基于无人机可见光遥感影像的救灾帐篷信息提取

在分析救灾帐篷的光谱和形状特征基础上,将基于像元和面向对象分类方法相结合,提出一种针对无人机可见光遥感影像的救灾帐篷信息提取方法。首先基于帐篷初始样本在三维光谱空间中的范围对图像进行快速二值化初分类,通过聚类与尺寸滤波消除噪声图斑对后续信息提取的影响;然后引入不同结构模板的邻域分析和形态学方法还原对象空间形状,针对遥感影像的第一主成分,提取分割对象的光谱均值、局部二值模式对比度(LBP Contrast)均值、长轴长等特征;最后利用基于径向基函数(RBF)的支持向量机(SVM)分类方法完整提取救灾帐篷。以灾后常用的0.2m无人机可见光遥感影像为例的实验结果表明,救灾帐篷识别率高达95.5%。该方法运算效率高,克服了蓬顶内部异质性和相似物的影响,对于利用无人机可见光遥感影像开展救灾帐篷的检测与分析具有参考价值。     

基于多尺度融合的高分辨率影像城市用地分类

基于面向对象的信息提取技术,针对高空间分辨率遥感影像进行城市用地分类。首先针对不同城市地物,选择适宜的提取尺度;然后探讨不同城市地物类型提取的适宜特征,充分利用光谱、空间结构、上下文关系、纹理等信息描述地物;最后融合不同地物多尺度下的提取结果。以北京市部分地区QuickBird影像为例,实现城市用地类型的自动分类,结果表明:该方法应用于城市用地分类的精度高达86.74%,为高空间分辨率遥感影像城市用地分类研究提供了新思路。     

城市植被尺度鉴别与分类研究

城市地物具有多尺度分布特点,尺度鉴别与确定是分类的前提。提出改进的面积相对差指标,根据城市植被的分布状态确定最优分割尺度。采用面向对象方法,利用对象的光谱和空间信息对高空间分辨率影像进行植被分类。与基于像元的传统光谱分类方法和单尺度分类结果比较,最优分割尺度的鉴别和面向对象的分类方法分类精度较高,6种城市植被的分类总精度达85.5%,Kappa系数为0.83;同时有效抑制了光谱数据分类中存在的地物破碎问题。     

面向对象的湿地景观遥感分类——以杭州湾南岸地区为例

在ENVIEX软件的Feature Extraction平台上,利用LandsatTM影像数据,采用面向对象方法对杭州湾南岸地区湿地景观进行遥感影像分类;通过与基于最大似然法、人工神经网络法、支持向量机法等传统像元方法的相应分类结果进行比较,系统分析了面向对象方法在中低分辨率遥感影像的湿地景观生态分类中的有效性。研究结果表明:①较之单一依据像元光谱值进行分类的传统方法,面向对象方法综合考虑了对象的光谱、空间、纹理、色彩等多种属性特征,因而对于类型复杂多样、分布界限模糊、光谱混淆与混合像元现象严重的沿海滩涂、湖泊、河流等湿地景观具有更好的鉴别能力,也因此获得更高的分类精度(研究区景观分类总精度为88.80%,Kappa系数为0.8765);②面向对象方法在分类中提取的是由同质性像元组成的"对象",且在合理的影像分割下得到的对象破碎化程度较低,因而能在较大程度上减小分类结果中的"椒盐噪声"干扰;而基于像元方法提取的景观类型以离散像元形式组成,难以清晰表征景观的边界、形状等信息,所以分类结果中会有明显的噪声现象;③影像分割在运用面向对象方法进行遥感影像分类过程中具有重要影响,实验结果表明,60%的分割尺度和归并尺度组合较有利于中低分辨率影像的遥感分类;④面向对象分类过程中诸如影像分割精度的评价、最优分割尺度的选取、特征空间的优化等问题,则有待今后进一步探讨。     

基于ENVI ZOOM面向对象的高海拔灌丛植被提取——以定日县为例

利用ASTER数据,基于The Environment for Visualizing Images(ENVI)ZOOM 软件平台,采用面向对象的多尺度影像分割技术与规则创建相结合方法,提取了珠峰保护区核心区的灌丛植被类型.在对影像进行去阴影处理和各种辅助信息融合的基础上,使用Feature Extraction模块对影像进行分割,基于分割对象的高程、NDVI、纹理和光谱信息创建了适合研究区的灌丛提取规则.研究表明:该分类方法不仅能够克服传统基于像元分类方法中的"椒盐效应"问题,而且能够综合利用辅助信息(DEM、NDVI等)和地物本身的信息(光谱特征、纹理特征等),有效提高解译精度.以已有数据对分类结果进行了检验,分类精度达84 7%,分类结果较理想.     

