面向基元的高空间分辨率矿区遥感影像土地利用分类

为了合理开发矿产资源和有效监测矿区生态环境,采用面向基元的分类方法,对广西横县某矿区的高分辨率航空遥感影像进行了土地利用分类.通过优化分形网络演化多尺度分割方法,高效提取了矿区两个尺度上的影像基元层;基于基元信息,详细分析了各地表地物光谱特征、空间特征以及类相关特征,建立了研究区土地利用的分类知识库;采用决策支持的模糊逻辑推理法进行分类,使分类的精度从53%提高到了90%.表明面向基元的方法能较好地利于高空间分辨率矿区影像的各种特征进行高精度的土地利用分类.      

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.      

利用面向对象分类技术进行地理要素快速更新的方法研究

该文以遥感影像为更新期数据,利用面向对象分类方法,在对象层次进行推理和分析;将更新完成要素作为先验知识,分层更新地理要素;对更新过程中基期地形图专题要素不变信息的利用,主要地理要素提取和更新方法进行了研究。结果表明,该方法兼顾地理要素快速更新的自动化与实用化,具有广阔的应用空间。     

引导滤波联合局部判别嵌入的高光谱影像分类

高光谱遥感影像分类是高光谱遥感影像处理和应用的重要组成部分。然而,高光谱遥感影像具有波段数量较多和空间分辨率较高等特点,给分类任务带来一定的挑战。为了提高分类精度,充分利用影像的空间信息和像素间的局部信息,提出一种引导滤波联合局部判别嵌入的高光谱影像分类方法。首先,对高光谱遥感影像进行归一化,利用主成分分析方法实现特征提取,将提取的第一主成分影像作为引导图像;其次,采用引导滤波分别提取各波段影像的空间特征;然后,将提取的空间影像特征进行叠加,通过局部Fisher判别分析完成低维嵌入;最后,将得到的低维嵌入特征输入支持向量机分类器得到分类结果。采用Indian Pines和Pavia University两幅高光谱影像进行实验的结果表明：在分别从各类地物中随机选取10%和100个样本作为训练样本的情况下,其总体分类精度分别提高到98.28%和99.45%;对比其他相关方法,该方法能够获取更高的分类精度。该方法在低维嵌入的同时,有效利用了影像的空间信息,改善了分类效果。     

西昆仑山崇测冰川区多源遥感影像的冰川信息提取方法研究

冰雪独有的性质与特性使得基于遥感影像对其进行信息提取成为可能,如何进行精准的冰雪信息提取是冰雪时空变化研究的关键和基本要求。利用多源遥感影像（TM、IRS-P5和SAR）对西昆仑山崇测冰川区的冰川进行信息提取,采用不同分类方法和数据融合方法,分别针对光学影像和微波影像进行处理,提取冰川信息并进行比较分析。结果表明：面向对象分类方法是最优的冰川信息提取方法;图像融合处理有助于提高冰川信息的提取精度,特别是多光谱和高分辨率图像融合后再分类,提取效果更为理想。     

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.      

基于多源遥感影像的长春市城市建成区提取

夜光遥感影像记录的城市灯光与人类活动密切相关,已广泛应用于城市信息提取。珞珈一号作为新一代夜光遥感数据源,比以往的夜光数据具有更高的空间分辨率和光谱分辨率,可以更清晰地表达城市建成区范围和内部结构。本文利用珞珈一号夜光遥感影像,通过人类居住指数（human settlement index, HSI）、植被覆盖和建筑共同校正的城市夜光指数（vegetation and build adjusted nighttime light urban index, VBANUI）及支持向量机（support vector machine, SVM）监督分类3种方法对长春市城市建成区进行提取,并与利用NPP/VIIRS（suomi national polar-orbiting partnership/visible infrared imaging radiometer suite）夜光遥感影像、采用同样方法得到的结果对比。结果显示：本文提出的VBANUI提高了传统植被覆盖校正的城市夜光指数（vegetation adjusted nighttime light urban index, VANUI）的提取精度,使用珞珈一号夜光遥感影像通过VBANUI提取的城市建成区结果最优,其Kappa系数为0.80,总体分类精度为90.74%;使用珞珈一号和NPP/VIIRS夜光遥感影像通过HSI按最佳阈值提取城市建成区的Kappa系数分别为0.75和0.72,总体分类精度分别为88.27%和86.54%;复合数据的SVM监督分类法中Landsat-NDBI、Landsat-NDBI-VIIRS、Landsat-NDBI-LJ和Landsat-NDBI-LJlog的Kappa系数分别为0.602、0.627、0.643和0.681,总体分类精度分别为81.11%、81.52%、82.25%和84.48%。研究结果表明：3种提取方法下,均为使用珞珈一号夜光遥感影像的结果优于使用NPP/VIIRS夜光遥感影像的结果,证明相比于NPP/VIIRS夜光遥感影像,珞珈一号夜光遥感影像更适用于城市尺度的建成区范围提取。     

