基于1：10000DLG数据的地表覆盖要素自动提取研究

遥感图像地表覆盖要素的自动提取是目前卫星产品应用研究的热点之一,针对其提取效率问题,本文研究利用1：10000DLG数据的地表覆盖要素自动提取方法,并通过四川省某市城区WorldView2影像及其DLG数据进行实验研究。结果表明：该方法能够有效地提高高分辨率遥感影像地表覆盖要素自动提取的效果,很大程度上降低了繁琐的人工解译的工作量,提高地表覆盖提取的工作效率和精度。     

基于地理国情普查成果的城市建成区绿化覆盖快速化提取研究

城市绿化覆盖是地表自然要素的重要指标,也是城市生态文明的体现,随着城市化的高速发展及环境变化,城市绿化空间分布及其使用功能受到高度重视。据此,作为地理国情普查拓展调查内容,基于地理国情普查成果,应用国产遥感卫星影像数据,采用遥感影像处理技术、城市绿化覆盖自动提取技术和景观格局分析技术,快速提取了城市建成区绿化覆盖现状并开展景观格局分析。所提方法可快速、全面地研究城市绿化用地组成及景观格局,评价城市绿地分布的合理性,为城市绿地空间布局优化提供建议,为城市绿地规划建设提供科学数据,为政府城市管理提供决策依据。     

基于易康平台的高分辨率影像在测绘生产中的地物提取

随着遥感技术的发展,遥感数据获取手段有了长足的进步。测绘部门在生产中也展开了基于高分辨率影像提取地表覆盖等信息。本论文以易康软件作为卫星遥感影像地物提取的平台,研究如何利用高分辨率遥感影像生成地表覆盖分类图,以达到测绘部门在生产中的需求。     

基于资源三号卫星影像的面向对象地表覆盖要素分类方法研究

以2013年资源三号高分辨率遥感影像为数据源,选取伊朗胡齐斯坦市作为试验区,采用面向对象的信息提取技术对其进行地表覆盖要素分类试验。试验结果表明,采用特征选择和最邻近分类法结合的信息提取思想,可以较好地完成不同地表要素的信息提取。信息提取总体精度为94.19%,Kappa系数为0.925 5。由此可知,基于面向对象分析方法的地表覆盖要素提取技术对国产高分率遥感影像具有一定的适用性。同时,该试验为全球地表覆盖要素的遥感信息提取提供理论和技术支持。     

面向对象标准最邻近分类法在地理国情监测中的应用

地理国情监测项目范围大,遥感影像分辨率高,信息提取精度要求高,人工解译任务繁重,急需利用自动解译技术来提高效率。面向对象的标准最邻近分类法可针对地表覆盖信息实现数据的自动快速提取,相比于人工分类方法所提取的结果,该方法具有较高的精度,并且可大幅度提高地理国情监测地表覆盖信息提取的生产效率。     

航空影像水体提取在地理国情监测中的应用

为提高实际生产中地表覆盖水体采集的工作效率,研究以四波段航空影像为基础,结合已有的DLG数据,采用归一化水体指数（NDWI）识别水体,利用均值差探查水体边界,通过分块处理的方法规避了航空影像各区域光谱差异的问题,最终得到与DOM套合较好的水体解译成果。为满足批量生产的需求,运用了统计学的方法实现各阈值的自动提取。该方法可提升工作效率30%~40%。     

利用高分辨率遥感影像进行DLG要素快速更新的方法

基础地理信息数据的更新是一项长期而重要的任务,本文针对DLG要素快速更新问题,利用高分辨率遥感影像,采用图像代数方法对两期影像进行了变化检测,快速获取了DLG要素的变化位置、变化范围等信息,辅助DLG要素增量数据获取。采用空间数据匹配的方法建立了现状、历史与增量数据间的关联关系,并采用增量更新的方法对DLG要素进行了快速更新。利用该方法对太原市某城区居民地要素进行了更新试验,并应用于山西省重点城市建设用地遥感监测系统项目中,取得了较好的应用效果。     

基于DLG数据的植被快速构面研究

以高分辨率遥感影像及1︰5000DLG数据为研究对象,采用面向对象的多尺度分割方法,充分利用分割对象的光谱特征、几何特征及纹理特征等信息,同时运用1︰5000DLG数据中的植被标识点及植被线,自动进行植被的快速构面,从而提升植被构面的效率,然后考虑测绘生产中植被信息提取的精度和效率因素对植被构面成果进行边缘规范化处理。该研究对地面其他面状地理要素准确提取及提高效率具有一定的借鉴意义。     

