多尺度纹理及多光谱影像协同的遥感岩性识别方法

岩性识别是遥感图像分类的难点,也是遥感地质应用的难点和热点。从遥感地质应用的实际需求出发,以西昆仑地区侏罗纪沉积岩地层为例,通过尺度转换提取高分遥感图像的多尺度纹理信息,采用波段叠加的方式协同多尺度纹理信息与ASTER影像多光谱信息进行岩性识别方法研究。利用WorldView-2全色数据进行向上尺度转换,形成空间分辨率分别为0.5,2,5,10,15,30m6种尺度图像数据,基于灰度共生矩阵提取各尺度上的纹理信息;将不同尺度的纹理信息分别与ASTER多光谱数据叠加形成协同数据;采用监督分类方法对研究区协同数据进行岩性分类。结果表明:(1)岩性纹理信息对空间尺度表现出依赖性,纹理信息量及含义随空间尺度不同而变化;(2)每套特定岩层因其独特的几何空间结构特征(厚度、产状、夹层、互层等)都有与之相适应的最佳纹理尺度,且该最佳尺度下纹理与光谱的协同效应最大;(3)纹理信息与多光谱数据形成的协同数据能有效提高岩性分类的精度,分类精度提高的程度与纹理计算的尺度相关。研究区岩性分类结果显示当纹理尺度为10m时,与仅基于ASTER纯光谱分类结果相比,精度提高了约6.9%。     

用ASETR图像和地统计学纹理进行岩性分类

运用新获取的ASTER数据可以对岩性进行识别与分类：首先运用地统计学中的变差函数来计算分析几种选定的岩性单元的灰度值空间变化特征；运用ASTER数据的可见光一近红外波段、短波红外(SWIR)波段以及二者的组合进行岩性的分类，分析分类精度的变化。用变差函数作为纹理的计算函数来提取图像纹理，并与原始的光谱数据结合，进行岩性的分类。结果表明，与单纯的光谱分类相比，加入纹理信息可显著改善分类精度；用不同方向的滞后距离提取的图像纹理对图像的分类结果有一定的差异，尤其是对存在明显的各向异性的岩石单元。     

基于小波变换的遥感纹理信息提取

遥感纹理信息是地物空间特征的综合反映,综合纹理信息是进行专题信息提取获取的重要依据.遥感数据具有复杂性、统计性和随机性,同时,遥感图像中地学信息,如地质构造、蚀变信息及岩性分界等高频信息具有一定的方向性;小波变换具有"变焦性"、对称性、正则性等特点,可以较为快速地检测到奇变信号.利用小波变换可以快速、有效地提取遥感纹理高频奇变信息.     

基于GF-1影像多尺度-光谱差异分割的不同喀斯特地貌区土地利用信息提取

影像分割是高分辨率遥感影像信息提取的前提,遥感影像分割的精确程度直接影响遥感分类的精度。为提高喀斯特山区遥感影像信息提取的精度,采用多尺度-光谱差异分割对喀斯特山区高分辨率影像分割,通过标准最近邻分类法提取土地利用信息,对比了仅多尺度分割、多尺度-光谱差异分割两种分割方法下喀斯特山区土地利用信息提取的精度。结果表明:（1）多尺度-光谱差异分割能改善过分割和欠分割现象。（2）多尺度-光谱差异分割优于单一使用多尺度分割。（3）多尺度-光谱差异分割综合了影像的光谱、纹理、形状等特征,进而提高了喀斯特山区影像分割分类的精度。      

基于深度特征的双极化SAR遥感图像岩性自动分类

基于像元基元、极化合成孔径雷达（Synthetic Aperture Radar,SAR）数据和传统机器学习算法的岩性分类方法,易受SAR图像固有斑点噪声影响,精度不高.为了降低噪声的影响,本研究以大尺度像元邻域为基元,用于表征地表地质体的遥感图像特征和岩性语义信息;采用高分三号双极化SAR数据进行极化分解构建3通道假彩色合成影像;然后采用深度卷积神经网络（Deep Convolutional Neural Network,DCNN）迁移学习的方法,提取有效的深度特征表示,分别实现5 m和15 m两种空间分辨率下岩性遥感自动分类.结果表明:基于不同分辨率数据和不同DCNN算法,岩性遥感自动分类的总精度均大于80%,最高精度达到91%.基于大尺度像元邻域和DCNN迁移学习方法,能够实现基于SAR数据的高精度岩性分类.      

