基于无人机遥感和面向对象法的简单地物分类研究

近年来,全国各地进行了大范围的土地利用调查,随着无人机遥感技术越来越成熟,无人机影像分析技术已深入应用到土地利用调查中,其中最多的用途是地物分类。本文选择昭通市昭阳区某乡镇区域为研究区,对采集到的无人机影像进行预处理,生成对应的正射影像;基于多种可见光植被指数,计算每3种指数合并得到影像的OIF指数,确定最佳波段组合;采用基于规则和基于样本两种面向对象分类方法,提取房屋、道路、植被等简单地物及背景。分析结果:两种方法的提取精度均达到90%以上,基于规则的面向对象分类方法精度较高,但耗时较长;基于样本的面向对象方法耗时较短,精度相对较低。两种方法相结合的全自动分类提取是下一步研究的目标。     

一种自适应道路提取方法

对自适应道路提取方法进行研究,使用道路矢量线作为先验知识进行自适应区域扩充。与人工提取和易康自动提取结果进行比较,矢量参与的自适应道路提取方法精度较高,接近于人工解译的结果。当输入道路网矢量数据时,无需输入参数、无需人工干预,即可自适应地提取道路网面状矢量,算法的鲁棒性较好,无论是公路、城市道路还是乡村道路均有较好的适应性。     

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%。     

利用模板匹配和BSnake算法准自动提取遥感影像面状道路

针对已有的遥感影像面状道路提取策略在自动化程度、效率及精度方面的不足,提出了一种新的快速有效的准自动提取方法。遥感影像上各种面状道路的提取实验证明了算法的有效性,在自动化程度、速度和精度上均有明显成效。     

基于无人机遥感的湖南金童山保护区滑坡监测

以湖南金童山国家级自然保护区内某条山区公路为例,利用无人机飞行获取高分辨率影像与高精度数字地形模型,使用基于面向对象的方法对滑坡信息进行提取,对无人机数据进行多尺度分割与光谱差异分割,选取了研究区内植被、道路、滑坡三类感兴趣地物的影像特征建立了规则集,充分利用了影像对象的光谱特征、几何特征、地形特征、空间关系,使用了阈值分类,隶属度函数与决策树分类方法.利用实地验证与基于无人机影像的目视解译对提取结果进行了精度评价,总体提取精度为94.75％,滑坡提取精度超过80％.该研究为快速监测山区内滑坡信息提供了借鉴.     

无人机遥感在高山峡谷区崩塌地质调查中的应用

为了近距离调查高山峡谷地区崩塌地质灾害的发育情况,并快速提取灾害基本信息,利用无人机遥感对地形条件相当复杂的贵州大方县法启村火车站东侧崩塌群进行了详细的地质调查,探讨了在高山峡谷区利用地质灾害无人机遥感获取高分辨率影像的关键技术方法控制;并利用影像数据处理系统软件构建了DEM和DSM模型,通过中误差精度模型得到调查区模型陡倾坡面、缓倾坡面的平面精度分别为(0.125 m,0.170 m)、(0.052 m,0.043 m),高程精度分别为0.043 m和0.019 m,可直接提取地形地貌、地层岩性、块体运动轨迹等基本特征,作为地质灾害调查与勘查设计的基础资料,为地质灾害精准治理提供科学依据。     

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。     

面向地理国情监测的道路信息半自动提取

针对目前高分辨率遥感影像道路和道路网的提取在自动化程度、效率以及精度方面的不足,结合常态化地理国情监测,提出了一种模板匹配与自适应相结合的半自动道路网提取方法。首先通过模板匹配进行初步提取,再通过人机交互精细化道路初步提取结果,最后使用自适应优化方法对提取的道路边界进行优化,得到与影像套合较好的路网半自动提取结果。     

基于面向对象的高分辨率影像专题信息提取

利用面向对象的分类方法对高分辨率影像上的水体、植被、建筑物以及道路进行了自动提取;对自动提取结果进行了精度评价:水体和植被的用户精度在90%以上,建筑物和道路中心线的用户精度在70%以上;并分析了影响信息提取精度的因素。     