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。      

基于TM影像的抚州地区土地利用/覆盖动态监测及分析

以1988年和2000年遥感影像为数据源，在ERDAS IMAGINE遥感图像处理软件的支持下，获取了抚州地区两期土地利用／覆盖结果分类图。在此过程中确定了抚州地区土地利用／覆盖分类体系和遥感影像解译标志。通过计算机自动分类和分类后人工解译纠错相结合的图像分类提取方案，提高了图像分类提取的效率和精度。动态监测结果表明，从1988～2000年，面积减少的地类为耕地和林地，面积增加的地类为园地、居民点及工矿用地、水域和未利用土地，并对其变化结果进行了分析。     

面向对象的喀斯特地区土地利用遥感分类信息提取

传统的面向像元分类方法虽然对光谱差异较为明显的遥感影像信息提取具有较好的效果,但会不可避免地产生“椒盐现象”,同时对纹理和形状信息不能充分应用,造成了大量信息损失。为了提高喀斯特地区土地利用遥感信息提取的精度,本文采用面向对象的分类方法,对贵州省毕节地区开展了土地利用遥感信息自动提取研究。首先对该地区Landsat-5 TM影像进行多尺度分割,形成影像对象层,然后综合应用基于知识决策树分类和基于样本的最邻近分类等技术对喀斯特地区进行遥感解译。结果表明,面向对象分类技术能较好地对喀斯特地区土地利用信息进行提取,同时避免了“椒盐现象”的产生,经野外采集样点数据验证,一级类分类精度为91.7 %,二级类分类精度为89.4 %,表明该方法在贵州省毕节地区应用效果良好。      

西昆仑塔什库尔干地区遥感找矿异常提取方法研究

以ETM图像数据为信息源，在西昆仑塔什库尔干地区进行了遥感找矿异常提取的方法研究，根据矿化蚀变的遥感影像特征，进行了基于光谱特征和纹理特征的矿化蚀变信息提取和分类方法的试验，选定了区内的最佳遥感异常圈定方法。针对区内与铜矿有关的主要蚀变类型分类进行了提取，分别赋色后叠加形成了遥感矿化蚀变异常图，并结合区域成矿地质特征进行了成矿远景区的划分，总结了遥感找矿异常提取的工作程序。     

基于边缘特征的遥感影像小波变换融合法

如何将不同空间分辨率遥感影像合理有效地融合在一起,保持原始多光谱影像的光谱特性,提高影像的分类精度和空间分解力,这是遥感影像数据融合处理的热点研究问题。在对原始遥感影像进行小波变换的基础上,提取高空间分辨率影像边缘特征信息,并与原始多光谱影像进行了融合处理。以IRS、SPOT和ETM卫星影像为资料进行实验,结果表明,该方法在提高影像的空间分辨率的同时,能够很好地保持影像的光谱特性,尤其在空间分辨率差异较大的影像融合中,该方法在保持影像光谱特性方面要优于其他的融合方法。     

基于面向对象分类的长乐城区绿地信息提取研究

以QuickBird卫星遥感影像为数据源,基于面向对象的分类法提取了长乐城区绿地信息.针对绿地的特点,选择合适的尺度、参数结合专题数据进行多尺度分割,建立影像对象的层次结构.通过构建各类绿地分类规则,应用模糊分类隶属度函数法进行信息提取,达到查清城市绿地的目的.研究表明该方法提取绿地信息速度快、精度高、成本低,可实现城市绿地信息精确获取与快速更新.     