基于多尺度循环注意力网络的遥感影像场景分类方法

高分辨率遥感影像场景分类一直是遥感领域的研究热点.针对遥感场景对尺度的需求具有多样性的问题,提出了一种基于多尺度循环注意力网络的遥感影像场景分类方法.首先,通过Resnet50提取遥感影像多个尺度的特征,采用注意力机制得到影像不同尺度下的关注区域,对关注区域进行裁剪和缩放并输入到网络.然后,融合原始影像不同尺度的特征及其关注区域的影像特征,输入到全连接层完成分类预测.此分类方法在UC Merced Land-Use和NWPU-RESISC45公开数据集上进行了验证,平均分类精度较基础模型Resnet50分别提升了1.89%和2.70%.结果表明,多尺度循环注意力网络可以进一步提升遥感影像场景分类的精度.      

基于多源遥感数据的第四系覆盖物分类方法研究:以内蒙古旗杆甸子幅1∶5万填图试点为例

遥感图像分类技术对于荒漠草原浅覆盖区第四系覆盖物分类具有重要意义。以内蒙古旗杆甸子幅1∶5万填图试点为例,基于ASTER、GF-2等多源遥感数据,利用植被抑制法、波段比值法、主成分分析以及纹理信息提取等多种方法,充分考虑了多光谱数据的光谱信息和高分辨率数据的形状、空间结构、纹理信息等特征,结合面向对象分类法,对研究区第四系覆盖物进行了分类,并比较分析了不同分类方法的分类效果与精度。结果表明:将波段比值、主成分分析以及纹理分析多种特征作为辅助数据参与分类,其分类效果优于基于单一ASTER数据进行的分类;通过几种不同分类方法的比较分析,发现多特征面向对象分类的总体精度最高,达到85.40%,比多特征传统监督分类的总体精度提高了约11%,分类影像上地物边界清晰。该法分类技术可以为荒漠草原浅覆盖区的地质填图提供相关技术支持。     

遥感岩性识别研究的发展趋势--遥感与航空放射性信息集成

岩石的吸收光谱主要是由杂质、包体、蚀变及替代成分产生的,每种岩石都难以形成象它的组成成分那样具有可分辨的很清晰的光谱特征;不同类型的岩石放射性元素的含量和分布特征是不同的,岩石放射性信息是岩性识别研究的重要判据。遥感与航空放射性信息的集成．既能提取光谱图像中的光语信息和空间纹理信息。又可利用航空放射性信息常常具有的甚至是诊断性的岩性识别能谱标志。能明显提高识别岩性的精度,更重要的是能谱不受值被的影响,有利于识别植被覆盖区的岩性。因此,这可能是遥感岩性识别研究的发展趋势之一。     

多源遥感数据图谱协同岩石单元分类方法

岩石单元的结构、构造、差异风化和出露状况在遥感图像上综合表现为图形纹理特征即“图”标志，其矿物成分和组合则表现为光谱特征即“谱”标志.传统遥感岩石单元分类以利用其光谱特征为主，图形纹理特征为辅，因此分类精度有限.以新疆维吾尔自治区与甘肃省交界的北山西段为研究区，开展岩石单元图形指数和光谱指数协同分类方法研究.基于Worldview-2全色图像构建的图形指数，能够量化岩石单元的层理、构造、展布形态和微地貌等特征，包括0°和45°定向滤波图像及灰度共生矩阵计算出的同质性和异质性特征图像、熵特征图像；光谱指数基于Worldview-2多光谱图像和ASTER（Advanced Spaceborne Thermal Emission and Reflection Radiometer）短波红外波段图像利用比值、和-差方法构建.多源遥感图像构建的光谱指数其光谱波段涵盖可见光-近红外及短波红外，包括RI（Ratio index）_ASTER、SI（Spectral index）_ASTER、SI_Worldview-2.采用面向对象方法对建立的图谱指数进行多尺度分割，依据不同岩石单元出露规模建立适宜的分割尺度，利用光谱指数自动提取相应岩石信息，实现岩石单元自动分类.结果表明，实验区基于图谱协同方法共划分出17类岩石单元，总体精度达到83.62%，而单独利用Worldview-2和ASTER图像，仅划分出13类和14类岩石单元.提出的图谱协同岩石分类方法可为我国西部高海拔深切割无人区地质调查及找矿工作提供新思路和遥感技术支撑.      

