GF-2影像面向对象典型城区地物提取方法

国产高分遥感影像信息丰富,提供了精准的地物空间细节,深入研究高分数据处理及其提取城区地类目标信息的方法具有重要意义。本文以国产高分二号（GF-2）遥感影像为数据源,利用规则集的面向对象分类方法,通过ESP尺度分析工具选取得出最优分割尺度,建立各类地物的特征体系及分类规则,最终提取出研究区典型城区地物信息,并将之与传统基于像元的SVM监督分类结果作比较。结果表明：规则集的面向对象分类总体精度为92.23%,Kappa系数为0.9,比SVM监督分类有大幅度提高。对高分二号等高分辨率影像,面向对象的分类方法精度更高,图示效果更好,是城区地物提取的有效方法。     

高分一号多光谱遥感数据的面向对象分类

文章针对高分一号(GF-1)高分辨率遥感数据,提出了一种基于多特征的面向对象遥感图像分类算法:首先,对GF-1卫星数据进行分水岭分割,并利用仿射不变矩形状特征算子获得遥感图像的几何特征;其次,利用主成分分析和灰度共生矩阵获得遥感图像的纹理特征;然后,基于多特征数据进行均值漂移滤波,并利用自动标记分水岭分割方法实现遥感图像分割;最后,结合基于像元的最大似然监督分类结果做投票分类处理,从而实现面向像元与面向对象相结合的遥感数据分类.以高分一号遥感数据进行分类实验,结果表明:本文方法可有效地提高遥感图像分类精度.     

基于多源国产高分卫星时空信息的米级分辨率耕地提取

及时准确地获取耕地空间分布数据对于农业生产管理、产量估算、种植结构调整等具有重要意义。目前的耕地提取多基于多时相中低分辨率影像或单时相高分辨率影像,难以满足耕地破碎,农作物种植模式复杂的区域精度需求。基于此,本研究通过协同国产高分一号（GF-1）、高分二号（GF-2）和高分六号（GF-6）卫星影像,探索米级分辨率尺度下的耕地高精度提取方法。该方法以深度神经网络UNet为基础,通过协同GF-1/6的多时相优势和GF-2影像的高空间分辨率构建了CEUNet（Cropland Extraction UNet）模型,以充分挖掘耕地的时相特征和空间几何特征。同时,将基于CEUNet模型提取的米级耕地结果分别与基于UNet和多源不同分辨率遥感影像的语义分割（UNet_m）、基于UNet和单时相高分辨率影像的语义分割（UNet_s）、基于对象的随机森林分类（OBIA）、基于像元的随机森林分类（RF）提取的耕地结果展开对比,分析所提出的方法在不同区域的适宜性。结果表明,基于CEUNet模型提取的米级耕地总体精度达到92.92%,且基于CEUNet提取的耕地的逐像元验证结果在平均F1-Score值上相较于基于对象和基于像元的随机森林分类分别提升了0.21和0.21,相较于UNet_m和UNet_s分别提升了0.04和0.11,其中针对地块破碎,景观异质性高等区域,CEUNet相较于UNet_m和UNet_s提升了0.09和0.26。本研究提出的CEUNet模型能够充分发挥多源国产高分卫星数据的空间和时间优势,两者结合能够快速、高效地提取不同农业景观及不同种植模式的耕地空间分布信息。     

面向对象的绿地信息提取

绿地与人们的生产、生活密切相关,绿地是城市的净化器,发挥着保持水土、涵养水源、调节自然界生态平衡等重要作用.本文主要讨论了面向对象的分类技术,研究了多尺度影像分割和基于高分辨率影像的信息提取方法,在实验的基础上与传统的基于像元统计方法的信息提取结果进行了比较.结果表明,面向对象的信息提取方法在高分辨率遥感影像绿地信息提取中具有明显优势,可大大提高分类效率和精度.     

