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。     

基于高分辨率遥感影像的面向对象水体提取方法研究

根据高分辨率遥感影像的特点,利用面向对象的方法对高分辨率遥感影像进行了水体提取.选取最优分割尺度和分割参数对试验区进行了分割;建立了对象知识库;选择合适的阈值参数进行了水体的提取和河流、湖泊的分类;把面向对象方法分类结果与传统方法分类结果进行了对比分析.试验表明,面向对象水体提取方法具有更高的精度,不仅有效地区分了水体和阴影,而且很大程度上抑制了"椒盐现象".     

高分一号汶川极震区滑坡提取研究

选择汶川地震极震区的高分一号卫星影像,通过面向对象的分析技术提取滑坡信息;采用多尺度分割算法,结合高分影像和滑坡特点将以往经验式参数选取方法进行优化,分析极震区滑坡的特征,选择合适的特征参数,构建分类规则,实现滑坡的识别与提取。滑坡灾害信息的提取结果采用野外实际调查的滑坡点进行精度评价,滑坡提取总精度为84%,表明利用高分一号高分辨率卫星数据可以较好地提取滑坡灾害信息,基本满足滑坡灾害识别的要求。     

面向对象的高分辨率影像土地利用信息提取

运用面向对象的分类方法对实验区高分辨率影像进行最优分割尺度的影像分割。首先利用ESP算法确定影像的最佳分割尺度,再运用CART决策树分类对土地利用信息进行提取,并对分类结果进行后处理,进一步提高分类精度。最终分类结果精度达到80.38%。     

面向对象的eCognition遥感影像分类识别技术应用

以位于印度尼西亚Kalimantan热带雨林地区的1幅具有3个通道的雷达图像为研究对象,利用面向对象方法对高分辨率遥感影像的水体进行提取,在分割的基础上,经过分层分类,充分利用影像的光谱信息、拓扑信息、形状特征等构建知识库进行分类,实验结果理想,相对传统基于像素的图像分类分析方法结果图斑完整,提高了分类精度。     

面向对象的天绘遥感影像分类

天绘一号是我国第一代传输型立体测绘卫星,主要用于科学研究、国土资源普查、地图测绘等领域的科学实验任务。以天绘影像为实验数据,利用面向对象的影像分割技术,通过选择合适的尺度参数对影像进行分割。结合SVM对得到的影像对象层进行分类实验。具体分析了SVM分类器核函数的选择以及参数的设置对分类精度的影响。最终分类实验结果的总体精度为90.857 1%,Kappa系数为0.858 1。将分类结果与传统基于像元的马氏距离分类法和最大似然值分类法的分类结果进行比较,总体精度分别提高了约29.29%、5.91%,Kappa系数分别提高了约0.35、0.06。实验结果表明,面向对象的SVM分类法不仅对影像分类的精度有大幅度的提高,同时,也很好地解决了传统基于像素分类法出现的"椒盐"现象,是一种很有优势的影像分类法。     

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。     

空谱协同多尺度顶点成分分析的高光谱影像端元提取EI北大核心CSCD

针对顶点成分分析方法无法实现复杂地表环境下的高光谱影像端元精确提取问题,提出了一种基于空谱协同多尺度顶点成分分析的端元提取方法,通过影像空谱特征融合和聚类分割,对不同分辨率空间尺度下的分割影像进行端元协同提取,并考虑噪声对影像端元提取精度的影响,提升端元提取的精度。首先,对影像进行预处理,采用低秩矩阵分解去除噪声。其次,对高光谱影像进行空谱多特征提取,利用多特征融合和K-means算法进行聚类分割,获取地物分布的空间异质性信息,提升后续端元提取的精度。然后,对高分辨率影像空间降采样,利用顶点成分分析方法对降采样后的低分辨率分割图像进行端元提取,并利用坐标映射寻找高分辨率影像中的相应端元,利用光谱角来判定是否为纯端元。最后,遍历上述方法至所有分割影像以获取最终的端元集合。使用模拟数据和真实的高分五号高光谱数据对提出的方法进行实验验证。实验结果表明,空谱协同多尺度顶点成分分析方法可提取高精度的纯净端元,且计算效率较高。     

