基于最优特征集的HY-1C卫星海岸带成像仪影像海冰分类方法研究

基于海洋一号C（HY-1C）卫星海岸带成像仪（CZI）遥感影像,提出了一种基于最优特征集的支持向量机海冰分类方法。分别提取CZI影像的光谱特征和纹理特征,采用基于距离可分性的判据进行特征选择,得到最优特征集,以最优特征集作为支持向量机分类器输入,分别对3期辽东湾海域CZI影像开展海冰分类实验和结果分析。结果表明:本文方法得到的海冰分类结果精度优于仅利用光谱特征或纹理特征的海冰分类精度;基于本文方法的3期影像的海冰分类精度均较高,2020年12月19日、2021年1月10日与2021年1月16日的海冰分类总体精度分别为93.67%、91.75%、84.89%,均在80%以上;利用海冰分类结果图估算海冰面积,发现3期辽东湾海冰面积依次增大,最大约为11 998.98 km2。     

基于资源三号的雷州湾红树林分类研究

基于面向对象的分类方法,不同参数组合会对红树林分类精度产生影响。以雷州半岛东岸附城镇沿海一带为研究区域,探索最优的参数组合以实现红树林的精确分类。利用资源三号(ZY-3)高分影像,基于图像光谱、形状和空间关系特征,对红树林进行分层次提取。结合红树林种类的光谱、空间特征差异,对比分析面向对象方法下不同因子、分割尺度及分类器对应下的分类精度,得出该研究区红树林树种在面向对象分类方法中的最优参数组合。结果表明:基于形状因子0.6+紧致度因子0.6、分割尺度为46的条件下,随机树分类器能有效区分无瓣海桑、白骨壤和秋茄三种红树林,总体精度为87.55%,Kappa系数为0.81。     

“北京一号”小卫星图像在渤海海冰监测中的应用

利用“北京一号”小卫星全色和多光谱影像对冬季渤海海冰进行了监测。根据多光谱谱段特征和现场测试的海冰光谱之间的对应关系, 建立了卫星影像冰水识别、渤海海冰外缘线的模型, 估算了海冰面积及判别海冰发展趋势;对卫星影像数据进行监督分类, 建立了相应的分类模型;根据海冰类型的不同将海冰区域进行了划分, 并作为对海冰灾害严重程度的判别依据;以2007年度冬季为例, 对渤海海冰的分布面积进行了统计, 与海冰监测业务中使用的MODIS数据反演结果进行了对比, 对比结果显示“北京一号”卫星可以为海洋监测和预报服务部门提供高分辨率海冰遥感信息, 并为我国海冰灾害的防范提供可靠有效的资料。     

基于点云与影像融合的黄河三角洲互花米草提取方法

针对卫星遥感技术在对滨海湿地互花米草监测时受分辨率、气候条件等多种因素限制存在一定局限性且通过单一的影像数据提取互花米草时精度不稳定的问题,提出了基于无人机点云与影像融合的面向对象互花米草提取方法。以黄河三角洲自然保护区为研究对象,获取了该区域的点云和多光谱影像。先将地面滤波后提取的植被点云与多光谱影像进行特征组合优化,然后对融合影像采用FNEA算法进行多尺度分割后采用基于改进的最近邻算法进行面向对象分类,最终得到的互花米草生产者精度和用户精度分别达到了82.53%和86.43%,较未融合点云的提取精度分别提高了22.34%和7.66%,分类结果的总体精度从89.54%提升至92.61%,且融合点云后影像能够有效区分两种生长状态的互花米草,表明本文提出的方法能够有效提高互花米草的提取精度。     

协同主动学习和半监督方法的海冰图像分类

海冰遥感光谱影像分类中标签样本难以获取,导致海冰分类精度难以提高,但是大量包含丰富信息的未标签样本却没有得到充分利用,针对这种情况,提出一种协同主动学习和半监督学习方法用于海冰遥感图像分类。在主动学习部分,结合最优标号和次优标号、自组织映射神经网络以及增强的聚类多样性算法来选择兼具不确定性和差异性的样本参与训练;在半监督学习部分,利用直推式支持向量机,并且融合主动学习思想从大量未标签样本中选取相对可靠且包含一定信息量的样本进行迭代训练;然后协同主动学习分类结果和半监督分类结果,通过一致性验证保证所加入伪标签样本的正确性。为了验证方法的有效性,分别采用巴芬湾地区30 m分辨率的Hyperion高光谱数据(验证数据为15 m分辨率的Landsat-8数据)和辽东湾地区15 m分辨率的Landsat-8数据(验证数据为4.77 m分辨率的Google Earth数据)进行海冰分类实验。实验结果表明,相对其他传统方法,该协同分类方法可以在只有少量标签样本的情况下,充分利用大量未标签样本中包含的信息,实现快速收敛,并获得较高的分类精度(两个实验的总体精度分别为90.003%和93.288%),适用于海冰遥感图像分类。     

