基于AdaBoost算法的遥感影像水体信息提取

AdaBoost算法利用每个特征构造一个简单分类器,然后将简单分类器进行训练组合成一个强分类器。算法能够充分利用每个分类器的优势并避免其劣势,得到一个最佳判别,达到提高分类精度的目的。本文利用TM影像,将影像各波段灰度、水体指数和谱间关系特征相结合,构成提取水体的强分类器,实现水体提取。实验结果表明,算法能够非常有效地、高精度地提取水体信息。     

基于AdaBoost算法的遥感影像水体信息提取

AdaBoost算法利用每个特征构造一个简单分类器,然后将简单分类器进行训练组合成一个强分类器。算法能够充分利用每个分类器的优势并避免其劣势,得到一个最佳判别,达到提高分类精度的目的。本文利用TM影像,将影像各波段灰度、水体指数和谱间关系特征相结合,构成提取水体的强分类器,实现水体提取。实验结果表明,算法能够非常有效地、高精度地提取水体信息。     

基于Google Earth Engine的土地覆盖分类方法研究

基于谷歌云在线处理平台(Google Earth Engine,GEE),以2019年全年Landsat-8 OLI影像为数据源,选取黑龙江省哈尔滨市为试验区,基于决策树算法、随机森林算法、最邻近算法、支持向量机算法开展土地覆盖分类方法研究,并对不同分类器方法提取结果进行精度评价.试验结果表明,基于GEE平台可以快速完成土地覆盖分类,各分类方法都可以达到较好的效果;采用决策树算法提取结果最优,总体精度为97.53％,Kappa系数为0.9586.     

基于高分一号与Landsat-8影像的水体浊度反演比较

为分析高分一号WFV传感器16 m遥感影像在水质反演方面的能力,本文选取南四湖为研究区,以高分一号卫星影像与Landsat-8卫星OLI影像为数据源,结合地面同步实测水体浊度数据,建立反演水体浊度的原始光谱反射率模型、归一化反射率模型和波段比值模型,并对各模型进行精度评价,分别比较两个传感器在浊度反演能力方面的差异。结果表明:利用高分一号WFV 16m遥感影像进行水质反演具有较高的精度,且具备更高的空间分辨率和更短的重访周期,可以替代Landsat-8多光谱数据。     

多结构元素组合型MODIS影像水体边缘检测

受空间分辨率的约束,MODIS遥感影像中存在很多混合像元,不利于水体边缘信息的提取,为提高水体边缘混合像元的检测精度,本文提出了多结构元素组合型边缘检测算法。方法选取了适合于遥感影像水体边缘检测的膨胀型和腐蚀型算子,同时针对遥感影像自身的特点,构建了多尺寸多方位的结构元素,设计了不同的方向权重和尺寸权重系数,再将基于不同检测算子的边缘检测结果组合得到最终结果。实验结果表明与传统算法相比,多结构元素组合型边缘检测算法边缘提取效果良好,提高了水体边缘的检测精度。     

基于遥感影像的水资源提取精度评价方法研究

立足于当前生态文明建设的迫切需求,以促进遥感技术在水体提取及其时空变化研究中的应用为目的,经过评价指标的选取、配置,标准参考数据的优化选择,以及评价流程的设计,研究制定了一套基于遥感影像水资源提取的精度评价方法。在此基础上,以基于深度学习的遥感水体提取算法的提取结果为实验数据,选取了湖北省部分水体作为样本,进行了遥感影像水资源提取精度评价方法实验。实验结论符合提取算法的特性,验证了提出的精度评价方法的可行性。     

多结构元素组合型MODIS影像水体边缘检测

受空间分辨率的约束,MODIS遥感影像中存在很多混合像元,不利于水体边缘信息的提取,为提高水体边缘混合像元的检测精度,本文提出了多结构元素组合型边缘检测算法。方法选取了适合于遥感影像水体边缘检测的膨胀型和腐蚀型算子,同时针对遥感影像自身的特点,构建了多尺寸多方位的结构元素,设计了不同的方向权重和尺寸权重系数,再将基于不同检测算子的边缘检测结果组合得到最终结果。实验结果表明与传统算法相比,多结构元素组合型边缘检测算法边缘提取效果良好,提高了水体边缘的检测精度。     

Haar-like特征在稀疏建筑物检测中的应用

以高原无人区稀疏建筑物为研究对象,将Hough变换、Haar-like特征与AdaBoost算法相结合构造强分类器,利用高分辨率遥感影像快速精确地从无人区检测出固定稀疏建筑物。首先对影像进行边缘检测、Hough变换的直线提取与几何旋转校正,将实际可能是任何角度的建筑物旋转成水平或垂直状态,再将旋转后图像提取Haar-like特征后利用AdaBoost算法进行分类。实验证明,该算法原理简单,能有效解决仅用Haar-like特征精度不适应建筑物角度多变的问题,说明了Hough变换直线特征提取与Haar-like矩形特征提取多角度稀疏建筑物的可行性,为快速精确检测无人区的稀疏建筑物提供了新思路。     