面向对象的多源数据建筑物提取

建筑物是城市的重要标志之一,综合利用LiDAR数据和高分辨率遥感影像可以充分发挥不同数据源中提取建筑物的优势。本文基于面向对象分类理论,利用机载LiDAR数据和GeoEye高空间分辨率遥感影像,在多尺度分割的基础上对实验区分类并提取建筑物,进而对提取结果进行精度评价。实验表明,将LiDAR数据与高分辨率影像数据结合能够很好地提取建筑物,建筑物提取精度达89.28%。     

高分辨率影像分类的最优分割尺度计算

针对高分辨率遥感影像分类与信息提取中存在的难点,基于不同目标地物在高分辨率影像上具有对应最优分割尺度的基本思想,该文在分析现有最优分割尺度确定方法的基础上,提出了加权均值法结合最大面积的最优分割尺度的确定方法;利用该方法,进行了高分辨率影像分割实验,获取了对应典型地物的最优分割尺度数值范围,实现了典型地物的信息提取;并运用样本点检验的方法,计算并分析了分类的精度结果。结果表明:基于加权均值与最大面积相结合的最优分割尺度计算方法,应用于面向对象高分辨率影像信息的提取具有较为理想的精度。     

海岛礁卫星影像无地面控制点定位方法

针对海岛礁卫星影像的定位问题，提出一种利用航天飞机雷达地形测绘任务（shuttle radar topography mission，SRTM）DEM辅助的无地面控制点定位方法。该方法分为概略定位和精定位两个阶段，各阶段均包括DEM提取和DEM匹配等主要步骤，可分别对影像中的相对误差和绝对误差进行补偿。SRTM DEM被充分应用到方法各环节中，以发挥其高精度的特性:提取DEM时既用于剔除海域点，也用于确定求解陆域点高程时的高程搜索范围，从而避免海域影像的不利影响，同时保证计算效率；DEM匹配时其作为基准数据。利用多景天绘一号卫星海岛礁地区的立体影像进行验证。实验结果表明，所提出的方法对具有不同陆域比例、不同生产方式的天绘一号海岛礁影像均能得到较稳定且较高的定位精度，平面和高程精度分别优于6.2 m、5.2 m，能较好地满足1:50 000比例尺地形图的精度要求。定位精度基本不受待匹配DEM分辨率的影响，计算效率取决于陆域比例和待匹配DEM的分辨率。     

高分辨率遥感影像分割方法研究

在遥感应用分析中,遥感影像分割是低层影像处理和中高层影像分析和理解的桥梁,是实现遥感影像信息自动提取的关键步骤,具有重要的意义。随着大量高分辨率遥感影像的出现,传统基于像素的影像处理方法已不能适应高分辨率遥感影像。近年来,国内外研究者们提出了面向对象影像的分析方法,而面向对象影像分析方法的关键就是影像分割,影像分割精度直接影响着高分辨率遥感信息提取和目标识别的精度。首先给出一般图像分割方法的综述;然后分析和总结了当前主要的高分辨率遥感影像分割方法,着重阐述了均值漂移、分形网络进化、马尔科夫随机场等分割方法的特点和研究现状;最后,对高分辨率遥感应用分析中影像分割方法的发展趋势进行了讨论与展望。     

基于高分辨率遥感影像的农村聚落信息的提取

传统的房屋提取方法一般基于像素的提取，无法利用影像的空间信息。本文提出了一种面向对象的卫星影像房屋提取方法。利用影像对象的光谱特征、几何特征和空间关系建立知识库，利用知识库中的规则来提取影像中的房屋。     

基于波谱角分类法的沙化信息提取研究——以毛乌素沙地典型地区为例

以毛乌素沙地典型地区为例,以CBERS2、Landsat5 TM、SPOT5及 TM与SPOT5融合影像作为基本数据源,使用波谱角分类法对 该区流动沙地、半固定沙地、固定沙地和沙化耕地进行信息提取,探索和比较该方法针对不同传感器遥感影像的沙化信息提取精度 。对本研究区,不同传感器影像的沙化信息提取精度均在80%以上,其中融合影像的沙化信息提取精度最高为90.13%,SPOT5次之, 而CBERS2和TM对不同类型的沙化信息提取各有优势,但CBERS-2信息提取的精度要高于TM。这说明使用波谱角分类法提取的结果精 度与影像空间分辨率有正相关关系,即空间分辨率越高,沙化信息的提取精度也越高。     

