一种传统民居遥感提取方法

针对基于地物光谱统计特征的建筑物提取方法由于存在较大的同物异谱现象导致提取结果不满足要求的问题,该文提出了一种基于形态学建筑物指数并顾及纹理特征的遥感提取方法。该方法综合考虑传统民居在高分辨率遥感影像上的光谱、形态和纹理特征,首先利用形态学建筑物指数法提取建筑,并使用最小矩形长宽比和像元个数区分道路和零星地物,而后利用Contourlet变换和谱直方图相似性计算进行纹理甄别,实现传统民居的遥感识别和提取。为了验证该方法,选取湖南省常宁市庙前镇中田村QuickBird影像进行试验,结果表明该方法能够获得较高精度的提取结果,整体精度为71.54%,影响提取精度的关键原因为损毁严重的建筑物光谱特征与目标图像纹理相差较大。     

基于纹理增强的数字航片村镇建筑物信息提取

基于建筑物细部边缘信息在数字航片上的精细纹理表达,首先对原始影像进行边缘检测、主成分分析和基于二阶概率统计的纹理滤波等预处理,然后选择用7像元×7像元的窗口锐化得到Contrast纹理特征的灰度图;采用Contrast灰度图(R)、原始航片(G)、原始航片(B)的波段组合进行假彩色合成,得到基于对比度纹理的假彩色合成影像;最后对假彩色合成影像进行多尺度分割和建筑物提取。以北京市延庆县康庄镇2008年12月数字航摄影像为例,运用上述方法进行村镇建筑物信息提取。结果表明,与运用面向对象的分类方法相比,利用纹理增强提取村镇建筑物信息的方法突出了建筑物边缘,减少了冗余分割对象,解决了建筑物与其阴影相混淆不利于建筑物信息提取的问题;并对特征空间进行优化,避免了模糊分类时纹理特征规则运算缓慢的问题,较完整地提取出了村镇建筑物信息,提高了分类精度。     

基于GF-1的山地主要农作物种植信息提取研究

为探索GF-1 PMS多光谱数据影像在低山丘陵地貌破碎地区主要农作物遥感识别中的信息有效性,以重庆市永川区卫星湖街道为例,利用研究区多时相、多光谱特征影像,对研究区油菜、玉米、水稻等主要作物进行信息提取。提取结果显示,利用GF-1多时相多特影像,水稻作物信息提取生产精度与用户精度均达到90%以上,提取精度较低的旱地作物玉米提取效果也得到了提升,油菜作物信息提取生产精度大幅度高于用户精度,主要作物提取总体精度OA为80.93%,Kappa系数0.635,分类质量达到较好水平。基于多时相GF-1影像光谱、纹理等特征的面向对象分类方法,能够有效地提取南方低山丘陵破碎地貌地区主要农作物空间分布信息,提高主要农作物的遥感识别精度,为山地农作物遥感信息提取提供参考。     

基于随机森林的WorldVew2i影像建筑物精细提取

针对研究区建筑物大小不一、排列复杂多样、颜色和材质差异较大的实际情况,提出了一种基于面向对象的城区高分辨率影像建筑物信息精细提取方法。该方法考虑了不同颜色建筑物之间以及建筑物与其他地物的特征差异,将建筑物细分为4种子类型,在对高分辨率影像进行分割的基础上,充分挖掘目标对象的光谱、几何、纹理信息等特征,利用随机森林算法对建筑物进行提取并对特征的重要性进行评估。结果发现,精细提取场景下的波段3比值、PCA3均值、PCA4均值、NDVI等特征的重要性较建筑物作为一个类别提取的常规方法出现了较为显著的上升,表明精细提取场景下的影像特征得到了更为充分的应用。使用该方法提取建筑物面积的用户精度和生产者精度较常规方法提高了12.16%和4.09%,为复杂情况下的高分辨率影像建筑物信息提取提供了新的途径。     

特征变换的延安建筑物提取研究

针对高空间分辨率卫星遥感数据多光谱波段数较少和原始波段组合光谱特征利用有限等问题,该文提出了一种基于特征变换的建筑物信息提取方法。以陕西省延安市宝塔地区为研究区,基于快鸟数据采取特征变换、波段选择、数据融合等解决高空间分辨率原始光谱特征利用有限等问题,采用知识规则的面向对象分类方法进行建筑物识别研究。实验表明,缨帽变换波段能有效地突出建筑物信息,4种融合算法中主成分变换融合适用进一步面向对象分类,建筑物识别的总体精度达到89.3%。此方法能有效识别沿坡脚或滑坡体分散分布的建筑物,为快速获取居民空间分布信息和辅助灾害应急评估等提供参考。     

