地物空间关系匹配的高分辨率遥感影像检索

从低层视觉特征与地物空间关系特征对影像内容进行描述,建立检索模板与目标影像间的相似性直方图表达,提出一种适用于高分辨率遥感影像检索的新方法。首先,利用Quin+树将大幅面原始遥感影像分解为一系列同尺寸的序列子块;然后,分别提取各子块的低层视觉特征与地物关系特征,并以子块为基元构建候选子块的特征直方图;最后,对比检索模板与候选子块间的特征直方图相似性,实现高分辨率遥感影像的检索。使用多幅多源高分辨率遥感影像进行实验,结果表明本文方法对耕地、水系、建筑物等地类的检索精度大都维持在0.8以上,且各项检索性能指标均优于已有的两种遥感图像检索算法。     

基于视觉词袋方法的不同分辨率的遥感影像检索

缩小语义鸿沟,是基于内容的遥感影像检索的必经之路,本文提出了一种基于多种底层特征的视觉词袋方法来进行不同分辨率的遥感影像的分类和检索。主要涉视觉词袋模型的构建以及该模型采用不同的底层特征描述对实验结果的影响。通过对不同分辨率的遥感影像进行基于不同底层特征组合的视觉词袋特征的提取,从而得到一系列分类检索实验结果。结果表明,基于底层特征组合的视觉词袋方法能有效地提高不同分辨率遥感影像的分类和检索效果。     

利用OpenStreetMap数据进行高空间分辨率遥感影像分类

针对高分辨率遥感影像分类样本标注困难的问题，提出了一种利用OpenStreetMap （OSM）数据自动获取标注样本的方法。与现有的利用OSM数据进行分类的方法不同，该方法加入了空间特征以弥补单独使用光谱特征分类的不足。首先，基于OSM数据提供的地物类别和位置信息进行样本标注，为了降低OSM数据中少量错误信息对分类结果的影响，采用聚类分析的方法对样本进行提纯；其次，使用形态学轮廓来提取影像的结构特征，挖掘高分辨率遥感影像丰富的空间信息，与光谱特征相叠加并输入分类器进行分类。试验证明，本文提出的方法能够有效避免人工样本标注所需要的人力物力；同时，联合影像的光谱空间特征能够更好地描述地物特性，得到较高的分类精度。     

一种高分辨率遥感影像汽车识别检测方法

地物的自动识别一直是遥感影像处理领域的研究热点,目前已经形成了一些比较成熟的地物识别方法,如面向对象、支持向量机和BP神经网络等方法,均可得到较好的识别效果,但大都存在算法效率低,精度差、自动程度不高,需要大量人工参与等问题。本文尝试将基于机器学习算法的目标自动识别标注技术应用于遥感影像信息提取,在利用worldview2全色影像数据进行汽车识别研究的基础上,提出了在Microsoft Visual C++平台下利用OpenCV函数库,提取样本图像Haar特征,并采用Adaboost算法训练分类器,在高分辨率遥感影像上进行汽车自动识别、提取的新方法,并总结归纳了技术方法流程及相关程序。     

基于T型模板的遥感影像道路提取方法

高分辨率遥感影像具有数据量大、波段少、地物细节纹理信息更加清晰、空间信息更加丰富等特点,因此基于高分辨率遥感影像的道路提取方法研究是当前一个研究热点.但高分辨率遥感影像提供了更丰富的地物目标细节的同时,也使得噪声信息随之增加,如道路上的车辆、道路线、邻近的行树及阴影、建筑物及阴影等,并且在光谱通道上道路与噪声之间存在更...     

基于瓦片技术的高分辨率遥感影像快速访问技术在测绘生产中的应用研究

随着地理信息和遥感技术的不断发展,高分辨率遥感影像的应用范围不断扩大,这对海量遥感影像的有效使用和管理提出了迫切需求。本文基于瓦片技术,对高分辨率遥感影像进行处理,实现了影像的快速访问。该技术已经应用到实际的测绘生产中,对提高生产效率和影像的统一管理具有重要意义。     

基于像素比对法的遥感监测应用现状

基于遥感影像像素比对的地物变化监测方法可分为直接比较法、基于数学变换和统计的方法、基于人工智能的方法和融合多种数据和方法的方法 4大类。基于像素比对法的遥感监测方法未来一段时间的发展方向为新方法的设计和应用、方法的融合、数据挖掘和融合、针对特殊地物的监测方法研究、高分辨率遥感影像地物监测方法探索等,对基于遥感影像地物监测方法的应用和研究具有一定参考的价值。     

基于深度学习的遥感影像地物目标检测和轮廓提取一体化模型

随着遥感影像的分辨率不断提升,基于可见光遥感影像地物目标检测和轮廓提取的研究越来越受到关注。基于深度学习的方法提出一个利用遥感影像进行地物目标检测和轮廓提取的一体化模型,旨在解决遥感影像地物目标检测和轮廓提取中繁复的手工标注和传统算法效果不佳的难题。以船舶为研究对象,在HRSC2016遥感数据集上进行验证,单类目标检测精度可以达到79.50%,4类目标检测精度为63.45%,轮廓提取精度可以达到97.40%。结果证明,提出的模型可以实现基于遥感影像的自动化、智能化的船舶目标轮廓提取。     

高分辨率海量遥感影像的读取与处理

高分辨率遥感影像的飞速发展,在带动了地形图更新周期不断缩短的同时,也使得遥感影像的数据量呈几何级数的递增,形成海量遥感影像数据。现对windows核心编程技术的研究,利用其内存映射文件原理解决海量遥感影像数据在计算机应用方面的瓶颈问题,并试图从编程的角度来实现大数据量的遥感影像的读取和处理。     

基于角点的高分辨率遥感影像建筑物提取

几何结构是高分辨率遥感影像中人工地物区别于其他地物目标的突出特征。针对高分辨率遥感影像中建筑物提取的问题,提出一种基于角点这一几何结构特征的建筑物自动提取方法。该方法无需事先标记训练数据,而是通过计算影像的建筑物指数来直接获取建筑物位置。首先利用基于模板的角点检测算子提取影像中的角点;其次综合角点的位置、角度和显著性等信息,利用空间投票的统计方法计算影像中每个像素属于建筑物的概率;最后经过阈值分割得到建筑物提取结果。实验采用了自主收集的影像分辨率为0.5 m的Spacenet65数据集进行测试。结果表明,提出的方法能够准确提取出高分辨率遥感影像中的不同类型的建筑物。