吉林西部盐碱地数字图像植被覆盖度的自动提取

植被覆盖度是生态环境变化的重要指标,也是遥感反演的关键参数。盐碱地植被覆盖度的准确测量对研究地表植被蒸腾、土壤水分蒸发及土壤退化、盐碱化等具有重要意义。过绿指数(Excess Green index,ExG)对绿色植被比较敏感,能突显植被信息,去除土壤、阴影的干扰。通过对吉林西部盐碱地玉米、高粱、绿豆、杂草、土壤数字图像特征分析,利用改进过绿指数(Modified Excess Green index,MExG)算法计算植被和土壤的MExG值;并确定区分植被和土壤的MExG阈值为40,进而计算植被覆盖度。本文采用监督分类的最大似然法对比验证MExG自动提取结果,并对两种方法计算的玉米、高粱、绿豆和杂草的覆盖度,分别进行目视判读和t检验。研究表明,MExG自动提取方法具有客观性强,处理时间短,分类精度高等优点,是计算不同植被类型覆盖度的有效方法。     

干旱区植被覆盖度提取模型的建立

本文通过分析遥感提取植被覆盖度的经验模型法、植被指数法和混合像元分解法,归纳了它们各自的优势、精度和存在的问题,指出了影响应用较广泛的植被指数转换法精度是全植被覆盖像元的选取。在此基础上提出了植被指数转换法的改进模型一利用高分辨率卫星图像的最大NDVI值作为均一像元的NDVI值替换中等分辨率卫星图像的NDVI值,建立植被覆盖度提取模型,从而通过中等分辨率卫星图像获取大范围植被覆盖度的方法。经实践检验,该方法简单、实用,适合于利用中等分辨率卫星图像进行大范围宏观监测。     

基于梯度对称性的无人机影像电力线自动提取方法

针对航空影像电力线提取过程中,背景线特征(电力杆塔、道路和植被等)干扰问题和电力线提取准确性问题,提出一种基于梯度对称性的电力线特征判别方法。采用Line Segment Detector(LSD)算法,对航空影像进行线特征提取;基于电力线附近梯度的对称性特征,实现从大量线段中准确筛选电力线段;采用缓冲区序列化线段连接算法,实现了电力线的自动连接。通过实验证明,提出的方法能够排除背景干扰并准确、完整地提取整条电力线。     

基于NDVI的三峡大坝岸边植被时空特征分析

三峡工程建设对生态系统中植被的破坏很明显,尤其是岸边带附近。本文基于多时相遥感图像,采用NDVI序列计算植被覆盖度,通过比较三峡大坝蓄水前后1978、1999、2006年3个时期坝区9月份岸边3km缓冲区的植被覆盖度特征、动态变化,描述了研究区各年份植被覆盖分布以及近30年的植被覆盖变化特征;同时,从面积角度定量,采用分级分析了变化大小,并应用统计学的非参数Wilcoxon秩和检验方法对不同时期、不同土地利用类型的覆盖度样本进行了检验,得到如下结论:近30年间,三峡大坝岸边带植被覆盖变化显著,1978～1999年时间段,由于大坝工程建设植被破坏程度较高,有植被覆盖的区域面积下降了3.31km²;1999年至2006年时间段,在有8km²的淹没区情况下,有植被覆盖的区域仅下降1.57km²,说明植被恢复较明显。近30年间,三峡大坝植被覆盖度整体上有增加的趋势。     

基于遥感技术的石漠化调查研究

本文基于遥感技术,以最新时相的Landsat8卫星影像为数据源,通过综合运用监督分类和植被覆盖度的方法,以"室内与实地相结合、人机交互解译与计算机自动提取双结合"手段,对五万界岭幅进行岩性和石漠化解译,分析其形成的人为和自然因素,为制定喀斯特石漠化综合防治规划提供依据。     

基于颜色特征和空间特征的图像检索

针对已有的综合多特征进行图像检索的算法复杂度高、计算量大且准确率不够的现状,提出一种基于图像分块并综合灰度特征和空间特征的图像检索算法。首先将原图像划分为10×10的子块,再计算每个子块的平均灰度和空间位置作为检索特征,通过实验表明这种方法在检索结构相似的图像时准确率高,但对颜色不敏感。通过增加颜色特征并调整空间特征计算方式进行改进,相比改进前,算法对于公开的图像库中大多图片有更高的查准率。实验中统计了多类图片在不同情况下的查准率,表明文中算法准确高效,应用性好。     

