基于高分影像和激光点云数据的损毁建筑物提取方法研究

针对复杂环境下震害信息的快速提取问题,本文提出了一种基于高分影像和激光点云数据的半自动损毁建筑物提取方法。该方法通过目视判别定义了损毁建筑物类型与成像特征,然后采取阈值法与SVM相结合的半自动面向对象分类方法将损毁建筑物提取出来。即通过引入nDSM数据参与分割、分类,在影像多尺度分割的基础上,结合纹理特征、光谱特征以及几何特征,通过阈值法与SVM相结合的方法提取损毁建筑。为验证方法有效性,选取2010年海地震后部分地区的高分辨率影像和机载激光雷达数据作为研究数据,通过与全场景的自动SVM分类结果相比,本文方法获得了更优的分类精度。此外,本文构建了新的波段剔除植被,在不同场景下获得了较好的剔除效果。     

面向对象和SVM结合的无人机数据建筑物提取

建筑物提取时结合归一化数字表面模型(nDSM)的高度信息可以提高其提取精度。通常高度信息由LiDAR数据生成高精度3D点云获得。但由于获取成本较高,寻找替代LiDAR点云生成高度信息的数据至关重要,为此该文探讨摄影测量点云生成nDSM用于建筑物提取的可适用性。采用无人机影像作为单一数据源,选取汉旺镇和林扒镇2个研究区进行实验,利用面向对象技术与支持向量机(SVM)相结合的方法进行建筑物提取。首先,采用Pix4D Mapper生成摄影测量点云,通过基于不规则三角网加密滤波方法和反距离加权法插值生成nDSM影像;其次,对无人机RGB影像进行分割,选取9种属性特征(2种高度属性和7种光谱属性)作为建筑物的识别属性;最后,利用SVM分类器进行建筑物提取,采用形态学滤波方法进行后处理。研究结果表明,汉旺研究区提取的完整率为85.5%,正确率为83.9%;林扒研究区提取的完整率为92.5%,正确率为78.6%。摄影测量点云生成的nDSM在建筑物提取应用中适用性较好,可以有效提高建筑物的提取精度,并且大大降低了成本。     

无人机影像识别白喉乌头的相对高程阈值法适用性分析

本文以新疆伊犁州新源县那拉提草原的典型毒害草白喉乌头为研究对象,通过PhotoScan软件对无人机航拍影像进行数据处理并获取研究区DSM数据,在此基础上,运用相对高程阈值法识别提取白喉乌头的最佳阈值范围,并验证其有效性。试验结果表明：①在无人机影像中,相对高程阈值法能够清晰准确地体现地物分布特征,适用于提取与普通牧草高度误差明显的地物;②当10 cm≤T<20 cm时,白喉乌头能够被准确识别,且与实际白喉乌头分布点基本一致,分类精度达91%;③相对高程阈值法能够较好地分离出白喉乌头,既提升了分类依据的可靠性,又实现了白喉乌头高精度识别。该方法可应用于实际的草原监测工作。     

