一种基于多特征及BP神经网络的高分辨率遥感影像道路提取方法

高分辨率遥感影像的道路提取能够广泛应用于自动驾驶及地图导航的研究,现有道路自动提取方法精度较低。随着人工智能技术的发展,人工神经网络算法得到推广,将其应用于高分辨率遥感影像的道路提取也在探索研究之中。提出一种基于图像分割及神经网络的高分辨率遥感影像道路提取方法,以减少大量的人工预处理工作,提高道路识别提取效率。针对传统方法用于复杂影像分析的参数难以确定的问题,首先采用影像分割技术获得影像对象,然后对影像对象进行纹理特征、形状特征、光谱特征的计算,并使用BP神经网络进行训练,形成分类模型。基于得到的分类模型进行道路的自动提取,在仿真实验中获得了较好的精度,识别准确率达到87.6%。     

高空间分辨率遥感影像的信息自动提取技术分析

随着信息技术和传感器技术的飞速发展,卫星遥感影像分辨率有了很大提高,quickbird最高分辩率达到0.61m,ikonos为1m,spot-5为2.5m,遥感影像数据处理的重要性也日益显现。遥感影像数据处理的主要内容就是对遥感数据(主要是高分辨率遥感影像数据)进行自动(半自动)图像处理分析,从而获取人们需要的信息。本文从遥感影像处理的最基本方法影像增强说起,经过影像分割,最后介绍了一些目标识别与提取的高级算法,基于知识发现、符号知识的逻辑推理等方法,说明了高分辨率卫星遥感影像对人为活动、对环境的影响成为可能。     

快鸟影像的应用研究

随着空间技术的发展,遥感图像的分辨率越来越高。其重要性日渐显露。遥感图像处理的发展目标之一就是实现自动的识别及目标信息的自动提取。利用高分辨率的卫星(如快鸟卫星)影像识别地面目标是急需的,本文仅以遥感影像的水体提取为例。     

基于支持向量机的多特征融合影像云检测

遥感影像广泛应用于大气校正、土地覆盖分类和目标识别,但云的存在妨碍影像解译工作和后续利用。本文提出基于支持向量机(SVM)的多特征融合方法进行云识别,该方法基于不同地物之间的光谱、纹理和其他特征之间的差异,以资源三号卫星影像为实验数据进行实验。结果显示:该方法整体准确率大于90%,误检率小于5%,检测精度高、稳定性好且有较高的扩展性。     

基于几何信息增强的乡村道路自动提取方法

随着无人机及卫星影像技术的发展,乡村道路的自动提取对于大面积土地利用调查工作具有重要意义,能够显著加快调查的效率,减少测绘人员的工作量。然而,乡村遥感影像中存在较多的不可渗透面及裸地,这为自动提取道路带来了同谱异物的干扰现象。基于面向对象地物提取方法的基本原理,利用乡村道路的分割对象具有显著几何特征(长宽比、紧致度等)的特点,对其他不可渗透面及裸地进行有效区分,从而提高乡村道路自动提取的精度。通过南京市江宁区某乡村的无人机影像进行提取实验,本文方法具有较好的识别精度,准确率为92.8%,具有较好的实用性。     

基于ERMapper软件的QuickBird卫星影像处理实践

采用卫星遥感方法制作的数字正射影像是获取基础空间信息最快速、高效的手段，利用高精度卫星遥感成图，处理速度快、工艺简便、图像清晰，而且精度达到成图要求。本文介绍了以高分辨率的QuickBird卫星影像为研究对象，利用ERMapper图像处理系统进行图像的几何校正、全色与多光谱数据融合方法与过程。     

基于注意力增强全卷积神经网络的高分卫星影像建筑物提取

从卫星遥感影像中自动提取建筑物在国民经济社会发展中具有广泛的应用价值,由于卫星遥感影像存在地物遮挡、光照、背景环境等因素的影响,传统方法难以实现高精度建筑物提取。采用一种基于注意力增强的特征金字塔神经网络方法(FPN-SENet),利用多源高分辨率卫星影像和矢量成果数据快速构建大规模的像素级建筑物数据集(SCRS数据集),实现多源卫星影像的建筑物自动提取,并与常用的全卷积神经网络进行对比。研究结果表明:SCRS数据集的提取精度接近国际领先的卫星影像开源数据集,且假彩色数据精度高于真彩色数据; FPN-SENet的建筑物提取精度优于其他常用的全卷积神经网络;采用交叉熵和dice系数之和为损失函数能够提升建筑物提取精度,最好的分类模型在测试数据上的分类总体精度为95.2%,Kappa系数为79.0%,F1分值和IoU分别达到了81.7%和69.1%。该研究可为高分辨率卫星影像建筑物自动提取提供参考。     