青藏高原典型植被生长季遥感模型提取分析

物候变化是衡量全球气候变化最直接、敏感的指示器,针对青藏高原这个独特地域单元上特殊的高寒植被进行关键物候期遥感提取模型及植被物候时空变化的研究具有重要的意义。本文首先以反距离加权空间插值算法与Savitzky-Golay滤波算法相结合的数据重建模型获得高质量2003-2012年青藏高原MODIS归一化植被指数(NDVI)数据。在此数据基础上,分别利用动态阈值法、最大变化斜率法、logistic曲线拟合法3种遥感植被生长季提取模型,对青藏高原地区两种典型植被的生长季(SOS生长季开始期,EOS生长季结束期,LOS生长季长度)进行提取。通过对3种模型提取结果的对比分析,并结合日均温模型对提取结果的验证发现,动态阈值法为青藏高原地区典型植被生长季的最优遥感提取模型。该模型对近10 a的高分辨率典型高寒植被物候参量的反演及时空变化特征分析表明,受青藏高原水热及海拔梯度的影响,青藏高原植被物候变化呈现出从东南向西北的空间分异规律,随春季温度的升高,近10 a来青藏高原高寒草地总体呈现生长季开始期(SOS)提前(0.248 d/a)的趋势。     

基于马尔可夫链和最大后验准则的模拟静止气象卫星数据地表组分温度反演

地表组分温度比像元混合温度具有更强的物理意义和实用价值,是定量遥感反演的一个重要研究方向。本文以马尔可夫链和最大后验准则地表温度尺度转换方法,结合静止气象卫星数据高时间分辨率的特点,通过模拟静止气象卫星数据地表组分温度反演进行分析和验证。在研究过程中,地面被简化为由植被和土壤两组分组成,同时假设邻近像元的植被和土壤组分温度相同。鉴此,本文通过模拟构建20×20像元大小的静止气象卫星混合像元图像,并对各像元各时刻温度添加均值为0标准差为2K的随机误差,最终应用所提算法估算各像元各时刻的植被和土壤组分温度大小。精度分析结果表明,该算法能够较为精确地反演植被和土壤组分温度,且误差基本控制在2K以内。此外,本文还进一步讨论了算法的适用性及其对混合像元温度误差、植被覆盖度误差,以及邻近像元植被覆盖度变化范围的敏感度。分析结果再次证明,该方法对混合像元温度误差和植被覆盖度误差都具有较低的敏感性,在最大温度误差条件(均值为1.8K,标准差为5K)和最大植被覆盖度误差(均值为0.18,标准差为0.2)的条件下,各组分温度的估算精度分别能控制在3K和2K以内,满足精度要求。但是,由于组分温度初值的确定方法,对所计算窗口内植被覆盖度变化范围有较强的敏感性,反演结果与植被覆盖度变化范围相关,要求窗口内植被覆盖度变化范围足够大才能满足初值估算的精度要求。     

基于Anchor-free的交通标志检测

交通标志检测是自动驾驶中的重要研究方向,实时准确地从街景图像中检测交通标志对实现自动驾驶及智慧城市的发展具有重要意义。传统的算法基于颜色、形状特征进行检测,只能提取特定种类的交通标志,算法无法同时检测不同类型的交通标志。基于图像特征+机器学习分类器的算法需要人工设计特征,算法速度较慢。主流的基于深度学习的方法多基于先验框,在网络设计上引入了额外的超参数,且在训练过程中产生过量的冗余边界框,容易造成正负样本不平衡。本文受Anchor-free思想的启发,引用YOLO检测器直接回归物体边界框的思路,提出一种基于Anchor-free的实时交通标志检测网络AF-TSD（Anchor-free Traffic Sign Detection）。AF-TSD摒弃了先验框的设计,并引入自适应采样位置可变卷积与注意力机制,大大提高网络的特征表达能力。本文开展大量对比实验,实验结果表明本文提出的AF-TSD交通标志检测网络速度接近主流算法,但精度优于主流算法,在德国GTSDB交通标志检测数据集上取得了96.80%的精度,检测速度平均单张图片32 ms,达到实时检测的要求。     

基于遥感多特征组合的冰川及其相关地表类型信息提取

冰川作为青藏高原的一种典型的地表覆盖类型,在高寒地区广泛分布,往往因为地形复杂,无法实地测绘。本文利用高分辨率遥感影像和高精度的DEM,在分析各种冰川类别的光谱、形状、空间关系、地形和气候等环境分布特征的基础上,综合和发展了现有的特征描述算法,建立了描述各种冰川类别特征的组合提取模型,运用面向对象的自动提取方法,对西部测图区青藏高原试验区进行了冰雪影像自动识别试验。试验结果表明,该方法是可行的,它对难以实地测量的冰雪信息引进了遥感自动提取方法,为研究冰川消融和气候变化拓展了研究思路。     