遥感影像水体提取研究综述

水体时空分布特征对于水资源监测与应用具有重要意义,为了快速、准确、高效地获取地表水体信息,借助于遥感影像进行水体提取的方法受到国内外学者关注。该文通过梳理相关研究成果,评述水体提取的3类方法:阈值法、分类器法和自动水体提取法在模型构建、分割机理和模型适用性3方面的差异。通过进一步分析现存的各类问题,指出水体物化特征与遥感光谱特征的关系研究是提高水体提取方法普适性的一条重要途径;同时,影像提取结果评价体系的标准化和规范化,将有助于推进遥感水体提取应用范围和力度。     

Sentinel-2和Landsat8影像的四种常用水体指数地表水体提取对比

利用卫星影像快速准确地提取湖泊等地表水体范围一直是一个重要的研究课题,其对洪涝灾害监测、水资源管理与利用等具有重要意义。Sentinel-2 MSI和Landsat8 OLI数据是目前主流的开放获取的中高空间分辨率遥感影像。以鄱阳湖区为研究对象,首先,分别使用归一化差异水体指数(normalized difference water index,NDWI)、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)、自动水体提取指数(automated water extraction index,AWEIsh)和基于线性判别分析的水体指数(water index,WI2015)等4种常用的水体指数从2种影像中提取湖泊水体的分布信息;然后,分析了在同种水体指数之下2种影像提取结果的差异性和同一幅影像中4种水体指数提取结果的不同;最后,利用同期的高分一号影像目视解译的结果对水体提取结果进行了精度验证。结果表明,对于2种遥感影像,4种水体指数均能成功地提取出研究区的大部分水体; AWEIsh和WI2015的提取精度最高,在Sentinel-2和Landsat8影像上分别达到了98%和94%以上,MNDWI次之,NDWI的提取精度最低;相对而言,Sentinel-2影像提取的水体细部信息更为明显,整体提取效果优于Landsat8影像。     

一种面向对象的高分辨率遥感影像信息提取方法

针对传统面向对象分类方法的不足,根据研究对象特征构建了一种改进的面向对象的高分辨率遥感影像信息提取分类方法.首先利用SLIC超像素算法对影像进行分割,并提取分割后影像的纹理、光谱和形状特征;再利用SVM分类器提取影像信息,区分相似性较高的耕地和道路;然后利用随机森林算法提取水体和人工表面;最后对不同地物信息的提取结果进行拼接,实现土地利用分类.结果表明,与传统的面向对象分类方法相比,该方法的分类精度更高.     

基于Landsat的多分类器集成遥感影像分类

针对传统的单分类器分类精度低,难以满足遥感影像分类精度要求高的问题,该文提出了一种多分类器集成分类方法。该方法有效地将支持向量机算法、C4.5决策树算法和人工神经网络算法进行了组合,实现了多种分类器集成的优势互补,在提高单个类别分类精度的基础上实现了整体精度的提高。该文基于Landsat遥感影像,利用多分类器集成分类技术,获取广州市自1987年以来的土地利用/地表覆盖数据,以平均3年为一个时段,共制作11期数据。实验结果表明,产品分类的平均精度达到88.12%,Kappa系数平均值达到0.868,高于3种基分类器的分类精度,对各种地物的分类精度也明显提高。     

基于MODIS遥感数据的水体提取模型及算法改进

针对MODIS遥感数据采用多波段谱间关系模型提取水体容易与阴影混淆,产生提取不精确的问题,作者改进了模型中的水体提取算法,然后对鄱阳湖的MODIS遥感数据进行水体提取实验。最终,实验结果表明,改进后的水体提取算法能够有效地提升水体提取精度。该方法现已运用到一些采用MODIS数据进行水体监测与提取的实践作业中。     

Landsat-5遥感影像精度分析

遥感影像的平面精度和真实分辨率是判断遥感影像质量优劣的重要因素。提出了采用点位中误差来评定遥感影像的平面精度,并对研究区域的Landsat-5影像分别进行平面精度和真实分辨率的评定。试验结果表明,Landsat-5的真实分辨率约为23.884 6 m,高于其标称分辨率。Landsat-5的平面精度约为140.455 7 m,且其X方向定位精度优于Y方向。     