面向对象方法的时间序列MODIS数据湿地信息提取——以洞庭湖流域为例

以洞庭湖流域为研究区,对大范围湿地信息遥感提取方法进行了研究。先基于时间序列MODIS EVI及物候特征参数,通过J-M(Jeffries-Matusita distance)距离分析,构建了MODIS(250 m)最佳时序组合分类数据;其次,通过Johnson指数确定了最佳分割尺度,采用面向对象的遥感分类方法(Random tree分类器)提取了洞庭湖流域的湿地信息,并验证该方法的适用性。研究结果表明,基于时序数据与面向对象的Random tree分类的总体精度和Kappa系数分别为78.84%和0.71,较之基于像元的相同算法的总体分类精度和Kappa系数分别提高了5.79%和0.04。同时,基于面向对象方法的湿地整体的用户精度与生产者精度较基于像元方法分别提高了4.56%和6.21%,可有效提高大区域湿地信息提取的精度。     

遥感模式分类中的空间统计学应用——以面向对象的遥感影像农田提取为例

如何有效地从遥感图像中提取所需信息,是遥感图像处理和应用的关键,而尺度选择问题一直是影响遥感信息提取精度的关键问题之一。本文论述了利用空间统计学方法解决遥感影像模式分类中的尺度问题的理论基础。针对面向对象影像分析问题,将影响遥感影像多尺度分割的尺度分割参数概括为空间属性分割参数、光谱属性分割参数和影像对象面积阈值参数,并分别提出了基于统计学的尺度参数估计方法。以SPOT-5影像面向对象农田提取为例,基于变异函数方法进行了尺度优选试验,系列尺度分类试验结果表明基于空间统计学尺度估计得到的尺度分割结果进行分类能得到最高的精度,进而证明了基于空间统计学方法进行面向对象信息提取尺度估计的有效性。该方法是完全数据驱动的方法,基本不需要先验知识参与。不同于以往分割后评价的尺度选择方法会占用大量计算资源且耗费大量时间,本文提出的方法不仅能在一定程度上保证面向对象信息提取的精度,而且在一定程度上也提高了面向对象信息提取的效率和自动化程度。     

基于面向对象的黄土丘陵沟壑区梯田信息提取研究

研究区位于黄土丘陵沟壑区第二副区的彭阳县,以国产GF-2影像为数据源,首先按地形复杂度生态分区,选取4个典型试验区;其次应用多尺度分割和光谱差异分割相结合的方法,对试验区影像进行分割;然后重点基于面向对象分类方法,实现梯田信息的自动提取;最后采用参考对象一致性误差(OCE)分割评价准则,以目视解译结果为参考对象,对梯田提取结果进行精度评价。结果表明,基于面向对象分类,不同生态分区遥感影像在最优分割阈值时,梯田信息自动提取精度均达到65%以上,结合后期处理,可以高效、准确地从国产GF-2影像中提取复杂地貌区的梯田及空间分布等相关信息,为黄土丘陵沟壑区农业生产规划、水土流失防治提供基础数据,也提供了新的思路和合理的技术方法。     

利用对象和支持向量机的遥感信息提取方法探讨

土地利用/覆被专题信息的快速、高效、准确提取是遥感图像处理研究的重要方向。传统的遥感分类方法常依靠像元的光谱值,未充分利用影像的空间信息。本文将面向对象影像分割和支持向量机方法相结合,复合光谱和纹理信息,建立了Object-SVM分类模型,并与面向对象的模糊函数和基于像元的SVM方法相比较,探寻区域尺度土地利用/覆被信息提取方法。结果显示,Object-SVM模型有效地提高了遥感图像的分类精度和分类效率,对于区域尺度影像的快速、准确、客观的信息提取具有实际意义。     

面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类

针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集（WashingtonD.C.数据）验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。     

面向对象的高空间分辨率影像分类研究

采用面向对象遥感影像分类方法,进行了高空间分辨率遥感影像信息提取试验,分析了其与基于像元方法的信息提取结果的差异,试验研究表明,在目视效果上,传统方法的分类结果图中椒盐现象非常明显,而面向对象方法可以有效地避免椒盐现象;在分类精度上,面向对象方法分类结果的总体精度、Kappa系数、生产者精度、用户精度、Hellden精度和Short精度均明显高于传统方法,各类地物提取效果显著提高。面向对象方法在高空间分辨率遥感影像信息提取中具有明显的优势。     

应用高分二号提取二级类建设用地

为更好地利用国产遥感数据研究土地利用资源分布,基于面向对象和指数分类的方法,开展高分二号遥感影像建设用地二级类提取.实现了研究区居民点、仓储用地、工业用地、公共管理与公共服务用地及交通用地的提取,提取总精度达96.9％,Kappa系数达0.94.结果表明本研究方法可以较准确提取高分二号遥感数据的二级类建设用地,对国产数据地物信息提取的研究有一定借鉴意义.     