特征筛选方法在高分辨率遥感影像建筑物提取中的应用

城市建筑物信息的自动提取是城市遥感的关键技术之一,由于阴影、下垫面等多因素干扰,建筑物信息提取精度往往不稳定。本文以Pleiades卫星影像为数据源,通过改进Relief F特征筛选方法,探讨建筑物信息提取精度提高的可行性。首先构建高分辨率遥感影像建筑物基础特征空间,然后利用改进型Relief F算法分析特征对象的权重并筛选出最优特征,最后用监督分类、无特征筛选分类和基于改进型Relief F特征筛选等3种方法分别提取研究区建筑物信息,并结合实地调查数据进行精度验证。结果表明,基于改进型Relief F特征筛选的分类方法提取精度能够达到91.34%,较其他两种方法提取精度分别提高了34.31%和5.62%,且运算速度快,自动识别效率高。     

国产单极化SAR数据在锰渣尾矿库自动化识别中的应用

为了挖掘国产单极化SAR数据在自动化识别尾矿库中的作用,辅助光学数据以提高锰渣尾矿库的识别精度,针对锰渣尾矿库及其在光学遥感图像中容易混淆的目标,从定性的角度分析了二者的散射特性以及在SAR图像中的差异特点;并开展锰渣尾矿库自动化识别研究;利用面向对象的方法对光学遥感图像进行分割;选取典型锰渣尾矿库及其易混淆目标,进行纹理特性计算。实验结果表明:可以通过纹理特征有效地建立锰渣尾矿库在雷达图像中的识别规则,为实现光学遥感数据和雷达数据相结合的计算机自动识别锰渣尾矿库提供基础。     

基于纹理的高寒地区人为扰动地表信息提取

高寒地区气候寒冷、生态环境脆弱。近年来,频繁的人类工程活动严重破坏地表植被,加剧了高寒地区的土壤侵蚀。为有效监管生产建设活动,遏制人为新增土壤侵蚀,开展及时、准确的监测分析迫在眉睫,探索符合高寒区域的人为扰动地表信息提取方法十分必要。目前仅靠单波段灰度图像纹理特征提取地表信息存在信息量不足等明显缺陷,改进的彩色图像灰度共生矩阵方法(Color gray-level co-occurrence matrix,简称CGLCM),可为人为扰动地表识别提供更为精确的纹理特征信息。本文以西藏自治区墨竹工卡县甲玛区为研究区,基于CGLCM提取出纹理特征并结合植被指数(NDVI)数据与光谱数据,运用面向对象分类方法实现人为扰动地表信息提取。结果表明,CGLCM方法相较于NDVI方法精度提高了5.12%,达到90.88%;Kappa系数提高了0.07,为0.87,结合纹理特征对影像分类可有效提高分类精度。据此,本文基于纹理特征的扰动地表信息提取方法为高寒地区提供了可靠的人为扰动信息提取途径,实现了基于遥感技术的高寒地区扰动地表信息快速自动监测。     

利用高光谱遥感影像纹理滤波的城市居民地识别

高光谱影像具有丰富的光谱和空间结构信息,传统的基于光谱特征的分割方法易使分割区域过于细碎,从而降低了居民地信息提取的精度。尝试将纹理信息引入到特征空间,以提高信息识别、提取的精度。纹理信息采用多尺度3D-Gabor滤波器对经过特征选择后的高光谱影像进行滤波,进一步计算纹理能量和纹理特征,然后利用多特征聚类实现图像的初步分割,最终通过形态学方法获取影像中的居民地信息。实验表明,基于3D-Gabor滤波的方法能有效地识别、提取高光谱影像中的居民地信息。     

基于WorldView-3的城市下垫面信息提取

采用长春市WorldView-3高分辨率遥感影像数据,利用面向对象方法建立多尺度网络层,同时基于不同地物的光谱、几何特征构建了eCognition中的分类规则集,提取了城市下垫面用地信息。最后通过混淆矩阵对分类结果进行精度评价,得到较好的分类效果。本次研究初步解决了阴影归类和建筑与硬质地面区分等问题,提高了城市下垫面信息提取精度。     