HY-1C卫星CZI影像卤虫条带提取研究——以艾比湖为例

基于HY-1C卫星海岸带成像仪CZI (Coastal Zone Imager)影像提取卤虫条带,对利用自主遥感数据开展生物资源监测与指导捕捞利用具有重要意义。本文以艾比湖为例,分析了HY-1C卫星CZI影像与Landsat-8卫星OLI数据的卤虫—水体端元光谱特征及差异;结合滑动窗口裁剪和光谱匹配因子SBAF (Spectral Band Adjustment Factors)模拟构建了有效样本量为837的卤虫—水体数据集;使用深度为5层的U型全卷积神经网络U-Net (U-Shaped Fully Convolutional Neural Network)算法提取卤虫条带并进行了评估与应用。与支持向量机法、最大似然分类法、归一化水体指数法相比,U-Net算法效率高、鲁棒性更好,卤虫条带的提取精确率和F1分数分别为92.02%和90.55%,比其他方法高出约11%—23%,即使面对复杂水体背景干扰,提取错误率也仅有3.3%;由2019年—2021年10景CZI影像的提取结果可知,研究期间卤虫条带的最大最小面积之比约为5.8,变化剧烈且与水体面积存在一定关联,但决定卤虫条带分布与面积的...     

改进Balloon Snake算法提取遥感影像水体边界

相比于正交T-Snake算法,传统Balloon Snake算法不受格网约束,能够更加精确提取高分辨率遥感影像上水体,然而尚不能解决河中岛引起的拓扑冲突问题。由此,本文提出了一种改进Balloon Snake算法(T-Balloon Snake),设计了目标内部由于空洞引起的拓扑冲突检测与处理机制。算法首先在目标水体内部手动设置一个初始轮廓,在曲线每次膨胀前对曲线进行自相交检测,若存在拓扑冲突则对曲线进行分裂与合并处理,最终直至迭代停止。实验选取了三类湖泊与河流高分影像,实现了复杂遥感影像水体矢量边界的一次性精确提取。实验结果表明,该方法可直接有效提取水体中深凹以及岛状边界,在提取结果正确性和完整性上都优于传统Balloon Snake算法。     

基于MODIS遥感数据的水体提取算法研究

针对MODIS遥感数据采用多波段普间关系算法提取水体容易与阴影混淆,产生提取不精确的问题。作者将对多波段普间关系水体提取算法进行研究,并以鄱阳湖为实验对象,使用改进后的多波段普间关系算法对水体进行提取。实现提升水体提取精度的目标。     

结合矢量引导的高分辨率遥感影像道路自动提取

从高分辨率遥感影像中提取道路信息具有重要的现实意义。针对现有影像分类方法无法直接获取高精度道路网信息及自动化程度低的问题,本文提出了一种基于OSM(OpenStreetMap)矢量路网辅助的道路提取方法,实现了对高分辨率遥感影像道路快速精确的自动提取。首先,采用灰度形态学的腐蚀、膨胀及开闭操作对遥感影像进行预处理;然后通过OSM路网提供的先验信息,对模糊C均值算法进行改进,并将输入的遥感影像粗分为3类;接着以粗分类结果作为分类特征,通过OSM矢量路网自动获取道路样本,使用支持向量机进行精分类,并采用粒子群优化算法选取最优分类参数;最后对分类结果进行形态学后处理,得到精确的道路网信息。利用两组Google Earth影像进行试验,结果表明,本文算法在道路网提取精度上要优于对比算法。     

一种基于格网索引优化的遥感影像自动配准算法

针对SIFT算法在遥感影像配准过程中捕获配准点对数量较少和误匹配较多等问题,提出了一种基于格网索引的遥感影像自动配准的算法。首先,采用SIFT算法提取特征点和特征向量,并通过欧氏距离进行匹配;其次,建立格网索引剔除部分误匹配点对,从而提高了随机抽样一致算法的精度;最后,使用多项式几何纠正算法实现遥感影像的精确配准。实验结果表明:该算法比传统分块算法在遥感影像中得到的匹配点对精度更高,并且考虑到不同遥感影像配准场景的差异。     

基于样本自动选择与SVM结合的海岸线遥感自动提取

利用卫星遥感手段自动、快速、准确地测定海岸线动态信息是遥感应用的一个重要领域,对海域管理规划具有重要意义.由于近岸水体光谱特征受区域环境影响较大,在水陆分离过程中,利用传统的归一化差值水体指数(normalized difference water index,NDWI)阈值分割法时,一部分近岸水体易被错分为陆地,严重影响了岸线提取精度.为此,在NDWI模型的基础上,提出了基于样本自动选择与支持向量机(support vector machine,SVM)的海岸线遥感自动提取算法.首先进行NDWI计算与全局阈值分割,实现水体信息的初步提取;再通过NDWI信息控制初始样本的自动选择;然后利用SVM分类器对水体再次分类,实现海陆分离;最后填充小的陆地水体单元,实现岸线自动跟踪.实验结果表明,该方法能有效增强对近岸水体的识别能力,提高海岸线遥感提取的精度和自动化程度.