宝鸡黄土区滑坡遥感调查中遥感数据尺度问题探讨

遥感数据的尺度效应决定了可识别内容与识别精度,同一区域内的遥感数据尺度不同,同样的遥感处理模型或者方法将得到不同的处理结果。以宝鸡黄土区滑坡遥感调查为基础,对不同遥感数据源的滑坡体的最小可识别面积、图斑面积精度测算、最佳及最大成图比例尺、遥感地质灾害解译对比性分析、滑坡遥感解译精度评价等等与遥感尺度有密切关系的问题进行了探讨。研究结果表明,在宝鸡黄土区,调查大、中型以上滑坡的信息,可以采用SPOT-5(2.5 m)融合图像数据,比例尺为1∶25000或1∶50000;调查中型、小型滑坡及较大滑坡体内部结构定量信息,可以采用Quick Bird(0.61 m)融合图像数据,比例尺为1∶5000。     

基于灰度共生矩阵的图像纹理特征地物分类应用

针对传统遥感影像分类方法的分类精度不高,在分析图像的光谱信息的基础上,对基于灰度共生矩阵的纹理特征在地物分类中的应用进行了研究.本研究利用原始图像进行主成分分析后的前两个主成分,经过编程运算,提取了基于灰度共生矩阵方法的不同测度的纹理特征,将提取的纹理特征作为新的波段,与原始波段进行组合,再对组合图像进行监督分类,探索...     

开采沉陷遥感监测中多维纹理特征影像分类方法

为提高采用遥感影像监测开采沉陷演化的准确性,探讨了基于多维纹理特征的影像分类方法。首先提取影像的多维纹理特征:局部方差、局部平均梯度、局部能量和局部信息熵,然后将其与地物光谱值一并作为人工免疫算法中样本的特征向量,利用免疫算法的选择、克隆、变异算子进行自学习得到全局最优聚类中心,从而提高影像分类精度。对淮南煤田进行开采沉陷遥感监测,结果表明,该方法分类总精度为88.26%,Kappa系数为0.853,优于传统的Parallelepiped和Maximum likelihood分类方法。      

Automatic identification of rocks in thin sections using texture analysis

This paper presents a test of the automatic identification of photomicrographs of rocks in thin sections using digital image processing and texture analysis. Three sets of textural measures derived respectively from the cooccurrence matrix, texture space, and texture spectrum have been used to identify six rock types (mylonite, diorite porphyry, diorite. gabbro, granite, and peridotite). Exploring only the texture characteristics of images, the average correct recognition rate reaches 89% for 58 photographs belonging to the six types. The results also show the importance of using those more discriminating texture features in the classification algorithm. For the present study, the average rate of correct classification ranges from 46% to 89% depending on the set of texture measures used. The features extracted from the texture spectrum have more discriminating performance than the conventionally used Haralick measures derived from the cooccurrence matrix.     

利用ERS-2 SAR图像纹理分析方法揭示长白山天池火山近代喷发物空间分布特征

简单介绍了SAR图像的纹理特征以及正交小波变换纹理提取方法。论述了SAR图像的纹理特征参与分类的重要性。以长白山天池火山为例,通过对ERS2SAR图像进行纹理分析,提取了SAR图像两个层次的尺度变化、时频局部化和方向性纹理特征。并将SAR纹理特征与TM图像及DEM进行复合,利用多源信息各自的优势,进行了BP神经元网络分类,从较大范围对长白山天池火山735±15aB.P.大喷发的喷发物空间分布进行评价。获取了长白山天池火山近代喷发物的空间分布及规模。这对长白山天池火山未来喷发危险性初步评价、火山地质制图及火山灾害预测有重要意义。     

