基于超像素的高分辨率影像建筑物提取

建筑物提取对于基础地理数据获取与更新具有重要意义。针对传统的基于像元方法难以利用影像空间、上下文信息以及面向对象方法最优分割尺度难以确定等问题,该文提出一种基于超像素的高分辨率影像建筑物提取方法。首先利用LiDAR点云数据生成归一化高程模型以获取地物的高度特征,并通过Layerstacking方式与高分辨率影像融合;随后基于Simple Linear Iterative Clustering(SLIC)算法分割高分辨率影像的RGB彩色图像生成超像素;继而基于分割所得的超像素中的每个像元对超像素进行特征计算;最后使用基于RBF核的支持向量机方法进行超像素级别分类,得到建筑物提取结果。实验结果表明,该方法能够有效识别出简单场景和复杂场景下的建筑物,显著消除了传统基于像元方法出现的"椒盐效应",同时避免了面向对象方法中最佳分割尺度选择的难题,取得了较好的建筑物提取效果。     

面向高分辨率遥感影像分类的多尺度光谱-空间-语义特征融合

在核函数集成SVM分类框架下,提出一种融合多尺度光谱-空间-语义特征的高分辨率遥感影像分类方法。首先,以多尺度影像分割集为基础,利用潜狄利克雷分配模型对分割图斑的语义特征进行建模,并结合原始影像的光谱特征以及分割图斑内的空间均值特征,在不同分割尺度下分别开展光谱-空间-语义特征的多核函数融合分类;然后根据多数投票法原则在决策级集成多尺度分类结果,通过最小尺度下的分割影像实现像素级分类结果至面向对象分类结果的转化。不同场景和分辨率数据下开展的实验结果表明,该分类方法能够实现分类结果的自适应平滑分类,并在一定程度上提高建筑物和道路等"同谱异物"地物的区分能力,分类总体精度由基于光谱特征SVM的66.7%和63.7%提升至86.8%和87.2%。     

基于多尺度融合的高分辨率影像城市用地分类

基于面向对象的信息提取技术,针对高空间分辨率遥感影像进行城市用地分类。首先针对不同城市地物,选择适宜的提取尺度;然后探讨不同城市地物类型提取的适宜特征,充分利用光谱、空间结构、上下文关系、纹理等信息描述地物;最后融合不同地物多尺度下的提取结果。以北京市部分地区QuickBird影像为例,实现城市用地类型的自动分类,结果表明:该方法应用于城市用地分类的精度高达86.74%,为高空间分辨率遥感影像城市用地分类研究提供了新思路。     

结合多尺度纹理的高分辨率遥感影像决策树分类

地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述地物并有效解决光谱数据分类中存在的地物破碎问题,其分类精度为81.7%,kap-pa系数为0.78;与光谱数据分类和结合单尺度纹理数据分类结果比较,分类精度分别提高了11.2%和6%,该方法有助于提高高分辨率影像的分类精度。     

面向对象解译方法在遥感影像地物分类中的应用

针对高分辨率遥感影像快速高效萃取有用信息这一遥感技术应用的热点问题,探讨了基于面向对象(Object-oriented)解译方法的遥感影像自动及半自动解译和提取的新思路.文中分析了面向对象解译方法在地物信息分类应用中的优势,并提出了基于此方法的高分辨率遥感影像多尺度信息提取技术流程.具体结合广州市新白云机场开发区IKONOS高分辨率遥感数据进行地物快速提取、自动分类的试验,并对解译效果进行了评估分析,证明此方法在高分辨率遥感影像地物分类中确实高效可行.     

基于指数计算的多层次遥感信息提取模型

指数计算是描述地物波谱特征简单而有效的方法.但单纯依靠指数方法进行遥感专题信息提取,错分、漏分现象严重.该文提出一种"全域一局部"的遥感信息提取思路:对整幅图像进行全域分割、全域分类,实现目标地物与背景地物的初始分离;在目标地物周围建立一定尺度的缓冲区,作为局部分割一局部分类的作用区域,并在局部作用域内选择不同的阈值,通过迭代过程实现目标地物与背景信息的最优分离.选取鄱阳湖地区Landsat 7/ETM+影像,应用该方法进行水体提取试验,精度达95.751%,优于常规的最大似然法.     