基于区域合并影像分割技术的多尺度地表景观分析

分割是面向对象影像分析的前提,景观空间异质性特征给遥感信息获取提出了多尺度的要求。影像分割的多尺度分析以尺度效应与对象异质性最小原则为前提,描述多尺度效应分析的必要性与可行性。基于区域合并的分割原理与方法,为多尺度影像分析提供理论与技术支持,在两个样区进行多尺度影像分割技术的应用实践,分析基于区域合并的多尺度分割数据的几何丰富度与语义丰富度。     

面向对象的山地区域多源遥感影像分割尺度选择及评价

随着遥感技术的飞速发展,通过各种传感器获取的影像种类越来越多.传统的面向像元的影像分析技术已难以适应高分辨率影像,面向对象的影像分析技术应运而生.面向对象的影像分析技术所面临的首要问题是影像分割,如何选择合适的影像分割尺度已成为面向对象影像分析技术的关键.为了提高遥感影像分割尺度选择的准确性,通过对影像分析建立了分割质量函数,针对不同分辨率的多源遥感影像进行分割实验,获取了最优分割尺度,最后提出了一种顾及面积和光谱的分割匹配指数对最优分割尺度进行评价,并研究了分割尺度与亮度均值标准差、影像空间分辨率之间的对应关系.研究结果表明,构建的分割质量函数获取的最优分割尺度避免了人工分割带来的主观性,建立的同时顾及面积和光谱因子的分割匹配指数验证了最优分割尺度选择的正确性.     

基于QuickBird卫星数据的土地利用分类规则集研究

以天津滨海新区为实验区,研究面向对象技术的高分辨率遥感影像土地利用分类规则集。针对耕地、草地、水域、建设用地、交通运输用地、空闲地的特征差异,综合多尺度的分割特征,尝试不同的分割尺度,最终选定两个最优分割层次,即大尺度层次(分割尺度为400)和小尺度层次(分割尺度为240)。采用有效的特征参数,包括自定义的特征增强参数(NDVI参数、色度放大函数)以及最大差异特征参数、面积参数、不对称性参数、标准差参数,确定各特征的隶属度函数,最终建立分类规则集;应用该分类规则集,通过图层间信息的传递与合并,对实验区的QuickBird(QB)遥感影像进行土地利用分类,精度达86.98%,有效避免了椒盐现象。实验证明了面向对象的遥感影像分类方法可充分利用高分辨率影像丰富的信息,有效地提高分类精度。     

基于语义优先的土地利用图斑综合的研究——以大连旅顺口区北海街道为例

土地利用图斑综合是实现其多尺度表达的关键技术,主要包括相邻图斑的融合、相离且语义邻近图斑的聚合、狭长图斑的综合以及要素边线的化简等。通过以下4种方法实现图斑综合:①以要素间语义相似度为先决条件并顾及空间拓扑关系建立邻近度分析模型,通过模型检索要素的最邻近图斑实现数据融合;②以相离要素缓冲区交集中的节点建立多边形要素填补桥梁区域实现要素聚合;③以相邻要素的缓冲区将狭长区域剖分,并融合到周围要素的方法来实现狭长图斑的综合;④以Douglas-Peucker算法实现要素边线化简。上述方法对普通图斑及特征图斑均提出了各自适应的综合算法。实验结果表明上述模型及算法能最大限度的保证各地类面积平衡、也能有效控制要素变形、合理压缩数据并保证地图简洁、美观,保证自动化制图综合的简捷高效。     

