一种稀疏降噪自编码神经网络影像变化检测方法

采用粤西2018—2019年优于0.5 m地理国情监测影像,结合2018年矢量化地表覆盖分类成果,使用稀疏降噪自编码神经网络深度学习方法,首先选取BJ、GF、ZY等各类高分辨率遥感影像训练生成多传感器训练模型;其次利用PCA主成分分析提取样本数据最大特征,实现样本数据白化降维;最后采用tanh函数作为神经元激活函数,选...     

地理国情普查外业调查技术要求

地理国情外业调查是地理国情普查工作十分重要的工作内容,是保证地理国情普查数据质量的关键环节。外业调查是对采集的地理国情要素和解译的地表覆盖分类成果以及内业无法定性的类型、边界和属性进行实地调查,同时采集遥感影像样本数据,为最终形成地理国情要素数据、地表覆盖分类数据成果和遥感影像解译样本数据库提供基础。     

基于地理国情的深度学习分类容错性研究

地理国情监测获取的地表覆盖分类成果具有覆盖区域全、精细度高、时相新等优势,具有作为深度学习分类模型训练样本的能力和优势,能够大大减少样本获取的成本.但是,受数据源、时相以及采集标准等因素的影响,直接使用地表覆盖数据作为样本,往往与模型训练采用的影像存在一定的误差.研究采用深度学习语义分割算法,比较了人工标注样本以及不同...     

一种基于二叉决策树的植被分类方法研究

植被覆盖是国家开展的地理国情普查工作的重要组成部分。文章以高分辨率遥感影像为基础,完成影像预处理工作后,获取影像的光谱特征、归一化植被指数与纹理特征,由三种特征共同组成待分类影像,通过人工交互为每种植被选取样本,利用二叉决策树方法创建植被的分类规则,从而完成自动分类。将分类结果与地理国情普查的地表覆盖成果相互验证,同时对比实验表明分类实验总分类精度与Kappa系数均高于最大似然法的分类精度与Kappa系数,证明获取的二叉树的有效性。后续可利用二叉树快速更新,更新结果作为地理国情更新参考数据。     

面向对象标准最邻近分类法在地理国情监测中的应用

地理国情监测项目范围大,遥感影像分辨率高,信息提取精度要求高,人工解译任务繁重,急需利用自动解译技术来提高效率。面向对象的标准最邻近分类法可针对地表覆盖信息实现数据的自动快速提取,相比于人工分类方法所提取的结果,该方法具有较高的精度,并且可大幅度提高地理国情监测地表覆盖信息提取的生产效率。     

基于卷积神经网络模型Faster R-CNN的遥感影像目标识别研究

目标识别是遥感高分辨率影像时代的重要应用方向。采用深度卷积神经网络对遥感影像学习训练,能够从遥感影像中自动提取出多个具有代表性的典型地物特征以及特征组合,并应用于多变而复杂的遥感影像数据中进行目标分类识别。本研究选用NWPU VHR-10数据应用于Faster R-CNN卷积神经网络模型中,并采用MAP进行评价,研究中得到了较好的检测精度,证明在遥感影像数据中采用深度卷积神经网络进行目标识别有着广阔的应用前景。     

基于深度学习理论的无人机影像分类

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。     

基于解译知识库的地表覆盖自动解译研究及实现

高分辨率遥感影像具有丰富的空间结构信息和地理特征信息,因而被广泛地应用于地表覆盖信息提取工作中。针对高分辨率遥感影像解译中存在的目视解译效率低、自动解译分类精度有待提高、重复构建解译规则易造成劳动冗余等问题,本文提出了基于解译知识库的面向对象自动解译方法,并在此基础上开发了自动解译软件系统,通过解译知识的分类存储和用户的按需调用,实现影像解译的流程化、高效化。以四川省地理国情地表覆盖解译工作为例,表明应用该方法能够显著提高解译效率,解译结果具有一定的可靠性。     

面向地理国情监测的地表覆盖信息提取方法

开展地理国情监测工作的目的是为了获取自然与人类社会经济活动引起的地表变化信息,实现地理国情信息对政府、企业和公众的服务。地表覆盖是描述地理国情信息的重要方法,能够真实反映土地表面物质类型及其自然属性,地理国情内容体系初步方案中,已将其列为重要内容之一。本文针对地理国情关注的地表覆盖内容,研究与分析了信息提取方法与关键技术,评估了计算机自动分类方法在信息提取中的适用性,综合分析了各种提取方法的最大利用效能,提出一种基于高分辨率遥感影像、适用于工程化应用的地表覆盖信息提取方案,为地理国情监测提供方法参考。     

高分辨率遥感影像深度迁移可变形卷积的场景分类法

近年来基于深度卷积神经网络的高分辨率遥感影像场景分类成为广泛关注的焦点.由于现有深度卷积神经网络对遥感场景影像的几何形变不具有稳健性,本文提出了一种基于深度迁移可变形卷积神经网络(DTDCNN)的场景分类方法.该方法先利用大型自然场景数据集ImageNet上训练的深度模型提取遥感影像的深度特征,然后引入可变形卷积层,进一步学习对遥感场景的几何形变具有稳健性的深度特征.结果表明:增加可变形卷积后,DTDCNN在AID、UC-Merced和NWPU-RESISC45数据集上的精度分别提高了4.25％、1.9％ 和4.83％.该方法通过对场景中不同目标进行感受野自适应调整,增强了空间采样位置能力,有效提高了遥感场景分类的精度.     