基于面向对象分类的稀土开采区遥感信息提取方法研究

离子吸附型稀土矿是我国宝贵的矿产资源,运用遥感影像分类技术提取稀土开采区可以准确地实现对稀土开采状况的监测,但仅利用光谱信息往往难以保证分类精度。本文以江西寻乌稀土矿区为研究区,以IKONOS影像为数据源,应用面向对象分类方法提取了稀土开采区的遥感信息。针对稀土开采区的分布特点,选择基于边缘的分割算法进行影像分割;结合地形信息、光谱信息及几何信息建立规则集,进行特征提取;最后采用隶属度函数法实现面向对象分类,并与传统的光谱角填图分类进行对比分析。研究结果表明,面向对象分类法提取稀土开采区的总体精度为92.49%,Kappa系数为0.857 6,与传统监督分类方法相比有了很大的提高。     

基于深度信念网络的遥感影像识别与分类

高分辨率遥感影像具有高维、多尺度、非平稳的内部特性和海量、多源、异构的外部特征,具有丰富的空间信息。探讨了利用新兴的深度信念网络研究高分辨率遥感影像的智能提取与分类,通过大量实验对比分类精度、Kappa系数以及参数敏感度分析,提出了网络层数、隐含层神经元个数、迭代次数等参数的最优设置方案,相比传统的浅层网络分类器,改进后的深度信念网络更好地拟合了样本的内在结构,遥感图像分类精度达到92%左右,取得了很好的分类效果。     

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。      

卷积神经网络和视觉注意力语义分割模型在高分辨率遥感影像分类中的性能分析

随着深度学习语义分割的快速发展,基于计算机视觉语义分割模型的高分辨率遥感影像分类方法也大量涌现。为系统定量地研究经典的和先进的视觉语义分割模型在遥感影像分类中的性能,在总结深度学习语义分割进展的基础上,选择9种基于卷积神经网络(CNN)和视觉注意力的语义分割算法,对米级和厘米级2个尺度的遥感数据集进行分析研究。在模型构建上基于计算机视觉通用的语义分割框架,训练时采用红绿蓝3波段遥感图像并基于ImageNet预训练权重进行迁移学习训练。研究结果表明：通用的语义分割模型通过常规训练设置进行训练能取得较好的遥感影像分类效果,部分地物的交并比(IoU)可以达到90%以上;基于视觉注意力的遥感影像分类模型的精度普遍高于基于CNN的模型,且MaskFormer能更有效地提取离散的地物信息;不同类别的精度最高值并不全在总体最优模型中,部分会存在于次优模型中;类似的地物在更高分辨率遥感数据集中可以获得更高的精度。     

遥感影像专题图制作研究

遥感软件有强大的影像处理功能,地理信息软件有强大的矢量功能;由于遥感软件以国外进口软件为主,与国内常用的地理信息基础不适应。通过对遥感影像专题图的制作的研究,有效地解决了遥感软件和国产地理信息软件不匹配的问题,为各类遥感专题图制作提供了有效的技术方法。     

基于多时相遥感影像的丘陵山区水田地类的自动提取

为了从遥感影像上对丘陵山区的水田地类快速、准确的提取,以芜湖市南陵县为例,利用5月份的IRS-P6遥感影像和8月份TM遥感影像,分析水田和其背景地物的光谱特征,在ERDAS软件建立基于多源数据的提取模型,对TM影像中的水田地类进行自动提取。结果表明,该方法的总体提取效果较好,与人机交互解译相比,其精度达到92.7%。误判部分可以通过目视解译加以修正。     

基于多源、 多时相遥感影像的高原湖泊提取及其不确定性——以西藏羊卓雍错流域为例

基于野外实地考察, 以西藏中南部羊卓雍错流域为例, 探讨了基于多源、 多时相遥感影像的高原湖泊提取. 目前计算机辅助分类方法在高原湖泊提取上存在很大的局限性, 目视解译方法虽然繁琐, 但能结合丰富的经验信息, 故而成为当今高原湖泊提取的较为现实与可行的方法. 为此, 针对各季湖面特征的不同相态, 结合图像增强技术、 DEM等辅助信息和野外实地验证, 建立了高原湖泊不同时相的遥感解译标志. 根据1972-2009年Landsat、 CBERS和HJ-1A/1B等3种不同数据源的37幅遥感影像提取了流域内主要湖泊, 并分析了湖泊面积的年内与年际变化. 在此基础上, 讨论了高原湖泊提取过程的不确定性, 包括遥感影像甄选、 几何校正误差、 数字化容差和目视解译经验等给结果带来的不确定性. 结果表明: 引入高分辨率、 多源遥感影像以及不受天气状况影响的微波影像有助于高原湖泊变化监测能力与解译精度的提高; 而综合考虑地形信息、 湖泊不同时相特征, 适用于多种数据源的计算机自动解译算法研发, 将提高长时间序列高原湖泊提取的效率.