无人机在大比例尺DOM生产中的应用

无人机凭借自身的优势,已成为普通航空摄影测量及卫星遥感获取信息的重要补充手段。利用PixelGrid影像快速处理系统,基于无人机影像的特点,提出可行的无人机影像处理方法与流程,并用某测区的实测数据进行试验。试验结果表明,无人机影像的空三加密精度与后续自动生成的DOM精度均可达到1：5000比例尺的精度要求。     

基于模板卷积匹配的无人机遥感影像中用户感觉兴趣区域识别方法

遥感影像可用于城市土地规划、地质灾害勘察、监测环境污染等,其应用范围极广,为更加准确地从遥感影像内获取信息,提出基于模板卷积匹配的无人机遥感影像中用户感觉兴趣区域识别方法。该方法利用无人机搭载遥感影像摄像头采集目标区域遥感影像后,使用暗通道假设法还原无人机遥感影像色彩,再通过判断无人机遥感影像几何特征和灰度特征,获得用户感觉兴趣区域,并生成无人机遥感影像用户感觉兴趣区域模板图像;将该模板图像作为输入,利用卷积神经网络输出无人机遥感影像中用户感觉兴趣区域识别结果。实验结果表明：该方法具备较好的无人机遥感影像色彩还原能力,可有效提取遥感影像中用户感觉兴趣区域,且识别遥感影像中用户感觉兴趣区域精度较高。     

基于遥感影像的地块边界半自动提取

针对遥感影像图中地块的提取,提出了一种基于高斯模型的地块边界的半自动提取方法。以无人机影像为实验数据,首先利用影像分割得到包含要提取地块的窗口影像;然后利用高斯模型对地块进行提取,该算法解决了传统图割算法抗噪能力差的问题。随后,运用数学形态学对分割的结果做进一步处理;最后利用边界提取函数对地块边界进行提取并对边界进行拟合。实验结果证明,本文算法不仅提取地块精度较高,而且适当的减轻了工作人员的工作强度。     

低空UAV激光点云和序列影像的自动配准方法

提出了一种低空无人机(unmanned aerial vehicle,UAV)序列影像与激光点云自动配准的方法。首先分别基于多标记点过程与局部显著区域检测对激光点云和序列影像的建筑物顶部轮廓进行提取,并依据反投影临近性匹配提取的顶面特征。然后利用匹配的建筑物角点对,线性解算序列影像外方位元素,再使用建筑物边线对的共面条件进行条件平差获得优化解。最后,为消除错误提取与匹配特征对整体配准结果的影响,使用多视立体密集匹配点集与激光点集进行带相对运动阈值约束的ICP(迭代最临近点)计算,整体优化序列影像外方位元素解。试验结果表明本文方法能实现低空序列影像与激光点云像素级精度的自动配准,联合制作DOM精度满足现行无人机产品1∶500比例尺标准。     

基于分层分类法提取城市裸地信息

城市裸地通常面积较小且分散分布,其光谱特征与建筑用地相似,传统监督分类方法很难准确提取。采用分层分类思想,利用改进后的归一化水体指数和归一化植被指数分别提取水体、植被后并去除,再利用光谱特征分析实现建筑用地和裸地分离,最后提取出城市裸地。以武汉市主城区为研究区,选取Landsat7/ETM+和Landsat8/OLI影像,分层分类法裸地提取精度分别达到94.5%和96%,而作为对比实验的监督分类法裸地提取精度分别为89%和90%,可见,分层分类法可以较高的精度提取城市裸地信息。     

结合矢量引导的高分辨率遥感影像道路自动提取

从高分辨率遥感影像中提取道路信息具有重要的现实意义。针对现有影像分类方法无法直接获取高精度道路网信息及自动化程度低的问题,本文提出了一种基于OSM(OpenStreetMap)矢量路网辅助的道路提取方法,实现了对高分辨率遥感影像道路快速精确的自动提取。首先,采用灰度形态学的腐蚀、膨胀及开闭操作对遥感影像进行预处理;然后通过OSM路网提供的先验信息,对模糊C均值算法进行改进,并将输入的遥感影像粗分为3类;接着以粗分类结果作为分类特征,通过OSM矢量路网自动获取道路样本,使用支持向量机进行精分类,并采用粒子群优化算法选取最优分类参数;最后对分类结果进行形态学后处理,得到精确的道路网信息。利用两组Google Earth影像进行试验,结果表明,本文算法在道路网提取精度上要优于对比算法。     