面向对象的喀斯特地区石漠化遥感信息提取研究——以贵州省大方地区为例

针对现有基于像素的监督和非监督分类方法在地质环境复杂、地形起伏较大、阴影明显的喀斯特石漠化地区难以满足石漠化信息提取精度要求的问题,采用基于纹理特征数据和地形数据辅助面向对象方法进行喀斯特地区石漠化信息的提取。该方法首先依据石漠化分布在TM/ETM+影像面积大小不均匀的特征,利用纹理和地形因子计算最优分割参数进行多尺度分割;然后根据植被覆盖率、岩石裸露率以及坡度因子构建石漠化分级指标;最后参照石漠化分级标准、光谱信息以及纹理特征等建立的分类规则提取喀斯特地区石漠化信息。选取贵州省石漠化严重的大方县时序TM/ETM+影像进行石漠化信息提取试验,结果表明:与基于像素的监督分类和非监督分类方法相比,基于面向对象的分类可以有效地减少因复杂地形导致石漠化信息提取结果"椒盐化"现象,提取精度明显优于基于像素的监督分类和非监督分类方法。      

Mapping of settlements in high-resolution satellite imagery using high performance computing

Classifying urban land cover from high-resolution satellite imagery is challenging, and those challenges are compounded when the imagery databases are very large. Accurate land cover data is a crucial component of the population distribution modeling efforts of the Oak Ridge National Laboratory’s (ORNL) LandScan Program. Currently, LandScan Program imagery analysts manually interpret high-resolution (1–5 m) imagery to augment existing satellite-derived medium (30 m) and coarse (1 km) resolution land cover datasets. For LandScan, the high-resolution image archives that require interpretation are on the order of terabytes. The goal of this research is to automate human settlement mapping by utilizing ORNL’s high performance computing capabilities. Our algorithm employs gray-level and local edge-pattern co-occurrence matrices to generate texture and edge patterns. Areas of urban land cover correlate with statistical features derived from these texture and edge patterns. We have parallelized our algorithms for implementation on a 64-node system using a single instruction multiple data programming model (SIMD) with Message Passing Interface (MPI) as the communication mode. Our parallel-configured classifier performs 30–40 times faster than stand-alone alternatives. We have tested our system on IKONOS imagery. The early results are promising, pointing towards future large-scale classification of human settlements at high-resolution.     

A Preliminary Study of Classification Method on Lunar Topography and Landforms

Lunar topography and landform, resulting from endogenous and exogenous geophysical processes of various spatial and temporal scales, carry information of these processes and target properties. Geoscientists use morphometric analysis at different scales to study lunar topography, which is one of the four scientific objectives of China's lunar exploration project. This article first reviewed the lunar topographic types from different researchers, analyzed classifying method and progress, discussed geological mapping method of 1∶ 5 000 000 complied by United States Geological Survey in the 1970s. In consideration of the present situation of the lunar surface morphological characteristics, the pattern of macroscopic forcing, morphologic variation and combination characteristics and function way, etc., a matrix combining multi-stage classification method was put forward based on the characteristics of the topography and geologic age, which included 7 geologic ages and 14 morphologic classes. Geological ages can be divided into Copernican System (C), Copernican-Eartosthenian System (CE), Eartosthenian System (E), Eartosthenian-Imbrian System (EI), Imbrian System (I), Imbrian-PreImbrian System (IpI) and Pre-Imbrian System (pI). As to topographic types, the first class can be divided into lunar mare, lunar basin, lunar terra and lunar crater. As to their second class according to morphological differences, the lunar basin can be divided into basin plain and circum-basin, and lunar mare can be divided into mare plain and mare dome; lunar terra can be divided into terra plain, plateau and hill, and craters can be divided into main sequence crater, crater plain, secondary crater, crater chains and clusters, rayed craters, irregular crater and undivided crater. Thus, 46 subclasses including geologic and morphologic features were obtained in this classification system. The test mapping method was addressed in Sheet H010, which shows the combination classification method is reasonable.