统计数据总量约束下全局优化阈值的冬小麦分布制图

大范围、长时间和高精度农作物空间分布基础农业科学数据的准确获取对资源、环境、生态、气候变化和国家粮食安全等问题研究具有重要现实意义和科学意义。本文针对传统阈值法农作物识别过程中阈值设置存在灵巧性差和自动化程度低等弱点,以中国粮食主产区黄淮海平原内河北省衡水市景县为典型实验区,首次将全局优化算法应用于阈值模型中阈值优化选取,开展了利用全局优化算法改进基于阈值检测的农作物分布制图方法创新研究。以冬小麦为研究对象,国产高分一号(GF-1)为主要遥感数据源,在作物面积统计数据为总量控制参考标准和全局参数优化的复合型混合演化算法SCE-UA (Shuffled Complex Evolution-University of Arizona)支持下,提出利用时序NDVI数据开展阈值模型阈值参数自动优化的冬小麦空间分布制图方法。最终,获得实验区冬小麦阈值模型最优参数,并利用优化后的阈值参数对冬小麦空间分布进行提取。通过地面验证表明,利用本研究所提方法获取的冬小麦识别结果分类精度均达到较高水平。其中冬小麦识别结果总量精度达到了99.99%,证明本研究所提阈值模型参数优化方法冬小麦提取分类结果总量控制效果良好;同时,与传统的阈值法、最大似然和支持向量机等分类方法相比,本研究所提阈值模型参数优化法区域冬小麦作物分类总体精度和Kappa系数分别都有所提高,其中,总体精度分别提高4.55%、2.43%和0.15%,Kappa系数分别提高0.12、0.06和0.01,这体现出SCE-UA全局优化算法对提高阈值模型冬小麦空间分布识别精度具有一定优势。以上研究结果证明了利用本研究所提基于作物面积统计数据总量控制以及SCE-UA全局优化算法支持下阈值模型参数优化作物分布制图方法的有效性和可行性,可获得高精度冬小麦作物空间分布制图结果,这对提高中国冬小麦空间分布制图精度和自动化水平具有一定意义,也可为农作物面积农业统计数据降尺度恢复重建和大范围区域作物空间分布制图研究提供一定技术参考。     

基于OSTU算法利用新型水体指数进行Landsat数据自适应阈值水体自动提取研究

利用Landsat数据,结合NDWI与MNDWI提取水体信息的特点提出了一种新的水体指数NMWI,并结合OSTU算法自适应地确定最佳分割阈值,完成了对海洋、河流、湖泊和水库4种主要的典型水体信息的自动提取,均取得了较好的效果。     

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.     

模糊超像素分割算法的无人机影像烟株精细提取

实现烟草单株自动化提取对加快烟草农业信息化有着重要意义,但目前烟株精细的提取还存在较大困难。因此,提出了一种基于模糊超像素分割(fuzzy-superpixels,FS)算法的无人机烟株提取方法。首先通过绿地提取方法得到无人机影像中的植被覆盖区域;然后利用FS算法对影像进行超像素分割,并统计超像素的均值、亮度、形状指数、长宽比、自定义植被指数等特征;最后通过计算超像素的特征阈值,对烟株数目进行精细提取和统计。选取3景无人机影像作为实验数据,实验结果表明,该方法提取烟株的总体精度分别为84.28%,89.05%和82.97%。该方法可实现对烟株的自动化提取,为后期计算烟草产量提供有效参考。     

Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度。为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取。结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13%,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28%,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41%、11.31%和6%,RF对冬小麦提取精度优于SVM。本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义。     

利用高分辨率DSM和DOM自动提取城市建筑物区域

建筑物区域的精确提取是数字地形图自动化绘制的基础.本文通过融合无人机航摄处理得到的高分辨率DSM(digital surface model)与DOM(digital orthophoto map)数据,提出一种基于阈值分割、SVM(support vector machines)分类和形态学处理的建筑物区域提取算法,并选取ISPRS提供的Potsdam数据集进行试验,通过定量化精度分析验证了该算法的可行性及可靠性.     

基于MODIS的黑龙江省农作物种植结构提取研究

基于2015年多时相MODIS数据,以黑龙江省主要农作物(大豆、玉米和水稻)为研究对象,利用黑龙江省主要作物的物候期特征、NDVI特征曲线信息和NDWI反映的耕地类型,采用决策树构建不同种类农作物的遥感提取模型,以提取大尺度农作物的空间分布格局信息。结果表明,构建的遥感提取模型有效地提取了主要农作物的空间分布信息,以东北实地调查数据为评价标准,玉米、水稻、大豆的分类精度分别为83.90%、84.71%和78.26%;以统计数据为评价标准,玉米、水稻、大豆的分类精度分别为84.463%、88.094%和81.485%。     

