基于NDWI与改进型FCM相结合的高分一号影像水域信息提取方法研究

鉴于采用传统方法在提取高分辨率影像水域信息存在不足,本文以高分辨率国产卫星高分一号宽幅16 m空间分辨率多光谱影像为数据源,以浙江省钱塘江流域为研究区域,通过预先对影像进行NDWI处理,在此基础上利用改进FCM聚类算法实现了水域信息的自动提取,并与传统的NDWI和ISODATA分类方法提取结果进行比较。结果表明,该方法在分类效果和精度方面均优于传统分类方法,作为国产高分一号影像水域信息自动提取方法是可行的。     

基于SPOT5图像的泥石流自动提取方法

在前人研究基础上,提出了一种基于SPOT5图像和DEM数据自动提取泥石流的方法。首先利用归一化差值植被指数(NDVI)、归一化差值土壤亮度指数(NDSI)和图像经主成分变换得到的第一主成分(PC1)等3种遥感指数获取新的主成分变换图像,进而利用阈值自动选取算法提取包含泥石流的裸地信息;然后基于1∶10 000的DEM数据,利用改进的沟谷中心线提取算法提取沟谷中心线,并利用数学形态学滤波算法生成沟谷范围;最后将提取的疑似泥石流图斑与沟谷范围匹配,并对矢量化后的结果进行面积、坡度和顺坡性等筛选,得到泥石流或潜在泥石流信息。实验表明,本文构建的泥石流提取模型具有较高的提取精度和效率。     

结合矢量引导的高分辨率遥感影像道路自动提取

从高分辨率遥感影像中提取道路信息具有重要的现实意义。针对现有影像分类方法无法直接获取高精度道路网信息及自动化程度低的问题,本文提出了一种基于OSM(OpenStreetMap)矢量路网辅助的道路提取方法,实现了对高分辨率遥感影像道路快速精确的自动提取。首先,采用灰度形态学的腐蚀、膨胀及开闭操作对遥感影像进行预处理;然后通过OSM路网提供的先验信息,对模糊C均值算法进行改进,并将输入的遥感影像粗分为3类;接着以粗分类结果作为分类特征,通过OSM矢量路网自动获取道路样本,使用支持向量机进行精分类,并采用粒子群优化算法选取最优分类参数;最后对分类结果进行形态学后处理,得到精确的道路网信息。利用两组Google Earth影像进行试验,结果表明,本文算法在道路网提取精度上要优于对比算法。     

特征筛选方法在高分辨率遥感影像建筑物提取中的应用

城市建筑物信息的自动提取是城市遥感的关键技术之一,由于阴影、下垫面等多因素干扰,建筑物信息提取精度往往不稳定。本文以Pleiades卫星影像为数据源,通过改进Relief F特征筛选方法,探讨建筑物信息提取精度提高的可行性。首先构建高分辨率遥感影像建筑物基础特征空间,然后利用改进型Relief F算法分析特征对象的权重并筛选出最优特征,最后用监督分类、无特征筛选分类和基于改进型Relief F特征筛选等3种方法分别提取研究区建筑物信息,并结合实地调查数据进行精度验证。结果表明,基于改进型Relief F特征筛选的分类方法提取精度能够达到91.34%,较其他两种方法提取精度分别提高了34.31%和5.62%,且运算速度快,自动识别效率高。     

基于背景信息的MODIS林火自动提取算法

本文在火点提取算法中加入了背景信息,减少了伪火点,提高了火点提取算法的准确性和可靠性。通过选取江西省武宁县为实验区,应用MODIS数据进行了火点的提取,实现了从数据的处理到火点的自动提取。经实验验证后,发现改进后的算法火点提取精度较高,能很好地满足林火监测要求。     