改进注意力机制的遥感地貌识别算法

对遥感地貌进行识别，近年来一直是遥感图像应用领域的研究热点。使用深度学习算法识别遥感影像具有比传统方法更高的准确率和稳健性。针对遥感影像中目标复杂度高、特征信息多等问题，本文提出了一种基于改进注意力机制的遥感图像识别算法，即将并联注意力机制（CS）和神经网络模型相结合，借助弱监督学习来辅助训练。同时采用双损失函数来缓解数据过拟合问题。试验结果表明，本文模型总精度为98.35%，Kappa系数达0.95，优于其他深度学习算法，能有效地识别出自然地貌。     

基于GXL软件的卫星影像纠正处理技术方法探析

随着高分辨率卫星影像数据源和数据量的增多,如何高质量、快速地完成卫星影像快速正射纠正,更好地为后续生产和影像解译服务,满足各行业需求,是影响卫星影像应用的重要因素。本文总结近年来全国卫星遥感影像正射纠正处理经验,并结合卫星影像数据特征和参考资料情况,提出了以GXL-PCI软件为平台,基于参考影像的方式进行卫星遥感影像快速正射纠正和质量检查,完成全国范围内年度一版的卫星影像数据正射纠正处理工作,并证明了卫星影像与参考影像准确配准的准确率在99%以上,并可以通过检查控制点个数的方法对问题影像进行准确定位,同时,对于初始定位精度较差的卫星影像,提出了RPC模型重建方法进行正射纠正,精度满足同等要求。     

基于卷积神经网络模型Faster R-CNN的遥感影像目标识别研究

目标识别是遥感高分辨率影像时代的重要应用方向。采用深度卷积神经网络对遥感影像学习训练,能够从遥感影像中自动提取出多个具有代表性的典型地物特征以及特征组合,并应用于多变而复杂的遥感影像数据中进行目标分类识别。本研究选用NWPU VHR-10数据应用于Faster R-CNN卷积神经网络模型中,并采用MAP进行评价,研究中得到了较好的检测精度,证明在遥感影像数据中采用深度卷积神经网络进行目标识别有着广阔的应用前景。     

联合像元-深度-对象特征的遥感图像城市变化检测

特征空间的构建和优化对遥感图像识别能力的提高具有重要作用。针对面向对象方法对波段光谱信息利用不足,以及像元识别法无法充分利用图像空间几何等信息的问题,本文建立了新颖的联合像素级和对象级特征的航摄遥感图像城市变化检测方法。首先,充分利用像素级和对象级特征的优势,建立考虑光谱、指数、纹理、几何、表面高度及神经网络深度特征的特征空间;然后,引入LightGBM(light gradient boosting machine)算法对大量特征进行选择研究;最后,采用随机森林识别器对宜兴市2012年和2015年两期遥感图像进行识别,利用变化矩阵进行城市的变化检测。结果表明:联合像元、深度、对象特征和LightGBM特征选择算法的识别效果最好,平均的总体识别精度达到了88.50%,Kappa系数达到0.86,比基于像元、深度或对象特征的识别方法分别提高了10.50%、15.00%和4.00%;城市变化检测精度达到了87.50%。因此,本文方法是利用甚高分辨率航摄遥感图像进行城市变化的检测的有效方法。     

资源三号测绘卫星自动云检测

光学卫星遥感影像自动云检测是卫星产品生产系统的一个重要环节。利用资源三号卫星编目生成的浏览图,采用树状判别结构进行云检测,对浏览图进行分块,提取子块图像的特征进行云地分类。由于云类和地物类过于繁杂,且浏览图的分辨率较低,传统通过图像特征对云地进行分类的算法有很大的局限性,针对这一问题,本文提出了在分类之前对原始的子块图像进行增强处理,扩大云和地物的纹理差异,然后以二阶矩、一阶差分等作为云地分类的图像特征,并在多尺度空间内进行特征延拓,经过综合分析估计云在影像中的比例。该云检测算法应用于资源三号卫星应用系统工程,实际测试结果表明,该算法能够较好地提升云量检测的准确率。     