影像变化检测技术辅助的地表覆盖分类成果质量检查技术研究

针对地理国情监测项目地表覆盖分类成果的分类精度检查特殊性,提出了一套基于高分辨率遥感影像变化检测技术辅助成果质量检查的技术路线,并结合工程实践开展了成果检查试验,试验结果表明:该技术路线能有效检查出成果中存在的漏更新、误更新等典型问题,有效提高检查的效率与准确性,可为地理国情监测项目中地表覆盖分类成果质量控制提供技术参考。     

基于影像匹配的基础性地理国情监测遥感影像快速制作

随着各地第一次全国地理国情普查的陆续完成,地理国情监测与更新已进入常态化。遥感影像作为基础性地理国情监测的主要数据源,具有数据量大、范围广、影像类型多等特点,基于影像匹配等技术,使用PixelGrid-GEO光学卫星影像数据处理系统,可快速批量地制作遥感卫星影像,为基础性地理国情监测的顺利展开奠定了基础。     

地理模拟优化系统(GeoSOS)及其在地理国情分析中的应用

第一次全国地理国情普查工作已基本完成,需要对所获取的地理国情监测数据进行空间统计分析,以得到地理国情的时空分布模式、演变规律及发展趋势,形成地理国情信息和知识。地理国情监测生成的基础数据源,可用于土地资源集约利用、城乡及城市群协调发展、生态环境保护等问题的空间智能决策分析,但目前有效的模拟分析工具还比较缺乏。笔者提出的地理模拟优化系统(GeoSOS)理论框架,耦合了地理过程模拟预测和空间优化,为上述研究提供了有利的理论支持和实用工具。为进一步方便与GIS进行无缝的链接,本文提出了基于ArcGIS插件的GeoSOS以方便进行高效的地理模拟分析。并以快速城市化地区的城市扩张与生态保护研究为例,通过在地理国情信息分析中的应用,得到了一些重要的发现。模拟结果显示,按照现在的发展趋势,广东省优化开发区域在2020年其土地开发强度将超出规定的约束指标,并发现各区域均存在大量城乡建设用地占用生态保护压力等级高和较高地块的现象,而基于土地开发强度和生态保护双重约束的城镇化扩张能够在满足约束指标的同时获得更紧凑的景观格局。表明GeoSOS及其ArcGIS插件可以成为地理国情信息分析的有利工具,并给出了今后需解决的问题和发展方向。     

地理市情监测研究

地理国情监测已经成为测绘与地理信息发展的重要工作,必将对测绘行业产生深远的影响。介绍了地理国情监测的基本概念;从全面普查、动态监测、统计分析、定期发布4个方面论述了地理国情监测的主要任务;并从城镇化发展、经济社会发展、交通基础设施、自然生态环境4个方面阐述了地理市情监测的主要内容,提出了地理市情监测的框架体系。     

城市韧性时空变化监测方法分析

基于地理国情市情普查监测成果数据，采用时空变化监测分析方法，从地理空间层面对城市韧性进行评估，为韧性城市的建设提供技术和数据支撑。首先，研究了多源异构时空地理数据大融合，建立了城市空间韧性数据库；然后，综合运用GIS技术、DSM差分技术、遥感影像识别等先进技术，从空间维度和时间维度进行了城市基础韧性研究；最后，以城市高危仓储分布和监测方法为例，进行了城市韧性专项监测研究。综上，本文所述方法将大幅度提升地理信息数据服务韧性城市建设的能力。     

地理国情监测在城市化发展中的应用研究——以汕头市为例

开展地理国情监测工作的目的是为了获取自然与人类社会经济活动引起的地表变化信息,为政府、企业和公众提供地理国情信息服务。城市化发展、变迁是地理国情监测的重要应用方面之一,本文以广东省汕头市为例,基于遥感技术（ RS）,利用多时相影像数据提取不同时期建成区变化信息,并有针对性地对比分析,直观反映了汕头市三十多年的城市化发展的特点和进展情况。     

结合IR-MAD与均值漂移算法的密集城区遥感影像变化检测

不同时相遥感影像变化检测已成为土地利用变更调查、城市扩张分析、自然灾害分析及其他环境问题必不可少的技术手段之一。本文提出了一种结合IR-MAD与均值漂移算法的密集城区遥感影像变化检测方法。该方法通过伪不变特征法完成两期影像的相对辐射校正，有效改善影像间的配准误差，并利用IR-MAD算法对校正后的影像进行迭代运算，采用均值漂移算法对迭代后的影像进行分割，同时运用形态学方法处理分割后的影像，最终提取变化图斑。试验结果表明，该方法可以有效检测出变化区域，可应用于城市地表覆盖的变化检测。     

基础性地理国情监测成果质量分析方法的研究

以2017年和2018年湖北省基础性地理国情监测成果验收工作中形成的包含了地表覆盖与国情要素错误的"监测成果错误数据集"为研究对象,利用Python和ArcPy对数据进行要素提取、整合,对基础性地理国情监测成果中的地表覆盖分类数据成果和地理国情要素数据成果质量现状进行了深入研究,评价了成果总体质量变化趋势,为对持续性地理国情监测工作进行有效质量控制提出了一个新思路。     

基于GIS和地统计学的地理国情监测成果制图应用研究

在全国范围开展的地理国情监测是对国家基础地理信息的动态更新,对监测数据的科学分析及成果展示有利于提升数据的使用价值。本文论述了利用GIS空间分析功能和地统计学原理,对国情监测数据的变化信息进行综合制图,为地理国情监测专项成果的可视化表达提供了新的方法。     

北京市城市扩展空间格局变化监测与分析

本文基于地理国情监测数据，结合同期城市经济、人口等统计数据，利用高分辨率卫星遥感影像数据提取北京市建成区边界要素。采用地理国情与城市空间扩展相融合的监测分析模型及相关评价指标开展空间格局变化分析研究，揭示北京市2000—2017年间城市扩展的空间格局及其变化规律，并对其变化原因进行分析。其成果可为北京市科学规划与可持续发展提供决策依据。