面向对象分类特征优化选取方法及其应用

与传统基于像元的分类方法比较,面向对象的分类方法可利用的地物信息更加丰富,然而如何从众多信息中筛选出能够有效提取不同地物的分类特征,从而提高分类效率与精度,是使用面向对象方法分类时急需解决的问题。SEaTH算法（分离阈值法）是一种有效的自动选取分类特征并计算阈值的方法,但其只考虑了类间距离,容易存在信息的冗余,从而对分类精度造成一定影响。本文在SEaTH算法的基础上,综合考虑了特征间的相关性、类间距离以及类内距离,对SEaTH算法进行了优化,并将改进前后的两种方法运用到广东省肇庆市TM影像及环境一号卫星影像土地覆盖分类中进行对比分析。实验结果表明,改进后的方法筛选出的特征在提取地物上更为有效,尤其使耕地的分类精度提高了12.26%,使分类总体精度由80%提高到了85.26%。改进后的方法对不易获取多时相影像的地区的土地覆盖分类具有重要意义。     

基于LSD算法的无人机影像电力线提取方法

根据无人机影像电力线的特征,利用LSD算法实现了电力线的自动提取。首先使用各向同性的Sobel算子对特征区域进行图像增强,再使用LSD算法进行线段提取,然后通过线段合并和线段拟合过滤线段集合,最后使用K均值算法进行聚类,筛选得到最终电力线结果。采用多种地物背景下的电力线影像进行实验,结果表明,该方法能提取完整的电力线,稳健性强,对电力巡线具有较大的实际意义。     

自动综合算法库的构建

要提高自动综合的自动化水平,不但要开发自动化、智能化程度高的自动综合算法,同时需要对自动综合算法进行有效地管理和使用。目前国内外研究重点在于前者,而对后者研究较少。本文提出了自动综合算法元数据的概念,并从自动综合算法的适用范围、算法功能、算法参数等关键信息,以及算法基本信息、经验信息、改进信息和综合评价指标等辅助信息,以及自动综合算法优先权等方面着手,分步骤、分层次地设计并构建了自动综合算法的元数据管理体系,从而实现了方便、有效地管理与调用自动综合算法,为提高自动综合的自动化程度和水平提供了有力支持。     

矢量数据辅助的高分辨率遥感影像道路自动提取

高分辨率遥感影像上细节信息繁杂、干扰物普遍存在,对其进行自动化道路识别与提取的相关研究仍处在探索阶段。在道路提取过程中引入矢量数据辅助,可解决初始信息获取的困难,得到可靠性较强的训练样本。为此,提出一种矢量数据辅助下的道路提取方法,能够筛选出矢量数据中包含的有效信息,引导实现对高分辨率遥感影像的道路自动提取。利用Mean-shift滤波对图像进行预处理后,首先从矢量数据获取候选种子点,并通过提炼同质区域的形状特征剔除错误候选点;然后,自动获取负样本点以进行朴素贝叶斯分类,并采用邻域质心投票算法从分类影像提取道路中心线;最后,结合像素跟踪与方向判断矢量化道路中心线,并提出一种基于矢量几何分析的断线连接与毛刺剔除方法,对提取结果进行信息修复与规整、优化。实验结果显示,该算法的提取质量达到80%以上,且具备较强的稳健性,能够适应具有不同道路辐射和分布特征的高分辨率遥感影像。     

一种新的边缘直线拟合方法

针对直线提取过程中的断裂问题,该文提出一种新的边缘拟合直线方法,首先采用Canny算法提取边缘图;接着利用改进ZS算法对边缘图进行细化处理;然后通过端点检测、交叉点跟踪、闭合边缘跟踪等方法,实现边缘链码的完整性提取;最后利用边缘链码跟踪顺序进行直线提取。通过多幅影像的实验结果表明,该文所提出的算法能够精确实现边缘直线信息的拟合,便于对影像结构信息的清晰理解。     