ALOS融合影像质量评价及其土地盐渍化应用研究

将经过配准的同一地区不同空间分辨率和光谱分辨率的遥感影像进行融合是提高土地覆盖/土地利用分析精度的有效途径。采用PCA、IHS、HPF和小波变换融合法对内蒙古杭锦后旗中部地区的ALOS全色和多光谱影像进行融合,并对融合结果进行了定性和定量评价。基于地物光谱特征、解译标志和监督分类法提取试验区土地盐渍化信息,比较多光谱影像和融合影像的土地盐渍化信息提取精度。结果显示,PCA、IHS和HPF融合影像的空间细节表现能力得到提升,而PCA和小波变换融合影像的光谱保真度优于IHS和HPF融合影像;PCA融合影像的盐渍化分类精度、总分类精度和Kappa系数均为最高,是最适于试验区土地盐渍化分类研究的融合方法。     

面向对象的高分辨率影像城市建筑物提取

依据高分辨率遥感影像的特点,采用面向对象方法提出"自下而上"的多尺度分割方法,即按照由小尺度分割至大尺度分割的顺序,并结合掩膜操作对山东师范大学IKONOS影像进行了建筑物提取试验。结果表明,该方法较传统的"自上而下"的尺度分割方法精度有显著改善,其分类结果形状较为规整,更接近实际地物。     

结合多尺度纹理的高分辨率遥感影像决策树分类

地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述地物并有效解决光谱数据分类中存在的地物破碎问题,其分类精度为81.7%,kap-pa系数为0.78;与光谱数据分类和结合单尺度纹理数据分类结果比较,分类精度分别提高了11.2%和6%,该方法有助于提高高分辨率影像的分类精度。     

高分辨率遥感影像多尺度分割参数优化及其在面向对象分类中的应用

分割和分类是面向对象分类方法的2个基本步骤,分割的效果会直接影响分类的精度。因此本研究以福建省平潭岛的SPOT-5高空间分辨的遥感影像为研究数据,利用正交试验的方法探究该区域多尺度分割的最优参数,并建立分类规则进行分类。最后将基于像元的监督分类与面向对象的分类方法进行比较分析,得到的总体精度分别为77.50%和89.00%。结果表明,由于面向对象的分类方法能更充分的利用影像的光谱信息、几何结构和纹理特征,在高空间分辨率的遥感影像分类中更具有发展前景。     

基于单极化TerraSAR-X影像提取建筑区研究

基于多时相单极化TerraSAR-X影像,提取后向散射系数特征影像、变差函数纹理特征影像、干涉特征影像,并对其波段组合,在基于eCognition软件多尺度分割的基础上,选择训练样本对象,充分挖掘样本对象的光谱、纹理特征信息,通过建立特征分离性指标,降低特征维数,最后应用面向对象的分类方法实现了建筑区的自动提取,提取精度达93.50%。这一研究表明特征组合影像具有较大的分割优势,特征的优化选择在减少特征冗余的同时维持了较高的信息提取精度,且弥补了eCognition软件纹理特征计算慢的不足。     

基于高分辨率遥感影像的城市典型乔木树种分类研究

为探索高分辨率遥感影像对城市复杂环境优势乔木树种分类的有效性,采用面向对象分类方法,基于WorldView-2影像对首都师范大学及周边地区(CNU)、北京师范大学及周边地区(BNU)两个研究区进行优势乔木树种(泡桐、法国梧桐、杨树、国槐、银杏)分类。首先对WorldView-2影像进行分割,获得树冠区域及其49个属性特征,包括31个光谱属性和18个纹理属性;随后利用随机森林RF与支持向量机SVM两种分类算法对树冠区域进行分类。CNU研究区SVM与RF总体分类精度分别为86.5%、75.8%,Kappa系数为0.801、0.648;BNU研究区SVM与RF总体分类精度分别为66.9%、65.3%,Kappa系数为0.541、0.520。实验表明WorldView-2影像能有效实现城市非阴影区域优势乔木树种分类,但异质性较高、树种分布分散的区域分类精度低于异质性较小、树种分布密集的区域;WorldView-2影像的4个新增波段尤其是红边波段的派生属性在分类过程中所占权重值较高。     