城市植被尺度鉴别与分类研究

城市地物具有多尺度分布特点,尺度鉴别与确定是分类的前提。提出改进的面积相对差指标,根据城市植被的分布状态确定最优分割尺度。采用面向对象方法,利用对象的光谱和空间信息对高空间分辨率影像进行植被分类。与基于像元的传统光谱分类方法和单尺度分类结果比较,最优分割尺度的鉴别和面向对象的分类方法分类精度较高,6种城市植被的分类总精度达85.5%,Kappa系数为0.83;同时有效抑制了光谱数据分类中存在的地物破碎问题。     

典型地物特征提取的适宜尺度选择

遥感图像的尺度与图像所表达的信息有着密切的关系,但是在使用遥感图像进行研究和应用的过程中,使用尺度和图像尺度之间存在一定的矛盾,现有尺度的遥感图像不一定能满足应用的要求。为了解决使用尺度与图像现有尺度之间的矛盾,采用基于分维数的尺度转换方法得到以原始图像为基础的大于或小于原尺度的图像,在形成的连续变化的系列图像上提取两种典型地物样本,分别用地物单元周长(P)、面积(S)、面状地物形状系数(F)、斑块分维数(D)这4个表征地物形态特征的因子在各尺度图像上进行对比分析,发现随着遥感图像栅格尺寸的增大,典型地物样本灰度值的灰阶不断减少,形状复杂度不断降低,地物边界钝化,内部纹理结构简单化、粗糙化。综合分析以上现象,提出利用形状综合指数(Q)来计算适宜表达典型地物形状特征尺度的方法。实验结果表明:尺度为30 m图像时是表达水体样本1、居民地样本1、居民地样本2形状的适宜尺度,图像尺度为90 m时,是表达水体样本2形状特征的适宜尺度;通过典型地物形状综合指数成功的计算出典型地物形状的适宜尺度,为表达复杂地物的适宜尺度奠定了基础,并且该方法简单易行,具有一定的实用价值。     

一种高效快速建立地物三维模型的方法——以大疆无人机和Pix4D软件实现

探寻能满足需要并低成本高效快速构建地物三维逼真场景的方法是当前研究的一个热点。利用低价大疆无人机获取地表、地物影像与价格适中的Pix4D软件结合来快速构建地物三维模型是一种方法。该方法虽采用传统以摄影获取地表数据的方式,但手段和手续方便简单,数据采集工作效率高;影像数据处理用Pix4D软件基于点云数据三维建模,有操作方便、高效快速、自动化程度高等特点。用不同的实验建模方案、数据与建模参数,对最终建成的模型和结果有影响,经对结果进行精度评价,表明该方法能满足要求,可行、可用。     

变窗口纹理在SPOT5影像土地覆盖分类中的应用研究

纹理作为有效的空间信息,在遥感信息提取中有着广泛的应用,其中纹理窗口的选择对分类精度影响较大,而且遥感影像中不同地物类型具有多尺度特性,利用单一窗口纹理信息进行分类不能使得各地物类型同时达到较高精度.该文采用SPOT5影像对研究区进行长序列窗口纹理分类实验,并提出变窗口纹理分类方法,实验区分类实验及精度对比表明:长序列窗口纹理分类实验中,7×7窗口分类精度最高,但在这一窗口下建设用地、耕地、裸地等地类的精度仍低于总体精度;而采用基于长序列窗口纹理分类后验概率的变窗口纹理分类方法,总精度达到86.17％,Kappa系数达到0.8230,与7×7窗口分类精度相比各地物类型的生产者精度与用户精度都有进一步提高,验证了变窗口纹理分类方法的可行性.