2017年“8.8”九寨沟地震滑坡自动识别与空间分布特征

2017年8月8日发生的7.0级九寨沟地震诱发九寨沟熊猫海附近产生大量的滑坡体，造成道路阻塞，严重影响地震应急救援进度。为快速准确地识别滑坡分布范围，本文在深入分析滑坡遥感影像特征的基础上，引入面向对象分析方法，实现了基于无人机影像的震后滑坡体的自动识别。通过多尺度分割算法获取滑坡多层次影像对象，利用SEaTH算法自动构建每一层次特征规则集，实现基于不同层次分析的滑坡体自动识别。分析滑坡体在地形、活动断层等因子中的空间分布特征，为地震滑坡预测与危险性评价奠定基础。与人工目视解译结果相比较，基于面向对象的滑坡自动识别方法提取精度可达94.8%，Kappa系数为0.827，在电脑配置相同的情况下，自动识别方法的效率是人工目视解译效率的一倍。空间分布特征分析表明，地震滑坡的空间分布与斜坡坡度、地形起伏度呈正相关关系，与地表粗糙度存在负相关关系，研究区滑坡体分布存在明显的断层效应。     

最优分割尺度的滑坡信息提取

针对面向对象的遥感影像分析技术这一热点问题,通过研究滑坡的地学特征和影像特征,基于QuickBird多光谱影像,提出了一种先对Quickbird影像进行多尺度分割,然后利用改进的分割质量评价函数来选择滑坡最优分割尺度,最后在最优分割尺度上构建滑坡提取规则集并进行滑坡信息提取的方法。该方法通过对提取的滑坡信息进行精度验证与分析,能使对象内部异质性和对象之间异质性达到综合效果最好。结果表明:滑坡体的正确提取率为75.86%,本文方法具有一定的可靠性和准确性。     

地震滑坡高分辨率遥感影像识别

区域性地震滑坡信息获取目前主要通过遥感目视解译和计算机提取,存在主观性强、耗时费力、提取精度低等问题,导致难以满足灾后应急调查、灾情评估等方面的应用需求。采用资源三号、高分一号高分辨率遥感影像,以汶川震区为实验区,在地震滑坡灾害特征分析的基础上,通过多尺度最优分割方法构建多层次滑坡对象,融合光谱、纹理、几何等影像特征和地形特征信息建立多维滑坡识别规则集合,基于高分辨率影像认知模式与场景理解过程提出滑坡分层识别模型,从而实现地震滑坡空间分布及其滑源区、滑移区和堆积区的准确识别。实验区分析结果显示最低识别精度为81.89%,而滑坡的堆积区最容易被分辨,识别方法具有可推广性。研究成果可为灾后应急调查提供技术支撑,并促进国产高分辨率遥感卫星的地质灾害应用。     

基于高分遥感的金沙江流域滑坡识别——以巴塘县王大龙村为例

金沙江流域因两岸地势陡峭、软弱岩层发育、降雨集中等,使得流域内滑坡灾害分布密集。高分辨率遥感是滑坡识别的重要手段,但通过目视解译法开展的大范围滑坡灾害识别,具有工作量大、效率低的特点。针对此问题,本文采用基于面向对象的分类方法,提出了利用滑坡灾害的光谱、形状、空间等特征进行区域内滑坡灾害的快速识别。同时,选取金沙江流域巴塘县王大龙村区段进行了滑坡识别提取试验,区域内利用面向对象分类方法识别出滑坡18处,其中12处与目视解译结果相同,一致性为75%;发现3处目视解译未识别出的隐蔽性滑坡。结果表明,该方法识别效果较好,可为后续的金沙江流域乃至川藏铁路沿线的大范围滑坡识别提取及滑坡编目工作提供参考。     

高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

雷达遥感滑坡隐患识别与形变监测

滑坡是全球发生最为频繁、造成损失最严重的自然灾害之一,滑坡表面形变测量对于滑坡的早期识别、监测和预警具有重要意义。雷达遥感具有非接触式大范围空间连续覆盖和高精度形变测量等优势,在滑坡地质灾害领域中取得了广泛的应用。本文概述武汉大学干涉雷达遥感团队近几年在利用雷达遥感监测滑坡形变方面的研究内容,包括：雷达遥感在滑坡形变监测中的可行性和适用性分析、大范围滑坡隐患识别、复杂山区滑坡形变测量、大梯度滑坡形变测量、滑坡三维形变提取等。     