Digital extraction of altitudinal belt spectra in the West Kunlun Mountains using SPOT-VGT NDVI and SRTM DEM

In this paper, a digital identification method for the extraction of altitudinal belt spectra of montane natural belts is presented. Acquiring the sequential spectra of digital altitudinal belts in mountains at an acceptable temporal frequency and over a large area requires extensive time and work if traditional methods of field investigation are to be used. Such being the case, often the altitudinal belts of a whole mountain or the belts at a regional scale are represented by single points. However, single points obviously cannot accurately reflect the spatial variety of altitudinal belts. In this context, a digital method was developed to extract the spectra of altitudinal belts from remote sensing data and SRTM DEM in the West Kunlun Mountains. By means of the 1km resolution SPOT-4 vegetation 10-day composite NDVI, the horizontal distribution of altitudinal belts were extracted through supervised classification, with a total classification accuracy of 72.23%. Then, a way of twice-scan was used to realize the automatic transition of horizontal maps to vertical belts. The classification results of remote-sensing data could thus be transformed automatically to sequential spectra of digital altitudinal belts. The upper and lower lines of the altitudinal belts were then extracted by vertical scanning of the belts. Relationships between the altitudinal belts based on the montane natural zones concerning vegetation types and the geomorphological altitudinal belts were also discussed. As a tentative method, the digital extraction method presented here is effective at digitally identifying altitudinal belts, and could be helpful in rapid information extraction over large-scale areas.     

基于知识的遥感影像居民地信息提取——以山东省蓬莱市为例

如何自动获得居民地信息是遥感专题信息提取研究的热点问题,该文以山东省蓬莱市为研究区,基于对2004年TM影像光谱特征的分析,建立了基于知识的居民地信息自动提取模型,并对提取结果进行了精度评价。结果表明,利用该模型可以很好地将蓬莱地区的城镇居民地自动提取出来,其提取精度与传统的监督分类方法相比有了很大提高。     

高分辨率影像城市植被自动提取算法

近十几年来,随着城市化进程加剧,准确获取城市植被的分布信息,是城市气候和地表能量平衡研究的重要内容。高空间分辨率遥感影像数据,为精确获取和动态监测城市植被提供了重要资料。本研究利用资源三号数据对长江三角洲地区城市植被进行光谱特征分析与提取,提出一种城市植被的自动化信息提取算法—分离面法（Hyperplanes for Plant Extraction Methodology,HPEM）。结果表明：在假彩色反射率空间,植被与NDVI值低的背景有很好的分离性,而在真彩色反射率空间,植被与NDVI值高的背景有很好的分离性;HPEM能很好地避免NDVI最佳阈值法中将建筑物误分为植被的问题,其精度明显优于NDVI最佳阈值法,Kappa系数从0.85提高到0.90,总的错分与漏分误差从21.15%降低到14.18%。可见,本文的HPEM方法能有效提高城市植被信息自动提取的精度。     

图像数据融合的地貌类型识别分类与制图

计算机遥感地貌制图是利用航空像片或者卫星影像进行识别制图;另是利用DEM数据融合计算提取。对此,本文介绍了一种对区域基本地貌形态类型进行计算机自动分类的方法。它通过识别标志在影像上对地貌分布区进行数字化,把TM影像中的地貌信息和从DEM中提取出来的地貌信息结合,以划分出详细的地貌类型:如河北省沽源县的台地、河谷平原、开阔平原、丘陵、低山和中山6大类。最后,通过一定的算法进行分类成图。     

基于多尺度纹理分类及矿物识别的ASTER地质填图

遥感技术已经成为基础地质调查必不可少的手段。为提高地质填图效率及精度, 本研究提出了基于ASTER的岩性自动分类加主要和典型造岩矿物识别的填图方法。首先, 对ASTER数据进行主成分变换, 对选取的第一主分量采用Haar小波进行多尺度小波分解, 将小波系数的统计特征作为纹理特征, 构建纹理及光谱多维特征空间; 接着, 运用支持向量机(SVM)进行岩性分类; 同时, 根据光谱特征提取主要造岩矿物; 最后将主要造岩矿物叠加在分类结果上, 结合野外调查背景进行岩性填图。混淆矩阵结果显示光谱+小波纹理分类精度可以达到83.496 2%, 较光谱+灰度共生矩阵纹理分类精度提高了2.675 6%, 较光谱特征分类精度提高了6.318 9%。与最大似然法(MLC)分类相比, SVM分类精度提高了6.623 7%。矿物提取结果表明, 构造的提取指数可有效提取白云母、黑云母、方解石、角闪石等矿物。野外工作证明, 填图结果与野外调查结果的相关系数为0.7, 可见, 基于ASTER数据利用图像处理技术、机器学习算法及波段运算可作为植被覆盖较少地区有效的地质填图手段。      