“天绘一号”传输型摄影测量与遥感卫星

介绍了“天绘一号”卫星的总体方案、技术特点、研制历程和应用概况, 重点介绍了“天绘一号”卫星的技术特点和应用前景, 以便用户了解、熟悉“天绘一号”卫星, 更好使用其各种影像产品, 更好发挥卫星的应用效能。“天绘一号”卫星摄影定位与测图系统采用LMCCD(Line Matrix Charge Coupled Device)测绘体制, 由前视、正视和后视3台全色CCD相机, 3台星敏感器以及1台GPS接收机组成;其中正视相机焦平面上还设计有4个小面阵CCD器件, 用于提高摄影定位的高程精度。卫星摄影测量基高比为1。卫星通过一个高强度、高刚度和高稳定度的测绘光学平台, 将3台测绘相机、3台星敏感器和1台多光谱相机集成为一体, 满足了测绘任务对星敏感器与相机间几何角度关系的高精度及高稳定度要求。在轨测试结果表明, 卫星摄影定位精度优于任务指标要求, 可满足无地面控制点条件下测制全球1:50000比例尺地图要求。     

天绘一号卫星遥感影像的处理方法

针对国家1∶50000数据库动态更新工程DOM制作需求,研究了天绘一号卫星影像数据处理方法,实现了卫星影像融合、区域网平差、DOM自动生产以及二次纠正。采用该方法进行生产,能够快速得到海量的满足精度要求的DOM数据,为后续的外业DLG调绘提供底图。     

Automatic Road Extraction from High Resolution Satellite Image using Adaptive Global Thresholding and Morphological Operations

Road network extraction from high resolution satellite images is one of the most important aspects. In the present paper, research experimentation is carried out in order to extract the roads from the high resolution satellite image using image segmentation methods. The segmentation technique is implemented using adaptive global thresholding and morphological operations. Global thresholding segments the image to fix the boundaries. To compute the appropriate threshold values several problems are also analyzed, for instance, the illumination conditions, the different type of pavement material, the presence of objects such as vegetation, vehicles, buildings etc. Image segmentation is performed using morphological approach implemented through dilation of similar boundaries and erosion of dissimilar and irrelevant boundaries decided on the basis of pixel characteristics. The roads are clearly identifiable in the final processed image, which is obtained by superimposing the segmented image over the original enhanced image. The experimental results proved that proposed approach can be used in reliable way for automatic detection of roads from high resolution satellite image. The results can be used in automated map preparation, detection of network in trajectory planning for unmanned aerial vehicles. It also has wide applications in navigation, computer vision as a predictor-corrector algorithm for estimating the road position to simulate dynamic process of road extraction. Although an expert can label road pixels from a given satellite image but this operation is prone to errors. Therefore, an automated system is required to detect the road network in a high resolution satellite image in a robust manner.     

特征与错位拟合的CCD图像无缝拼接

针对“天绘一号”01、02星高分辨率相机品字形CCD机械结构的特点, 分析了引起高分辨率片间CCD图像错位的影响因素, 利用实验数据定量描述了片间CCD图像错位现象。提出了基于特征的图像重叠区域同名点自动提取和优化方法, 针对错位帧数据建立了错位拟合函数修正模型。预处理试验表明本文所述方法有效解决了高分辨率相机的图像错位问题, 实现了CCD图像的无缝拼接。     

基于卫星遥感的输油管廊沿线的地物识别研究

基于eCognition软件进行研究区域面向对象的信息提取,对研究区进行多尺度影像分割的实验,找到适合影像地物信息提取的尺度及参数、分类规则,并对研究区的影像数据进行验证,通过eCognition分类结果与传统分类和基于GBDT分类算法结果的对比,说明面向对象的特征提取算法更适用于几何信息和结构信息丰富的高分辨率图像.     

RapidEye卫星影像在1∶50000矿山开发遥感调查中的应用研究

在矿产资源开发多目标遥感调查与监测基础上,以红格钒钛磁铁矿—拉拉铜矿区RapidEye卫星影像为例,深入探讨了RapidEye卫星影像在1∶50 000矿山开发遥感调查中的可行性。从RapidEye图像的几何纠正精度、合成处理及遥感解译标志来看,RapidEye影像可以满足1∶50 000矿山开发遥感调查的需要,大大提高1∶50 000矿山开发遥感调查的实时性。