基于低空无人机的草原灌丛遥感辨识方法

以位于中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台为研究区，基于低空无人机遥感影像，结合实地调查，开展草原灌丛遥感辨识方法研究。通过对灌丛、草地和裸地归一化植被指数（NDVI）的方差统计分析，确定了裸地与植被的分割阈值为-0.08，并使用该阈值提取植被覆盖区，然后分别利用面向对象的决策树（DT）、贝叶斯（Bayes）、K最邻近（KNN）、支持向量机（SVM）机器学习分类器进行灌丛辨识。研究表明：借助Estimation of Scale Parameter（ESP）最优分割尺度评价工具可以快速确定分割参数，获取灌丛、草地影像对象；利用特征空间优化工具选取了18个的对象特征，可以有效避免盲目选择而导致的计算量增大；通过对不同分类器分类结果的对比和样本数量敏感性实验得出：Bayes分类器精度稳定、无需设置参数，灌丛分类精度最高，总体精度和Kappa系数分别达到92%和0.83，结果与影像地物嵌合最好，能够精确识别单株灌丛；根据Bayes分类器分类结果统计得研究区灌丛盖度为14.74%，平均冠幅为0.6 m²，与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同，因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。     

利用面向对象的信息提取技术进行城市用地分类

针对城市用地分类问题,利用面向对象的高分辨率影像信息提取技术,对高分辨率影像进行影像分割,寻找影响对象提取精度的最优分割尺度,在得到最优分割尺度的基础上针对研究区城市用地的特点,有针对性地建立不同对象的提取规则,实现对目标对象的信息提取,从而形成最终的城市用地分类图,并将其与基于像元的光谱信息分类的方法进行对比,结果表明:视觉方面,面向对象信息提取技术克服了监督分类最大似然方法仅利用光谱信息分类的缺陷,充分考虑了像元间的空间关系特点,有效消除了"椒盐"噪声的影响;精度方面,面向对象信息提取技术的总体精度高达86.1166%,比最大似然法的总体精度提高了9.8851%,KAPPA系数也高达0.8131。     

基于超像素的高分辨率影像建筑物提取

建筑物提取对于基础地理数据获取与更新具有重要意义。针对传统的基于像元方法难以利用影像空间、上下文信息以及面向对象方法最优分割尺度难以确定等问题,该文提出一种基于超像素的高分辨率影像建筑物提取方法。首先利用LiDAR点云数据生成归一化高程模型以获取地物的高度特征,并通过Layerstacking方式与高分辨率影像融合;随后基于Simple Linear Iterative Clustering(SLIC)算法分割高分辨率影像的RGB彩色图像生成超像素;继而基于分割所得的超像素中的每个像元对超像素进行特征计算;最后使用基于RBF核的支持向量机方法进行超像素级别分类,得到建筑物提取结果。实验结果表明,该方法能够有效识别出简单场景和复杂场景下的建筑物,显著消除了传统基于像元方法出现的"椒盐效应",同时避免了面向对象方法中最佳分割尺度选择的难题,取得了较好的建筑物提取效果。     

基于高分一号卫星影像的多种融合方法比较

以扬州地区为试验区,利用高分一号(GF-1)卫星全色及多光谱影像数据开展融合试验,将PCA、GS、Pansharping 3种传统融合方法与Elbakary、Proxy-sharpening和SFIM等以全色波段为尺度因子的融合方法进行对比,从光谱继承性和空间融入度两方面分析融合效果,寻找适合GF-1号卫星影像的较佳融合方法。结果表明,传统融合方法在光谱继承性和空间融入度两方面的评价结果中保持一致,且Pansharping方法在定性和定量分析中都为最优;以全色波段为尺度因子的融合方法其空间融入度随着光谱继承性的降低而增加;基于不同移动窗口大小的SFIM方法其光谱继承度和空间融入度均属最优,其中,移动窗口为5×5和7×7时,整体融合精度高于其他方法。     

基于DCT变换的多光谱与全色影像融合方法

针对IHS融合法的融合影像相对于原多光谱影像光谱扭曲严重、小波变换融合法运算量大的缺点,依据影像成像时传感器像素间的对应关系,提出应用遥感影像空间分辨率比值关系对影像进行分块,采用离散余弦变换与IHS变换相结合的融合方法进行多光谱影像与全色影像融合,以提高遥感影像的应用能力。仿真实验表明,该方法融合结果的光谱保持性与小波变换方法相近,均优于IHS变换融合影像,对全色影像空间信息集成能力稍弱,但计算效率明显改善,适合于对大数据量的遥感影像融合。