浅议航摄影像的应用

航摄影像中所反映出的不同信息在社会生产、建设中发挥着重要的作用,大量的信息,正越来越多的被不同领域、不同行业所认识,应用范围日趋广大。     

基于Segnet网络和迁移学习的全景街区影像变化检测

针对采用传统方法难以提高全景街区影像变化检测精度的问题,提出一种基于Segnet网络和迁移学习的全景街区影像变化检测方法。首先对数据集“TSUNAMI”进行预训练并对训练集进行分类归并;然后采用Segnet网络对全景街区影像进行语义分割,最后对语义分割结果进行差值运算,得到变化差异图并进行精度评价。实验选取两组全景街区影像,采用最大似然法、支持向量机方法(SVM,support vector machine)以及提出方法对这2组数据进行对比实验,第一组得到的精度分别为65.1%、72.1%和81.4%;第二组得到的精度分别为66.5%、70.6%、82.2%。实验结果表明提出的方法具有更高的变化检测精度,可为城市违章排查、灾后重建等提供技术支撑。     

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.     

面向对象的遥感影像矢量编辑系统的设计与实现

在对遥感影像进行自动分割之后,需要对分割后的数据进行编辑,以用于后期的影像分类.本文针对遥感影像分割后的边界数据,设计相应的数据结构和算法,构建了面向对象的遥感影像矢量编辑系统,重点介绍了该系统的结构及实现过程中的关键算法,包括大数据量的快速显示、撤销与重做的实现等.同时,将该系列算法封装成为组件,以API的形式供其他...     

航空影像管理系统

分析了航空影像保存中存在的问题,在利用遥感知识进行航空影像判读并以VISUAL FOXPRO 6．0为平台建立数据库的基础上,对航空影像进行数字化,建立一个便于管理保存的航空影像管理系统。在该系统中主要设王了航空影像的查询、测宽、航向演示等功能,通过对各功能的不断完善,解决了航空影像的保存问题,提高了影像的管理效率。     

面向OLI影像的自动化水体提取方法对比研究

水体边界的精确提取在水资源调查和检测中具有重要意义.由于各种水体提取方法设计时基于不同的多光谱传感器和不同的区域类型,因此研究其在相同影像的适用性很有必要.研究基于Landsat 8 OLI影像数据,以北京及周边为研究区,选取4类常见水体区域类型,即面状水体的水库区域、条带状水体的河道区域、山区阴影水体的山区区域、规则划分水体的规则水体区域,进行水体提取方法研究.通过比较谱间关系法(MSR)、归一化差异水体指数(NDWI)、改进的归一化差异水体指数(MNDWI)、波段特征指数(PRWI)、增强型水体指数(EWI)、城镇水体指数(CIWI)、高斯归一化水体指数(GNDWI)、自动水体提取指数(AWEI)共8类水体提取方法在4个常见水体提取特征区域的一致性及误差.研究得出,水库区域最佳方法为MNDWI、河道区域最佳方法为CIWI、山区区域最佳方法为MNDWI、规则水田区域最佳方法为MSR,以及在4个水体区域综合最佳方法为PRWI.此外,在水体面积较小的研究区域中使用EWI提取水体,可以取得较高的一致性.AWEI方法不适合地形多变的研究区;而在GNDWI方法中水的值域有2段,即需要4个阈值才...     

基于SVM与RF的无人机高光谱农作物精细分类

农作物精细分类是农业遥感的关键一步,无人机高光谱遥感为农作物精细分类提供了高效有利的途径.为了快速准确地实现农作物信息提取和分类,获取了研究区无人机高光谱影像,对影像开展一阶导数变换等预处理,并以此为基础对初始影像、一阶导数(FD)影像做MNF降维变换、特征波段选择等特征提取,从而获得初始影像、FD影像、MNF影像以及FD-MNF影像.最后应用SVM和RF建立了研究区4类典型农作物遥感判识模型,并采用Kappa系数和总体精度等评价参数对分析结果进行评价.研究结果表明,RF分类模型结果精度高达88%以上,同类影像RF分类结果精度比SVM高1%～5%,且与SVM方法相比RF对研究区农作物植株的提取效果更优;光谱曲线经一阶导数变换后只突出了大豆作物的光谱信息,导致分类结果精度降低;在所有分类模型中影像经MNF降维变换后分类效率及影像分类精度均有提高.采用无人机高光谱影像对研究区主要农作物进行精细分类,为后续研究区内农情监测等提供了有力的依据和支撑.     

基于数据融合的无人机影像碎屑岩岩性识别

不同类型岩性影像纹理相似性高,基于单一的二维影像进行岩性识别精度较低。本文针对这一问题,开展了顾及影像深度信息的岩性智能识别方法研究。利用无人机影像具有多模态的特性,采用通道叠加、IHS变换、小波变换以及多模态融合四种影像融合方式,将深度信息融入到影像数据中,运用深度卷积神经网络DeepLabv3+进行碎屑岩岩性识别。经人工解译结果对比分析,结果表明,实验区内基于多模态融合影像的岩性识别精度最高,Kappa系数可达76.17%,总体识别精度可提升到91.05%;分析认为,顾及影像深度信息的岩性智能识别方法针对岩层表面不平整,高差落差大的砾岩识别效果有明显提升,但表面平整、高差表现不明显的泥岩和砂岩地层识别效果有待提升,总体为野外碎屑岩露头岩性快速识别提供了新思路。     

基于IHS变换的遥感影像融合方法

为了解决遥感影像空间分辨率与光谱信息不能兼顾的问题,即全色影像具有较高的空间分辨率但缺乏光谱信息,多光谱影像光谱分辨率高,光谱信息丰富,但其空间分辨率低的问题,采用MATLAB实验工具,基于IHS原理对遥感影像数据进行融合处理,试验结果表明使用该融合方法显著提高了多光谱影像的空间分辨率,同时保留了丰富的光谱特征,提高影像的判读、识别、分类能力,融合后图像的信息量比原始图像有明显增加,而且图像的细节反差、纹理和清晰度得到较大的提高,融合图像质量明显改善.     

基于3S技术与RBF神经网络的土地利用演变及预测

随着GPS、RS和GIS(3S)技术集成应用的迅速发展,土地利用调查数据采集及分析的效率、完整性和准确性得到了极大的提高.结合南京市多年的TM影像数据,利用ERDAS、ARCGIS等专业软件对影像数据进行土地类型信息的获取和空间分析,并建立RBF神经网络模型,对未来土地利用变化进行了预测分析.