一种V/S和LSTM结合的滑坡变形分析方法

滑坡变形的产生是坡体自身地质条件和外部诱发条件共同作用的结果，滑坡变形定量预测是滑坡监测预警的关键。传统的基于滑坡累计位移-时间曲线分析滑坡变形的方法，忽略了滑坡变形演化的影响因素，难以对滑坡变形进行准确预测。三峡库区滑坡研究多集中在滑坡时空分布特征和滑坡整体稳定性分析方面，亟需开展单体滑坡综合变形分析。以三峡库区白水河滑坡为例，基于滑坡宏观变形和位移监测数据，利用重标方差（rescaled variance statistic，V/S）分析法对滑坡整体和局部变形趋势进行分析，进而构建考虑库水位波动和降雨滞后性影响因素的可有效利用长期依赖信息的长短记忆（long short-term memory，LSTM）神经网络模型，定量预测滑坡位移。研究结果表明，滑坡体属牵引式滑坡，北东部稳定性较差，西部和后缘相对稳定，预测值的均方根误差为8.95 mm，证明该模型是一种高性能的滑坡变形分析方法。     

三峡库区“阶跃”型滑坡变形机理与预警模型

自2003年蓄水以来,三峡库区已查明的滑坡或潜在滑坡高达5000余处,这些灾害对三峡水库的持续运营、大坝、航道及库区居民的安全造成了严重的威胁。通过研究滑坡的变形特征、诱发因素及失稳机制,有助于开展滑坡的稳定性评价,并构建预警预报模型。以三峡库区八字门滑坡为研究对象,综合分析降雨、库水位、人工和自动GNSS监测等数据,结合勘查资料及野外宏观巡查,研究了滑坡的变形特征及失稳机理,并确定合理的预警判据及阈值。研究表明:①八字门滑坡整体变形明显,处于蠕动变形阶段,滑坡变形主要集中于每年5—9月,滑坡累积曲线呈现典型的“阶跃”状变形特性。②滑坡的变形受斜坡结构、岩性等因素的控制,水库水位下降是滑坡变形的主要驱动因素,并与库水下降速率正相关。另外,特大暴雨和持续降雨在水位下降阶段、水库低水位运行期及水位上升期会促进滑坡变形,是滑坡的次要驱动因素。③通过精细化数据分析以及改进切线角法获取的八字门滑坡出现“阶跃”变形的位移速率阈值为4.6 mm/d,7 d累积降雨量阈值为60 mm,库水位阈值为159 m,库水位下降速率阈值0.4 m/d。     

基于InSAR与随机森林的滑坡敏感性评价与误差改正北大核心CSCD

滑坡不仅影响社会经济的可持续发展,而且威胁人类的生命安全。滑坡敏感性图(LSM)被认为是预测滑坡空间位置的有效手段之一,但现有方法生成的LSM因受假阴性误差的影响,难以得到可靠的预测结果。针对该问题,本文提出了基于InSAR形变结果的LSM改进方法。在甘肃省舟曲县的试验结果表明,研究区范围内滑坡敏感性等级提升2.74%。对两个具体区域的原始LSM和改进后LSM进行比较,结果表明,利用改进后的方法,可在受滑坡蠕动现象影响的区域制作更可靠的LSM。     

基于Google Earth影像的黄河上游干流地区滑坡特征分析

黄河上游干流地区由于特殊的地形地貌和地质构造使得滑坡灾害频发,对其开展滑坡灾害监测、分析研究,具有十分重要的意义。本文利用2015年间Google Earth遥感数据,提取并分析了该地区的滑坡灾害分布信息,取得了如下成果及认识:1)研究区的空间展布形态主要有7种,滑体性质类型有6种,岩质滑坡数量最多。2)从空间分布特征看,共发现研究区有各类滑坡162处,滑坡主要集中分布在群科-尖扎盆地;从滑坡类型看,研究区滑坡主要为大型滑坡和巨型滑坡。3)滑坡体长、宽主要集中在0~1 500 m和500~1 500 m之间,且长、宽呈两极化方向延伸,滑坡体面积分布不均,滑坡数量随着方量的增大呈现减少的趋势,发生的滑坡主要是滑坡体厚度在25~50 m的深层滑坡。4)滑坡数量在0°~90°之间有峰值出现,然后向两端逐渐减少。