高光谱遥感影像端元提取方法对比

本文在SMACC法和PPI法端元提取基础上,得到高光谱遥感影像端元丰度图,之后用SVM法进行分类。通过分类结果精度来评价端元提取的优劣。实验结果表明,基于PPI的线性混合像元分解得到的丰度图用SVM分类效果最佳,分类的整体精度达87.59%,而基于SMACC法结合SVM分类的效果和直接应用SVM分类次之,分类的整体精度分别是83.84%和85.16%。     

GF-1卫星影像水体信息提取方法的适用性研究

针对GF-1卫星影像数据的特点,分别采用归一化差分水体指数(nomalized difference water index,NDWI)阈值法、支持向量机(support vector machine,SVM)和面向对象等方法对鄱阳湖区的GF-1影像进行水体信息提取实验,并根据提取结果分析和比较各种方法的优势与不足。选取2块不同尺度和不同复杂度的代表性区域,以人工解译的水体信息为真值,进行漏提率、误提率和提取精度的统计。结果表明:3种方法在2个区域的提取精度都较高,其中,SVM法的提取精度最高(2个区域的提取精度分别为99.474 2%,98.099 3%),面向对象法的提取精度次之(99.316 4%,97.877 9%),NDWI阈值法的提取精度相对最低(99.145 6%,97.590 0%)。     

基于SPOT5图像的泥石流自动提取方法

在前人研究基础上,提出了一种基于SPOT5图像和DEM数据自动提取泥石流的方法。首先利用归一化差值植被指数(NDVI)、归一化差值土壤亮度指数(NDSI)和图像经主成分变换得到的第一主成分(PC1)等3种遥感指数获取新的主成分变换图像,进而利用阈值自动选取算法提取包含泥石流的裸地信息;然后基于1∶10 000的DEM数据,利用改进的沟谷中心线提取算法提取沟谷中心线,并利用数学形态学滤波算法生成沟谷范围;最后将提取的疑似泥石流图斑与沟谷范围匹配,并对矢量化后的结果进行面积、坡度和顺坡性等筛选,得到泥石流或潜在泥石流信息。实验表明,本文构建的泥石流提取模型具有较高的提取精度和效率。     

路网增量更新中基于OSTU的目标几何匹配阈值计算

电子地图数据增量更新过程中的几何匹配是道路网目标匹配最常用的方法之一,其中,阈值的选取是几何匹配能否准确完成的先决条件。针对目前常用的经验阈值方法存在的适应性差、误差大、精度低等不足,利用匹配叠置数据具有多峰分布这一特性,本文提出了一种基于最大类间方差法(OSTU)的匹配阈值动态计算方法。实验结果表明,该方法得到的匹配阈值相对于经验阈值具有更好的自适应性和准确性,并且算法简单、易于实现。     

顾及GF-3影像纹理特征的洪涝范围提取方法

洪涝灾害给社会、经济造成巨大损失,及时、快速监测洪涝范围在抗灾救灾中具有重要意义。合成孔径雷达(SAR)由于其主动式微波成像的机理,可为全天时、全天候、大范围洪涝灾害监测提供支持。本文首先以高分三号(GF-3)卫星影像为数据源,基于灰度共生矩阵(GLCM)、局部二值模式(LBP)等6种纹理描述方法提取138个SAR影像纹理特征;然后利用随机森林(RF)指标重要性评估功能,筛选出重要性得分较高的纹理特征进行水体信息提取;最后结合数学形态学对初始水体提取结果进行后处理,评估安徽巢湖附近区域洪涝灾害。试验表明,本文方法的水体提取精度优于传统阈值法(Otsu)及分类算法(KNN和SVM),可有效提取洪涝灾害的影响范围,为选取合适的SAR影像纹理特征进行洪涝范围快速监测提供参考。     

