于非监督分类的冬小麦提取方法。在实际应用中,非监督分类的初始分类数目难以准确确定,这会导致分类精度降低或分类结果需要进行二次人工合并。通过时间序列曲线和差值增强技术解决了初始分类数目难以准确确定的问题,提出了一种以归一化植被指数为冬小麦信息识别指标,基于高分一号数据和非监督分类的冬小麦种植信息提取模型。以河北省辛集市为研究区,应用该模型提取了2014和2015年辛集市冬小麦种植信息,并应用混淆矩阵方法进行精度验证和与监督分类方法对比分析。结果表明:①该模型冬小麦的制图精度为94.23%～96.64%,用户精度为92.31%～95.45%,Kappa系数0.89,整体精度达到94.33%以上;②在无需地面样本数据支持的条件下,该模型可以达到近似监督分类的提取精度。可见提出的冬小麦种植信息提取模型精度较高,可以满足区域内冬小麦种植信息地面遥感监测的需求,是一种行之有效的冬小麦种植信息提取新方法。     

基于十指指纹捺印卡的指纹图像自动无损提取方法

文章主要阐述指纹图像自动无损提取的实现问题．首先讨论了如何利用指纹卡中边框的结构特性，将原始图像分割成十块区域，并使其中的每块区域均含有一枚指纹．然后，进一步分析每块区域中指纹区的灰度分布、面积等特性，在借鉴和改进模糊化、二值化、求取最大连通域和指纹形心等算法的基础上，增加了目标膨胀、对含有重叠边框线的后处理等算法．     

基于深度学习和数据挖掘的自动表格提取算法

提出了一种新的通用表格提取工具,该工具结合了数据挖掘技术和机器学习方法,能够有效且高效地从表格中识别和提取数据.首先使用卷积神经网络来识别和分离出所有潜在的表,通过与物体检测网络相结合,进一步优化了识别过程.然后,用计算机视觉方法识别每个表的高层结构,另一个卷积神经网络使用这种高层次的结构化元数据来识别准确的单元位置....