基于最优尺度和随机森林算法的海岛土地利用遥感分类研究 ——以觉华岛及周边海岛为例

为了研究海岛土地利用分类,文章以辽宁省葫芦岛市觉华岛及周边海岛为例,利用北京二号卫星融合后的0.8 m高分辨率遥感数据,通过局部方差变化率曲线峰值确定了岛屿上各地类的最优分割尺度,顾及形状和紧致度参数。探讨了随机森林算法在提高海岛土地利用类型分类精度的可靠性。结果表明,当形状因子、紧致度因子和分割尺度3个参数组合为（0.5,0.6,180）时,在最优特征数为13,随机森林决策树为200时,整幅图分类精度表现最佳,总分类精度达到81.73%,总Kappa系数为0.798 0。各类别中：海岛植被常绿针叶林地最佳分割参数为（0.5,0.4,415）,Kappa系数为0.923 2。落叶阔叶林地最佳分割参数为（0.4,0.6,465）,Kappa系数为0.895 0。灌草地最佳分割参数为（0.5,0.4,230）,Kappa系数为0.889 0。海岛植被提取的生产者精度优于90.40%;海岸带中基岩海岸最佳分割参数为（0.5,0.6,520）,Kappa系数为0.909 2。粉砂淤泥质海岸最佳分割参数为（0.4,0.6,465）,Kappa系数为0.979 9。海岸带提取的生产者精度优于92.07%;耕地中有茬耕地和无茬耕地最佳分割参数为（0.5,0.6,180）,Kappa系数分别为0.858 7和0.915 3。耕地提取的生产者精度优于87.70%。由此可见,针对海岛每一种的土地利用类型,都会存在一个最优尺度与之相吻合,尚不存在单一的普适尺度满足所有地类。     

一种融合纹理特征与NDVI的随机森林海冰精细分类方法

海冰的精准分类对于掌握海冰生长发育状况,保障航海安全等具有重要意义。由于受数据源和分类方法等影响,使得海冰分类精度提高受限。本文面向高空间分辨率的光学遥感影像,提出了一种融合纹理特征和归一化差分植被指数（NDVI）的海冰精准分类方法,运用随机森林分类器构建海冰分类方法。以青岛胶州湾为实验区,高分二号（GF-2）为实验数据,进行了海冰类型提取,并与其他分类方法进行对比。结果显示:针对GF-2高分辨率光学遥感数据,融合纹理特征和NDVI的随机森林方法,相比于传统的随机森林、支持向量机、自动决策树和融合纹理特征的最大似然分类方法,总体分类精度分别提高13.70%、11.60%、19.22%、29.37%。Kappa系数分别提高0.16、0.13、0.22、0.44。相比于融合纹理特征和归一化水指数（NDWI）的随机森林方法,总体分类精度提高了9.67%,Kappa系数提高了0.09。这表明本文构建的海冰分类方法可有效提高海冰分类精度,为海冰的精确分类提供了一种有效的技术手段。     

基于SMAP卫星雷达资料的海冰检测技术

利用SMAP卫星雷达资料与美国国家冰雪数据中心(NSIDC)发布的近实时逐日极区网格化海冰密集度数据建立匹配数据集,分析了海冰和海水的L波段雷达后向散射特性差异,建立了基于线性判别分析算法的海冰检测算法。选择Sentinel-1A SAR极地地区的海冰影像对SMAP卫星雷达资料海冰检测产品进行实验验证,结果显示二者的海冰边缘线一致,说明SMAP海冰检测算法具有较高的精度。利用SMAP卫星雷达资料制作了北极和南极地区海冰覆盖图,计算了海冰覆盖面积,通过与美国国家冰雪数据中心(NSIDC)海冰覆盖面积比较发现,SMAP检测的北极地区海冰面积略大于NSIDC,相对偏差为3.3%,SMAP检测的南极地区海冰面积略小于NSIDC,相对偏差为1.8%,表明二者的覆盖面积基本一致,证实了SMAP海冰检测算法的精度。     

卷积神经网络在SAR遥感海冰分类中的应用可行性分析

分别介绍了卫星遥感海冰监测、分类的传统方法,以及卷积神经网络在遥感影像分类识别中的应用成果。尝试将在图像识别、语言检测等方面取得成功的卷积神经网络算法应用在海冰图像分类中,利用其能够应对非线性、网络结构简单、可并行运算等能力去解决海冰数据分类问题。     