高分一号遥感影像在青藏高原湖泊的提取方法

基于高分一号影像,选用归一化差异水体指数(NDWI)阈值法、LBV变换法、"全域-局部"水体自动分割法,分别提取了布若错、赛布错和雅根错的边界。分析对比3种方法,结果显示NDWI阈值法与LBV变换法从整张影像中提取湖泊边界,影像中的非湖泊范围的区域如阴影区等,会误判为湖泊的像元;"全域-局部"水体自动分割法将提取范围从全域转为局部,减少了非湖泊范围内地物信息的干扰,并对每个湖泊的NDWI阈值独立判断,实现了湖泊边界的精细提取。     

无人机遥感影像的城市绿地信息提取

针对传统人工城市绿地调查费时、费力等问题,该文提出了一种利用无人机遥感进行城市绿地信息提取的思路和方法。设计构建了基于固定翼无人机平台的遥感系统,对宁波市部分区域进行航飞实验。采用PixelGrid软件对无人机影像进行了预处理,得到测区正射影像。采用基于像元统计特征分类和面向对象分类两种方法,对研究区进行绿地信息快速提取并进行了精度验证。研究结果表明,利用最大似然分类法和归一化绿红差异指数法提取精度最高,分别为81.73%和80.23%。     

PCA和布谷鸟算法优化SVM的遥感矿化蚀变信息提取

为了进一步提高遥感矿化蚀变信息提取的精度,本文提出了一种基于主成分分析PCA (Principal Component Analysis)和布谷鸟算法优化支持向量机SVM (Support Vector Machine)的遥感矿化蚀变信息提取方法。首先,通过波段比值法增强研究区遥感图像中的矿化蚀变信息,并获得比值图像;然后,对比值图像进行主成分分析,进而提取训练样本;接着,利用SVM对训练样本进行训练,同时采用布谷鸟算法求取SVM的最优核参数及惩罚因子,构造最优SVM模型;最后,运用最优SVM模型完成矿化蚀变信息提取。选择青海省五龙沟地区为研究区,提取羟基及铁染蚀变信息。实验结果表明,与主成分分析法、基于光谱角法和SVM的方法、基于粒子群和SVM的方法及基于波段比值、PCA和粒子群优化SVM的方法等4种方法相比,本文方法获得的遥感矿化蚀变信息和已知矿点的吻合度最高,提取效果最好。     

基于正态分布的三维建筑物变化检测高度差阈值确定方法

针对现有三维建筑物变化检测中高度差阈值确定方法存在主观性强、阈值通用性差的问题,本文提出了一种基于正态分布的高度差阈值确定方法。借鉴二维变化检测中变化和未变化像元差值服从正态分布的理论,首先,假设2期DSM高度差服从或近似服从正态分布,并分析了变化和未变化区域高度差的分布;然后,基于拉依达准则提出了利用期望和标准差计算高度差阈值的方法;最后,利用滑动窗口动态计算待检测区域高度差阈值。在2个试验区内,基于本文阈值方法的建筑物变化检测结果较经验阈值方法在完整率、正确率和检测质量上分别平均提高了7.2%、1.5%和7.8%,说明该方法具有较好的通用性。     

无人机遥感影像林地单株立木信息提取

针对无人机遥感技术在提取单株立木信息的限制性问题,提出一种新的自动单株立木信息提取方法。对原始无人机影像进行光谱信息增强处理以突出局部细节特征;通过引入DBI指数自动化确定K-means聚类方法的最优聚类数目,进而对影像像素进行标记;通过利用高斯马尔可夫随机场模型进一步对影像进行分割;使用数学形态学算子等方法对分割结果进行后处理得到单株立木树冠信息,通过图像几何矩原理计算得到单株立木位置以作为其识别的依据。结果表明,应用该提取方法,油松林区和樟子松林区单株立木识别总体精度分别为89.52%和95.65%、单木树冠提取精度分别为81.90%和95.65%,均具有较好地适用性。该方法不需要大量的人工干预和先验知识的输入,大大提高提取方法的自动化程度。