基于国产高分卫星面向对象城市地物最优尺度选择及评价研究

针对面向对象分类中的分割尺度问题,本文以国产高分一号卫星(GF-1)、高分二号卫星(GF-2)影像为数据源,选取沈阳市两处城区影像作为实验数据,以典型城市地物为分割对象,选择分割质量函数法、均值方差法、RMAS指数法进行尺度分割,并利用欧几里得2指数(ED2)评价其最优尺度,从而确定不同影像不同地物对应的最优尺度分割方法与尺度。     

基于高分二号的面向对象城市水体信息提取

根据国产高分二号卫星影像具有光谱信息丰富、空间分辨率高的特点,利用面向对象的方法提取了城市水体信息。首先借助ESP尺度分割工具,确定最优分割尺度;再统计地物的光谱信息、形状因子、纹理特征等,构建城市水体提取知识库。针对城市水体和建筑物阴影混淆严重的问题,提出了一种利用能区分城市水体和阴影的ISTD指数提取城市水体的方法。结果表明,该方法的总体精度为89.55%,Kappa系数为0.86,比传统的基于像元的方法精度提高了16%。该方法可有效解决水体和建筑物阴影混分问题,在城市水塘等小面积水体提取方面具有明显优势。     

基于GF-2遥感影像的机械性破损面提取方法

机械性破损面容易引发水土流失、次生地质灾害等生态环境问题,但目前还缺乏其基于遥感影像的有效提取方法。选择机械性破损面分布密集的云南省螳螂川流域为研究对象,基于高分二号(GF-2)遥感影像,探讨其基于纹理特征辅助的面向对象提取方法。根据7类地物特征建立地物分类规则,在最优尺度分割的基础上,基于光谱特征的决策树A和基于"光谱+纹理"特征的决策树B进行面向对象的分类。经过精度评价分析得出,相对于传统的监督分类法和仅基于光谱的面向对象分类法,基于"光谱+纹理"特征的决策树B分类方法使Kappa系数和总精度分别提高至0. 82和86. 25%,有效地提高了机械性破损面的提取精度。     

面向对象分类技术在高分辨率遥感影像信息提取中的应用研究

应用高分辨率遥感数据进行矿山环境监测是近几年来矿山监测工作的一个发展趋势,信息提取技术是遥感数据应用中的关键。传统的像元分类方法只考虑了光谱信息,信息提取量少,分类精度低,难以满足高分辨率数据信息的提取。本文以IKONOS影像为数据源,利用面向对象分类新技术,探讨该技术在矿山高分辨遥感数据中的应用。最后运用kappa系数比较评价面向对象分类方法与传统的像元分类方法。研究表明,面向对象分类法比基于像元分类法精度更高,效果更好,具有较好的应用前景。     

多尺度下的遥感震害异常区快速提取方法

地震灾害发生后的不同时期对震害信息提取速度和精度的要求有所不同,采用多尺度下的遥感震害异常区快速提取技术,针对灾害发生后的不同时期采用不同分辨率遥感影像和方法提取震害信息。选取北川县Modis,TM,航飞低、中、高分辨率数据,采用多时相变化监测,单时相多尺度分割和面向对象分类方法对遥感震害异常区提取。结果表明,多尺度下...     