一种高分辨率卫星影像自动云检测方法

针对多数已有的卫星影像云检测方法利用云独特的光谱特征、构造指数图像进行云识别的方法,对传感器、环境参数、云层类型等比较敏感的问题,提出了一种改进HIS模型的高分辨率卫星影像自动云检测方法,以有效弥补传统纹理分析方法计算精度低、效率低下的问题.采用两景国产高分二号遥感影像进行试验.结果 表明,该方法错误率低于5％、查全率高于92％、查准率高于95％.     

基于星载点云数据的城市土地利用变化监测自动提取技术

星载合成孔径雷达遥感不受气候条件的限制,能够满足光学影像数据缺失时期对城市土地利用变化短、频、快监测的需要,本文基于COSMO-SkyMed 3米分辨率数据,土地利用变化监测自动提取的方法,并且使用对应时相的光学影像数据进行人工采集三类变化图斑,对点云数据自动提取结果进行空间分析验证,得出雷达点云自动识别占比71.82%,特别是非建设用地到推填土类型覆盖度识别度相对较高,达到85.7%,此方法填补了卫星影像数据获取短板,可在一定程度上满足我省国土资源"短、频、快"监测数据补充的需求。     

基于高分辨率Quick Bird影像的数字正射影像图的制作

与线划图相比,遥感影像正射图有很多线划图无法比拟的优点,因此它在城市规划、土地管理、铁路、公路选线等方面有着特殊的应用。以某市Qu ick B ird遥感数据为例,介绍了从原始卫星影像图的收集到在ERDAS遥感图像处理软件中进行遥感影像正射图制作的方法和步骤。描述了正射影像图制作中的融合、纠正等的流程及原理。实践证明遥感卫星数据时效性好、覆盖范围大、成本相对低廉。因此利用商业化的遥感图像处理软件直接对遥感卫星图像产品进行正射纠正,继而制作系列正射影像图,是一条效果良好的技术路线。     

结合像元级和目标级的高分辨率遥感影像建筑物变化检测

快速、精准的建筑物变化检测对城市规划建设等业务管理具有重要意义。随着卫星遥感技术的快速发展,基于高分辨率遥感影像的建筑物变化检测得到了广泛关注。针对像元级建筑物变化检测方法往往精度不足而目标级建筑物变化检测方法过程烦琐等问题,本文提出结合像元级和目标级的高分辨率遥感影像建筑物变化检测方法。首先综合高分辨率遥感影像的多维特征,利用随机森林分类器进行影像集分类,以获取像元级建筑物变化检测结果;然后对后时相遥感影像进行图像分割,获得影像对象;最后融合像元级建筑物变化检测结果和影像对象,识别变化的建筑物目标。利用双时相QuickBird高分辨率遥感影像进行建筑物变化检测试验,结果表明：本文提出的方法能够削弱光照、观测角度等环境差异对建筑物变化检测的影响,显著改善建筑物变化的检测精度。     

高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

基于HJ-1卫星的桥梁信息提取方法研究

结合国产环境一号卫星遥感影像数据包含的多光谱和形态学特征信息,提出了一种有效提取该卫星遥感影像桥梁信息的方法。主要包括以下步骤：①图像预处理;②主成分分析;③图像区域分割;④数学形态学处理。利用该卫星数据进行的桥梁信息提取试验表明,该方法能快速、有效地提取影像中的桥梁信息,在交通行业中具有一定的应用价值。     

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。     

基于多源遥感影像融合的影像匹配技术

多源遥感影像数据配准,常用的方法是多项式纠正法。此方法简单,但不能有效实现图像之间的相互配准。本文介绍了一种基于影像匹配的图像对图像局部纠正技术,包括影像直方图匹配、特征点提取、影像匹配处理技术,以及图像对图像局部纠正等技术,用于多源数据的配准。实验证明这种流程适合不同时相、不同传感器遥感数据(TM数据、SPOT数据与航空影像数据)的精确配准,配准误差可达到子像元级别。