美洲地表覆盖分类信息规模化提取工艺研究

在遥感影像地表覆盖分类信息提取试验研究的基础上,按照美洲地区的生态地理分区,利用30 m分辨率的TM或ETM+影像,研究探讨美洲分区地表覆盖工程化分类采集方案与提取工艺,采用4级分类策略的单要素分层提取掩膜分类方法,制作美洲地区2000年与2010年30 m分辨率的地表覆盖产品。研究成果表明,分类信息规模化提取工艺极大地提高了大范围影像信息提取的精度,有效减少了同物异谱和异物同谱现象对分类造成的影响。     

多尺度特征融合神经网络的地表覆盖提取

深度学习的快速发展,为高分辨率卫星遥感影像解译提供了更好的技术手段和应用前景。围绕高分卫星遥感影像地表覆盖信息提取,利用高分辨率卫星遥感影像制作5种常见的地表覆盖类型的像素级样本数据集,并提出一种基于注意力增强与多尺度特征融合的语义分割方法,实现地表覆盖自动提取。通过影像波段选择、预训练模型迁移学习、损失函数改进等方法,提升语义分割模型识别精度,最优的提取结果中,5种地表覆盖类型的F₁均值、IoU均值和总体精度分别达到了78.6%、66.8%、85.0%,除道路之外,耕草、林地、建筑、水体的F₁均超过80%,且分类图斑边界能够与影像中的地物边界很好套合。实验表明建立的卫星影像地表覆盖分类样本数据集和分类方法,能够应用于高分辨率卫星影像地表覆盖信息提取。     

综合机载LiDAR与高分影像的煤矿区典型地物提取方法

综合利用LiDAR点云数据与WorldView-2高空间分辨率遥感影像,采用面向对象分类的矿区地表覆盖信息提取方法,利用nDSM高度阈值区分候选分割对象,构建了基于决策树分类器的矿区典型地物提取模型,在此基础上将图像光谱信息、DSM数据和地形参数等多源数据进行了融合,提取了出矸石堆、煤堆等典型煤矿区地物要素及植被、道路、水体等地表覆被要素信息。     

地理国情普查中地表覆盖自动解译问题研究

针对地表覆盖自动解译时经常遇到的分割尺度设置、影像噪声、判读差异、DLG数据与影像不一致等问题,在实际应用中,根据影像分辨率与测区地类设定合适的分割尺度,采用合理的解译顺序、调整分割尺度和采样率来降低噪声影响,用人机交互解译来解决判读差异问题,人工解译与现场核实相结合判断DLG数据与影像不一致区域。以上措施较好地解决了自动解译遇到的问题。     

高精度地表覆盖数据优化分割的土地利用分类

针对土地利用类型多样、特征易混淆和高分辨率遥感影像信息海量、人工提取费时费力等问题,该文以北京二号卫星影像为数据源,采用高精度地表覆盖数据优化分割的面向对象分析方法、无地表覆盖数据辅助分类的面向对象分析方法,运用朴素贝叶斯、CART决策树、随机森林和K最邻近分类器,开展武功县土地利用分类,并对分类结果进行精度评估.结果 表明:①与无地表覆盖数据辅助分类方法相比,高精度地表覆盖数据优化分割的面向对象分类方法,在精度方面有较大的提升,其分类总体精度提高18.73％,Kappa系数提高0.21;②随机森林对于土地类型多样的影像对象具有较好的识别能力,获得较高的总体精度(95.3％)和Kappa系数(0.94).研究表明一种利用高精度地表覆盖数据优化影像分割的土地利用分类方法具有更好的可行性和鲁棒性.     

地理国情普查外业调查技术要求

地理国情外业调查是地理国情普查工作十分重要的工作内容,是保证地理国情普查数据质量的关键环节。外业调查是对采集的地理国情要素和解译的地表覆盖分类成果以及内业无法定性的类型、边界和属性进行实地调查,同时采集遥感影像样本数据,为最终形成地理国情要素数据、地表覆盖分类数据成果和遥感影像解译样本数据库提供基础。     

遥感组合指数与不同分类技术结合提取农业用地方法

多光谱遥感影像因具有丰富的波谱信息,提高了地表覆盖的辨识能力,利用遥感数据高精度自动提取专题信息是目前研究的热点和难点。本文以北京市ASTER影像为例,通过对城市生态环境中土地类型及其光谱特征规律分析,组合归一化差异植被指数、修正归一化差异水体指数和归一化差异建筑指数三种指数,制作组合指数新影像。对组合指数影像采用基于支持向量机的面向对象分类方法进行农业用地信息提取,同时将该方法分别与基于原始影像、组合指数影像的最大似然及支持向量机的分类方法进行对比分析。实验结果表明:组合归一化差异指数影像压缩了数据维数,降低了覆盖地物相关性,易于农业用地信息提取。对组合指数影像采用基于支持向量机的面向对象分类方法精度达95.701%。     