基于极化散射特征的极化合成孔径雷达海冰分类方法研究:以渤海海冰分类为例

海冰监视监测的关键是提取海冰类型,准确提取海冰类型对于评估海冰冰情、保证航海及海洋作业安全具有重要的意义。利全极化合成孔径雷达影像(SAR)的优势,提取海冰的极化散射特征;在此基础上结合二叉树分类思想,开展极化SAR海冰类型的分类算法研究,提高SAR海冰分类精度;与传统的海冰分类方法相比较,验证了本方法的有效性。     

高分辨率全极化合成孔径雷达数据海冰二次分类方法研究

随着高分辨率全极化合成孔径雷达(synthetic aperture radar, SAR)影像的大量出现, 传统分类方法因所得分类结果中包含斑点噪声, 导致分类精度大大降低, 因而利用基于伴生关系的二次分类方法对辽东湾RADARSAT-2卫星的海冰SAR影像进行分类, 并将所得分类结果与专家解译分类结果和经典的基于H-α分解的Wishart监督分类结果进行对比, 证明本方法可以消除斑点噪声的影响, 同时具有较好的视觉效果和较高的分类精度。     

基于HAC的溢油SAR图像分割算法

图像分割是SAR溢油检测中的关键步骤,但由于SAR影像中存在斑点噪声,使得一般的图像分割算法难以收到理想的效果,严重影响溢油检测的精度.发展一种基于凝聚层次聚类(Hierarchical Agglomerative Clustering,HAC)的溢油SAR图像分割算法.该算法利用多尺度分割的思想,能够有效保持SAR影像中溢油斑块的形状特征,并能减少细碎斑块的产生.利用2010年墨西哥湾的Envisat ASAR影像开展了溢油SAR图像分割实验,并将该算法和Canny边缘检测、OTSU阈值分割、FCM分割、水平集分割等方法进行了对比.结果显示,HAC方法可以有效减少细碎斑块的产生,有助于提高SAR溢油检测的精度.     

基于Sentinel-1的辽东湾海冰冰情监测

辽东湾是渤海的三大海湾之一,在每年冬季经常会遭受大面积海冰灾害影响。本文选取2015年至2023年Sentinel-1 A/B遥感数据,对照Landsat-8数据采用灰度共生矩阵提取SAR影像纹理特征,对比了神经网络、支持向量机以及最大似然分类三种分类方法的精度;统计2015年至2023年辽东湾海冰冰情信息,研究了气温、海表面温度、盐度与海冰的相关关系和相互影响。研究结果表明：对于Sentinel-1 A/B数据,最大似然分类方法精度最高,分类精度达到82.75%;辽东湾海冰通常在12月底或者1月初开始发育,辽东湾结冰顺序为由北向南、由近岸向远岸,消融时顺序为由西向东、由远岸向近岸;辽东湾海冰与气温的Pearson相关系数为-0.502(P<0.01),与海表面温度的Pearson相关系数为-0.553(P<0.01),说明辽东湾冰情与气温、海表面温度为显著负相关,海表面温度对海冰的形成、发育及消融影响更大。此外,盐度对于海冰的影响存在一定的滞后性。     

基于改进U-Net的海岸线提取方法

遥感影像海陆分割对于海岸线提取及其动态监测具有重要意义。传统的基于光谱特征和图像处理的海岸线识别和提取方法, 在面对高分辨率遥感图像复杂的纹理和空间分布时, 只能生成具有局限性的图像特征结果, 且分割结果准确率不高。本文将深度卷积神经网络应用于高分遥感图像的海陆分割问题, 并在经典编码器-解码器结构的基础上进行了创新。首先, 为了降低调参难度引入批归一化层, 降低了网络对参数的尺度和初始值的敏感度; 其次, 采用转置卷积代替传统卷积, 在模型训练过程中通过梯度递减算法, 不断更新参数权值, 显著提高语义分割的精度。利用研究区域高分一号遥感图像数据对于人工岸线及自然岸线的分割实验结果显示: 相较于经典U-Net与SegNet, 改进U-Net网络, 对于各种自然岸线和人工岸线具有更低的边界模糊度和更准确的分割结果, 对于自然岸线的提取结果, 漏检、错检现象较少; 对于人工岸线的提取具有更大的感受野, 能够提取岸线的空间结构信息, 避免误分类。面对日益丰富的高分辨率的遥感影像数据源, 基于改进U-Net的海岸线提取, 能更好地保留边界信息且具备更优的语义分割效果, 可以更为准确地挖掘高分遥感影像的空间分布特征、纹理特征以及光谱特征, 从而提升分类的准确性。     