基于监督与非监督分割评价方法提取高分辨率遥感影像特定目标地物的对比研究

基于地理对象的影像分析方法已成为高分辨率遥感影像分析的重要手段。影像分割作为其关键步骤,如何设置合适的分割算法参数对后续分割和分类结果有重要的影响。目前分割参数优选方法的探讨分别从非监督与监督分割质量评价2个方面展开,而何者更适合高分辨率遥感影像特定目标地物分析仍缺乏对比研究。本文以城镇和乡村为例,选取多源遥感数据Quickbird、WorldView-2和ALOS影像中共有的3种典型土地覆被为研究对象,基于2种具有代表性的非监督与监督方法ESP2 (Estimation of Scale Parameter 2)与ED2 (Euclidean distance 2) 进行实验,对最优分割和分类的结果进行全面的对比分析。结果表明：① 相同实验参数下,监督方法均能以较少的分割数据集获得目标地物的最优分割结果,且与真实地理对象吻合度更高;② 非监督方法依靠影像自身特征分析进行分割参数优选,无法克服不同景观格局和影像分辨率的影响,而监督方法可通过改变参考数据集的面积和空间分布模式等来降低其影响;③ 非监督方法往往因为欠分割而漏分小目标地物,这样会严重影响局部分类结果。虽然本文中非监督与监督方法的整体分类精度均可达90.08%以上,但非监督方法的漏分率却是监督方法的1.43~4.65倍。因此,本研究认为监督方法更适合分析高分辨率遥感影像特定小目标地物。     

基于Gradient Boosting的车载LiDAR点云分类

车载LiDAR点云中包含地面、建筑物、行道树、路灯等丰富地物类别,自动对这些不同类别点云进行分类,对点云中目标的识别、提取及重建都具有重要意义。本文提出了一种基于Gradient Boosting的自动分类方法。该方法首先对车载激光点云进行数据预处理,然后计算点云的协方差矩阵、密度比、高程相关特征、局部平面特征、投影特征等,再计算点云特征直方图与垂直分布直方图,采用K-means方法对这两者分别进行聚类,并将其聚类类别值也作为特征,从而构建出20维的点云特征向量,应用Gradient Boosting分类方法进行自动分类。为了验证本文方法的有效性,从某城镇场景的车载激光点云数据中选取部分代表区域共144W点作为训练数据集,然后选取另一较大区域的点云共312W点作为测试数据集。使用训练好的分类器对测试数据集进行分类,分类结果总体准确率达到了93.38%,耗时631s,说明此分类方法具有较高的分类准确率,同时也具备较高的效率。     

上海边滩资源彩红外遥感影像分析应用

海塘滩涂信息的研究在水利工程建设、海塘管理、滩涂围垦、防洪抢险等许多领域具有广泛的应用价值。本文利用彩红外航片通过一系列处理对上海市的边滩资源进行了提取,运用监督分类与目视判读相结合的方法进行解译分析,并对分类结果进行野外核实与修正,为海塘滩涂部门的管理提供了有效的技术支持,提高了所获取数据的精度和工作效率。     

基于垂直带谱的太白山区山地植被遥感信息提取

遥感数据因其全覆盖的优势被广泛应用于山地植被信息的调查和研究。为了实现山区植被类型的高精度提取,本文以太白山区为实验区,结合山地植被的垂直地带性分布规律,利用太白山植被垂直带谱、高分辨率遥感影像（GF1/GF2/ZY3）和1:1万的数字表面模型（Digital Surface Model, DSM）数据,进行了多层次、多尺度的影像分割,构建了具有植被垂直带谱信息的地形约束因子,并据此进行样本选择和面向对象的分类,分类总精度达92.9%,kappa系数达到0.9160。该方法相比于未辅以垂直带谱信息的分类,总精度提高了10%。研究结果表明,分类过程中加入具有垂直带谱信息的地形约束因子,能显著地提高样本选择的效率和准确率,为后续的植被分类提供了精度的保证。通过人机交互的方式,将垂直带谱知识应用到分类中,可以有效地提高山地植被分类的精度。