WorldView-2影像与OLI影像协同岩性模糊分类

Landsat系列、ASTER等中等空间分辨率遥感数据（中分数据）覆盖了碳酸盐矿物、粘土矿物、铁氧化物矿物等矿物的诊断光谱区间,广泛应用于矿物、岩石信息提取,但受限于空间分辨率,混合像元现象明显,严重制约了其岩性分类精度。WorldView-2、QuickBird等高空间分辨率遥感数据（高分数据）提供了岩石地层表面丰富的空间结构信息,同时空间分辨率的提高也是缓解混合像元效应的最有效途径,但高分数据覆盖的光谱区间往往较窄,难以满足大多数特征吸收谱段位于短波红外、热红外区间的矿物、岩石信息提取。在岩性自动分类方法上,前人研究中仍以采用基于像元的分类方法为主,分类结果的“椒盐现象（Salt-and-pepper,出现在分类结果图中大量孤立的错分点或小图斑）”严重。为结合中分数据的光谱信息优势和高分数据的空间结构信息优势,同时减少基于像元的岩性分类方法中的“椒盐现象”,提高岩性自动分类精度,本文以Landsat 8 OLI数据和WorldView-2数据为例,提出了一种协同中、高分遥感数据进行面向对象的岩性模糊分类的方法。首先通过“结构协同”和“光谱协同”方案对WorldView-2数据和OLI数据进行信息协同,利用主成分变换对协同后数据的纹理信息和光谱信息进行压缩和增强,然后将增强后的纹理信息和光谱信息进行波段绑定,并进行多尺度分割。根据岩性单元间的光谱特征和纹理特征的差异,构建各岩性单元的模糊逻辑隶属度函数,实现对研究区岩性的模糊分类。实验结果表明,该方法成功划分了岩性单元的分布,总体岩性分类精度为89.35％。     

基于GF-6的植被覆盖度遥感估测研究

GF-6号卫星是近年来投入运行的国产卫星,其遥感影像的空间分辨率、时空分辨率较高,但基于该卫星数据的应用研究并不多见.本次研究以GF-6号卫星WFV数据为数据源,基于归一化植被指数和像元二分模型对甘肃民勤典型干旱地区的植被覆盖度进行遥感估测,利用置信度法获取像元二分模型的关键参数对植被覆盖度遥感提取结果的影响进行分析....     

面向对象的多尺度高分影像建筑物提取方法研究

近年来,随着航空航天事业的高速发展,带动了遥感对地观测技术的进步,为高分影像的获取奠定了基础。作为地物类别中的主要内容和地形图中的重要成图元素,建筑物的识别与提取,直接影响到地物提取的自动化水平。因此,高分辨率遥感影像中建筑物的提取是图像处理领域中的主要研究内容之一。为了提高城市建筑物信息提取精度,本文改进了常规的面向对象方法,以航空遥感影像和SPOT-6影像为对象针对其下垫面结构复杂的特性,采用多尺度分割和多规则结合的方法自动提取建筑物信息,并通过样本区进行了精度验证,将提取的结果与传统分类方法所得到的结果相互比较。研究结果表明,面向对象的多尺度分割对高分影像中建筑物的提取具有较好地效果,KIA精度达到了0.76,为城市建筑物信息提取的应用提供了新思路。     

高分一号山地冰川运动速度提取与分析

近年来国产遥感卫星数据增多,但在山地冰川运动速度监测研究中,国产卫星遥感数据的使用却很少。基于此现状,本研究利用"高分一号"卫星数据(GF-1)对藏东南雅弄冰川运动速度进行了提取。通过与同分辨率、同时段的Landsat 8数据进行对比,以及利用非冰川稳定区域的残余位移和冰川主冰流线剖面运动速度两方面,评估了GF-1数据提取的冰川运动速度的精度。结果表明:GF-1数据在非冰川稳定区域的平均偏移量为7.48 m·a~(-1),虽较Landsat 8数据的高(平均偏移量4.58 m·a~(-1)),但小于冰川平均运动速度的5%;GF-1数据与Landsat 8数据在2015年—2016年时段内的冰川主冰流线运动速度变化趋势一致,两者的偏差均方根为7.41 m,小于冰川平均运动速度的5%。研究结果证明了国产高分一号卫星遥感数据在青藏高原山地冰川运动速度监测应用中的可行性。