卷积神经网络在卫星遥感海冰图像分类中的应用探究

本文以TensorFlow为框架搭建卷积神经网络，基于迁移学习的思想，以经典的手写数字识别作为引入，对不同代价函数和激活函数组合对卷积神经网络模型分类结果影响进行了评价分析。以HJ-1A/B渤海海冰图像为实验数据源，分析了不同函数组合对遥感海冰图像分类的影响，优选出交叉熵代价函数与ReLU激活函数为最佳的组合，证明了卷积神经网络在遥感海冰分类中的应用可行性。对渤海海冰图像分类结果进行验证，其中带标签样本验证精度为98.4%。使用该模型对无标签的测试样本进行识别，讨论了样本的窗口尺寸对海冰分类结果的影响，发现在400×400小范围分类实验中最佳窗口尺寸为2×2；最后对整个渤海海域进行识别验证，效果较好。     

基于多时相遥感数据的海岸线自动提取方法

海岸线是海洋的重要组成部分,对于海域管理具有重要意义。本文根据岸线位置确定原理,即将多时相瞬时水边线上边界近似作为海岸线,提出了一种基于多时相水边线的海岸线自动提取方法,该方法应用区域生长与边缘检测相结合的方法提取瞬时水边线,然后采用海岸线自动判别算法进行海岸线的提取。首先计算归一化水体指数（normalized difference water index,NDWI）图像,利用区域生长算法进行海陆分割,得到海陆分割二值图;然后利用Canny边缘检测对海陆分割结果进行边缘检测,得到瞬时水边线;最后利用海岸线自动判别算法得到多时相瞬时水边线上界作为海岸线。本文以马六甲海峡部分海岸作为研究区域,应用多期Landsat 8遥感影像进行了海岸线提取和分析。为验证海岸线提取精度,对获取时间接近高潮时的一景哨兵二号影像进行目视解译得到人工解译的海岸线,与本文提取海岸线进行对比。结果显示,本文算法得到的海岸线平均偏移量和均方根误差分别为21.01 m和21.96 m,能够满足30 m分辨率遥感图像的精度要求,相比采用单景影像提取海岸线,精度有明显提高。     

基于高斯混合模型的海冰图像非监督聚类分割研究

为了利用海冰图像识别技术获取海冰冰况信息, 探索了利用高斯混合模型进行海冰图像分割的技术途径, 描述了具体算法, 并利用高斯混合模型的最大期望值（EM）算法以及最小描述长度（MDL）准则对渤海海冰图像进行目标提取。研究结果表明, 该方法可以很好地实现海冰信息的有效提取和海冰图像的有效分割, 从而证明了建立在图像分割技术...     

渤、黄海海冰的变化和预报结果分析

利用1951—2000年的渤、黄海的海冰资料，用小波分析和最优气候均态法对渤、黄海的海冰冰级进行分析和预测。小波分析结果较好地反映了渤、黄海海冰的变化规律，使对海冰的研究更符合实际情况。这必将有助于研究海冰变化的机理和不同尺度变化的相互作用。最优气候均态法较好地实现了对渤、黄海海冰的预测。此方法在海冰预报中不失为一种可用的方法。     

基于改进SICP算法的多源点云配准研究

三维激光点云数据具有精度高、数据获取高效、几何信息丰富的优势,在地形数据获取方面起到了越来越重要的作用。但在实际的外业测量中,由于视场角限制,一般都难以获取待测物体完整的点云数据,发生数据缺失现象。而根据摄影测量技术生成密集的影像点云,能获取复杂区域的测量数据。针对三维激光点云数据外业采集缺失的状况,结合影像密集点云特征,提出了一种加入动态迭代因子和分步最优求解尺度的改进尺度迭代最近点(scaling iterative closest point, SICP)算法,对影像点云与三维激光点云进行配准研究。实验结果表明:基于改进的SICP算法提高了影像点云与三维激光点云的配准精度、减少了迭代次数,能有效解决不同源平台获取的点云数据融合问题。     

最优分割尺度下盘锦海岸线的时空变迁

为研究盘锦海岸线的时空变迁,文章基于面向对象的多尺度分割技术,利用局部方差变化率算法计算水域的最优分割尺度,使用隶属度分类得到水边线,通过潮汐改正提取海岸线,系统分析1990-2018年盘锦沿海4个研究区的海岸线长度、变化距离和变化率以及海岸带向海推进面积的时空变化特征及其驱动因素。研究结果表明：4期影像水边线提取的最优分割尺度分别为118、91、114和104;辽河口、临港工业区、盘锦港区和辽滨主城区海岸带向海推进面积分别为99.96 km2、43.96 km2、26.62 km2和26.91 km2;盘锦海岸线的巨大变化主要是由于资源枯竭型城市向海发展、全面转型和以港强市的政策导向作用。