无人机航测技术在森林蓄积量估测中的应用

无人机（UAV）航测技术是近年来发展起来的快速获取高分辨率影像的测绘新技术。森林蓄积量估算需要快速高效地获取森林遥感影像。虽然利用卫星和机载雷达同样可获取高分辨率遥感影像,但无人机航测技术与其相比具有飞行成本低、外业周期短、机动灵活等优点。本文利用无人机航测系统获取了案例地区DSM和DEM,采用最大邻域法提取了树高,采用分水岭算法分割了树冠信息,并以树高和冠幅作为解释变量的立木材积二元模型估算了森林蓄积量。结果表明,树高提取精度为83.73%,冠幅提取精度为86.98%,林分蓄积量估算精度为81.80%。     

无证矿山图斑信息的自动提取方法研究

为了自动快速提取无证矿山图斑信息,首先利用面向对象的技术对遥感影像进行分类,获取包括植被、水体、道路、居民地及裸地等分类成果图;然后通过图像差值变化检测方法对变化图斑进行提取,得到面向对象分类的二值图。在此基础上,叠加已有的矿权资料,获得疑似无证矿山图斑信息。最后通过目视判读和野外验证的方法对提取的疑似无证矿山图斑进行筛选,最终确认无证矿山图斑。从本文的研究结果来看,结合变化检测的面向对象分类方法对目标图斑的提取具有一定的可行性.     

基于知识的水体信息提取研究

随着遥感技术的不断发展,使用遥感手段自动提取地表水体信息已成为全球信息提取研究方面的热点,其研究具有重要的现实意义。本文利用基于知识的遥感信息提取方法对地貌复杂的ETM遥感影像进行水体信息提取:首先,对其进行几何校正和目视解译,进行光谱特征分析和纹理分析;然后,利用光谱间关系和NDWI法,在ERDAS和ENVI软件的支持下,将基于各种知识形成的判决规则进行概念化描述,构建数据模型,对遥感影像进行自动分类,并取得了较好的分类结果。经精度评价,分类总精度为98.05%,Kappa系数为0.808 2,证明该方法具有可行性。同时,灵活地运用纹理特征等专家知识可以有效地弥补单纯使用光谱特征进行自动分类的不足,提高分类的精度。     

面向对象的矿山地表要素信息提取方法研究

矿山地表要素提取,可为矿山的合理开发利用、尾矿的管理、土地复垦、生态修复提供数据支撑,具有重要的实践意义。本文以湘西花垣县某铅锌矿区IKONOS影像为数据源,使用4种融合方法:Brovey变换、主成分(PCA)变换、Gram-Schmidt Pan变换、缨帽(KT)变换,对全色影像及多光谱波段进行融合,发现与原始影像相比,KT变换融合影像的光谱信息、空间信息保持得最好。基于ENVI中面向对象分层分类的方法,提取研究区内的典型地物,主要包括植被、裸地、道路、建筑物、矿石堆、尾矿库及蓄水池,并进行识别精度评价,总体精度达86.12%,Kappa系数为0.834 7。结果表明,面向对象分层分类的方法能有效地应用于复杂铅锌矿区的地物提取。     

面向复杂坡面地形航摄的无人机优视航摄面提取算法研究

针对自然坡面、人工边坡及滑坡、崩塌地带等复杂坡面地形研究提取一种与复杂坡面地形相适应的无人机优视航摄面,用来解决无人机影像数据采集过程中分辨率不均及采集精度不均的问题。文中通过研究坡面DEM的地细节化处理方法、简化模型顶点聚类、基于法矢约束的样点采样算法以及空间平面处理算法,实现了优视航摄优视面的计算提取。