Sentinel-2影像多特征优选的黄河三角洲湿地信息提取

以北方典型河口湿地—黄河三角洲湿地为研究区,采用在特征选择和分类提取等方面具有明显优势的随机森林算法,对研究区内的湿地信息进行提取。首先基于多时相、光谱信息丰富的Sentinel-2数据生成4类不同的特征变量,包括光谱特征、植被指数和水体指数、红边指数、纹理特征;再根据以上特征构建6种不同的提取方案,对黄河三角洲湿地信息进行提取并验证不同方案的提取精度,旨在选择最佳方案改善湿地信息提取的效果。结果表明:(1)有效地使用多种特征变量是提高湿地信息提取的关键,就不同特征对湿地信息提取的贡献率而言,红边指数植被指数和水体指数光谱特征纹理特征;(2)基于随机森林算法优选的特征变量提取效果最佳,总体精度高达90.93%,Kappa系数为0.90,表明随机森林算法可以有效地进行特征选择,在特征变量数据挖掘的同时,仍能保证湿地信息提取的精度,提高运行效率。本研究为湿地信息提取在数据源选择、特征选择和方法选择方面提供了一种新思路、方法和技术手段。     

极化分解后多纹理特征的建筑物损毁评估

准确地获知灾区的建筑物损毁程度能为抗震救灾和灾后重建提供决策依据。利用震后极化合成孔径雷达(SAR)数据,该文提出了一种综合利用极化分解后多纹理特征的震后建筑物损毁评估方法。首先,用Pauli分解的π/4偶次散射分量剔除非建筑区;其次,用Pauli分解的π/4偶次散射分量的方差特征、对比度特征和Pauli分解的奇次散射分量的对比度特征识别倒塌建筑物,并分别基于区块计算建筑物损毁指数;最后,综合3个纹理特征完成建筑物的损毁评估。采用玉树震后RADARSAT-2数据和东日本大地震后ALOS-1数据的实验验证了所提方法对建筑物损毁评估的有效性,该方法对玉树城区和日本石卷城区的重度、中度和轻度损毁建筑评估的总体精度分别为74.39%和80.26%。与其他方法的对比实验表明,该方法能减少取向角的影响,对存留有少数与方位向平行的完好建筑物的倒塌区、大取向角的完好建筑区的评估更为准确。     

随机森林协同Sentinel-1/2的东营市不透水层信息提取

不透水层是表征人类活动的重要指标,及时精确的不透水层信息对区域生态环境保护有重要意义。以山东省东营市为研究区,探索了一种基于多源Sentinel-1/2影像和随机森林的不透水层提取方法。通过对比实验发现,随机森林结合地表反射率特征、纹理特征和后向散射系数能够降低暗不透水层和亮不透水层与裸土的混淆现象,可以有效改善不透水层的估算精度(总体精度达到93.37%,Kappa系数达到0.925 8)。研究结果揭示了随机森林协同Sentinel-1和Sentinel-2数据在不透水层信息提取方面有着广泛的应用前景,为融合多源数据对黄河三角洲区域遥感监测提供了参考。     

一种融合多源特征的建筑物三维模型重建方法

以激光点云数据和倾斜多视影像为研究对象，提出了一种结合机载点云、地面点云及倾斜多视纹理的融合多源特征的建筑物三维模型重建方法。该方法结合点云面元以及影像边界特征，利用倾斜影像的线特征对顶面及立面模型进行边界规则约束，实现了面元自动拓扑重建；通过交互编辑完成不同复杂程度的建筑模型重建，并对模型进行纹理映射。实验结果表明，该方法能够有效提升城市建筑物三维模型重建的效率和边界精度，为利用多源数据的空地联合建筑物三维精细重建提供了一套切实可行的解决方案。     

植被信息的Landsat8卫星影像提取方法

传统植被信息提取的信息源多以TM/ETM+等影像为主,在如何应用Landsat8影像提取高精度的植被信息方面研究较匮乏。针对上述问题,该文应用大理市Landsat8影像开展了植被信息提取方法研究。研究过程中通过对原始波段组合法、主成分分量组合法、衍生波段组合法、直接解译法提取结果进行对比分析,确定最佳波段组合;之后将纹理信息作为最佳波段组合影像新的波段,与光谱信息一同分类,并对结果进行分析。研究结果表明,添加纹理能够在一定程度上提高植被信息提取的精度。     