光谱特征扩展的时间序列Landsat数据地表覆盖分类

时间序列遥感影像常用于地表覆盖监测及其变化监测。然而,利用时序遥感数据—尤其是中分辨率遥感数据监测地表覆盖变化,其方法基本是先对多期影像分别进行监督分类然后对比分类结果。由于这种方法需要对每期遥感影像单独选择分类训练样本,而对于历史影像,常常难以获得可靠的样本数据。本文基于遥感数据定量化处理,尝试利用光谱特征扩展方法对时间序列Landsat数据进行分类:首先,结合一种新的大气校正方法和相对辐射归一化方法,对时间序列Landsat数据进行定量化处理,以消除各期影像之间的辐射差异,获得地表反射率数据。然后,论文选择一期易于获得分类训练样本的反射率数据作为"参考影像",并结合样本数据提取不同地表覆盖类型的光谱特征。最后,将"参考影像"中提取的地物光谱特征,扩展到所有时间序列反射率数据进行分类。论文利用青藏高原玛多地区的5景Landsat数据对本文的方法进行了验证,结果显示:基于光谱特征扩展的分类方法,可有效对定量化处理后的Landsat数据进行分类,分类总体精度为88.35%—94.25%,分类结果和传统的单景监督分类结果具有较好的一致性。此外,研究也发现,"参考影像"和待分类图像获取时间的季相差异会影响其分类的精度。     

大比例尺地形图在地理国情普查中的应用探讨

地理国情普查最主要的内容是地表覆盖分类与重要地理国情要素,其中地表覆盖主要基于遥感或航空影像影像进行分割、分类,解译出地表覆盖物的类型,以便从地理的角度进行统计分析。大比例尺地形图具有地表覆盖物与地理要素丰富信息的特点,本文结合生产实践探索出一套大比例尺地形图数据应用于地理国情普查的有效技术方法。     

数学形态学在遥感影像云层识别中的应用

针对传统遥感影像质量评价中云层覆盖量无法定量评价的问题,文章提出采用利用边缘信息的阈值分割结合数学形态学方法来提取遥感影像云层覆盖范围。利用边缘信息的阈值分割方法能够有效利用影像自身信息来改善分割结果,再结合形态学方法,进而能消除道路、房屋等大部分噪声信息,最终实现遥感影像上不同特征云层覆盖范围的自动提取。基于浙江全省高分辨率遥感影像的实验结果表明:该方法能够快速有效地识别出遥感影像上云层覆盖范围,研究结果对于遥感影像云层覆盖的自动评价具有参考价值。     

基于深度学习的城市地理国情地表覆盖分类研究

作为图像识别的研究热点,利用深度学习对遥感影像进行自动分类具有较强的应用实践价值。本文基于全卷积神经网络的深度学习框架,提出了一套城市地理国情地表覆盖分类技术方法:利用地理国情成果,构建城市遥感影像样例库,训练全卷积神经网络,实现地表覆盖自动分类,并通过相似性系数对专题地物进行变化检测。文章选取了上海局部区域作为实验对象,结果发现该方法可以有效减少时间成本,对人文和自然地理要素之间具有较好的区分度,可以为地理国情成果应用和实践提供新的思路和方法。     

面向遥感影像智能分类的海量样本数据采集方法

以地理国情监测高分辨率遥感影像及高精度地表覆盖分类产品为数据源，提出了一种面向遥感影像智能分类、基于位置匹配技术的全国尺度海量样本数据采集方法。根据数据源特征，研究了县域采集数量权重设置、坐标投影转换、栅格灰度重采样、无效样本数据过滤、地表覆盖分类码映射、样本数据命名标识、特定地表覆盖类型样本数据采集等关键技术，构建了位置匹配的遥感影像数据与分类标签数据组成的样本数据对，开发了样本数据自动采集软件。利用该方法，以县级行政区划为单元，实现了全国尺度海量样本数据采集。选取其中5个县域的成果，评估了方法的实用性及运算性能。研究表明：该方法提升了生产全国尺度海量样本数据的计算响应速度；采集的样本数据能够满足遥感影像智能分类对样本源高质量、大规模的需求，提升了遥感影像分类与预测的准确度。