多特征多尺度相结合的高分辨率遥感影像建筑物提取

在高分辨率遥感影像中,建筑物通常表现为多尺度形态,且存在同谱异物和同物异谱现象。因此,本文提出了一种综合利用光谱特征、形状特征和纹理特征,并结合多尺度分割的建筑物分级提取方法。该方法首先对遥感影像进行形态学建筑物指数（MBI）计算,而后对其特征影像进行阈值分割,并借助形状特征参数实现建筑物初提取;然后引入面向对象思想完成遥感影像多尺度分割,并利用纹理特征实现单一尺度的建筑物对象识别;最后借助多尺度融合思想完成建筑物后提取。利用本文方法对冲绳某地区影像进行了建筑物提取试验。试验结果表明,该方法的识别查准率和查全率在对象级和像素级两方面均取得较高精度。     

面向灾后水体遥感信息提取的知识决策树构建及应用

灾害发生以后,悬浮物质、波浪和水深等"同物异谱"会导致水体信息提取不完整,而阴影、沥青路面、浓密植被等"异物同谱"也会降低水体信息提取精度。针对此问题,提出一种特征知识引导的灾后水体信息提取方法。首先,分析水体遥感图像特征(光谱特征、几何特征、纹理特征、空间关系特征),构建灾后水体信息提取知识决策树;其次,对遥感图像进行面向对象分割,获取对象基元,并计算特征参数;然后,在知识决策树的支持下提取灾后水体信息;最后,对水体信息提取结果进行后处理,以去除噪声和填充孔洞。选取"5·12汶川地震"遥感图像开展验证实验,结果表明,水体信息提取结果位置准确,边界清晰,生产者精度和用户精度分别为0.85和0.94,该方法能够有效提取复杂背景下的灾后水体信息。     

日光温室的纹理特征分层提取

针对高分辨率影像上日光温室的信息提取问题,该文提出了利用支持向量机、最近邻算法结合纹理特征在不同层上分别提取连片日光温室和独栋日光温室的方法。实验表明:纹理特征能提高分类精度,在大尺度的层上,分类精度提升幅度较大,但在小尺度的层上,分类精度提升幅度会比较小;并不是参与运算特征数越多,分类精度越高,多数情况下光谱+纹理组合的分类精度最高;提取连片日光温室的最优方案是支持向量机和光谱+形状+纹理(7像素×7像素),总精度为92.86%,Kappa系数为0.90,而提取独栋日光温室最优方案为SVM和光谱+纹理(11像素×11像素),总精度为88.39%,Kappa系数为0.86。     

基于目标分解及纹理信息的全极化SAR影像分类

全极化SAR影像含有丰富的特征信息,针对单一特征用于分类难以达到满意精度的问题,提出一种基于不同目标分解方法及纹理信息的SVM(Support Vector Machine,SVM)全极化SAR影像监督分类方法。结果表明,Cloude分解和Yamaguchi分解在极化特征信息提取时各有优势,且都优于Freeman分解效果;Cloude分解和Yamaguchi分解结合作为极化特征信息时,分类总体精度相对较高;纹理信息与极化特征信息在表现地物特性方面具有互补性,结合纹理信息后,分类总体精度提高了4.92%,为90.86%,Kappa系数为0.8754。     

基于多源高分卫星影像的果棉套种信息提取

棉花与果树间作在新疆多地区普遍存在,了解套种情况有利于查明果棉产量以及与常规棉田产量结构差异。为此,提出了一种综合使用多源高分遥感数据的果棉间作信息提取方法。首先,在优化分割尺度基础上分析Quick Bird卫星数据的光谱、形状和纹理特征并建立规则集;其次,使用面向对象的分类方法逐步剔除非农田信息形成地块专题图,基于专题图选择最佳纹理特征提取果树分布并以地块为单位统计套种比例;最后,依据棉花物候特征对高分一号数据多时相分类得到棉花种植信息,结合套种比例结果,统计果棉套种面积及程度。精度检验结果表明:该文提出的方法与传统抽样调查法相比能够为大量地块信息的采集节省人工成本和时间,果棉信息提取精度为89.16%,可以在统计调查工作中用于新疆果棉套种的自动化提取。