基于空谱融合与AlexNet算法的滨海湿地植被分类研究

为提高遥感影像融合质量,提升资源一号(ZY-1 02D)高光谱遥感影像滨海湿地植被分类精度,提出将ZY-1 02D高光谱影像与空间分辨率为10 m的哨兵2号(Sentinel-2)影像进行Brovey融合,并通过搭建AlexNet卷积神经网络对ZY-1 02D高光谱影像和Brovey融合影像的滨海湿地植被进行分类,与支持向量机、随机森林和BP神经网络分类算法进行精度对比。研究结果表明:经Brovey融合后,AlexNet、支持向量机、随机森林和BP神经网络算法的植被分类总体精度分别提高15.60%、7.00%、14.80%和10.00%,Kappa系数提高了21.35%、9.93%、18.97%、12.85%;基于Brovey影像融合与AlexNet算法的植被分类精度最高,总体精度为92.40%,Kappa系数为89.42%。空谱融合配合AlexNet卷积神经网络有效解决了高光谱遥感影像在滨海湿地植被分类应用中精度较低的问题,为滨海湿地植被资源动态监测提供技术和方法支撑。     

引入纹理特征的多光谱遥感影像 海面油膜信息提取

针对单纯依靠光谱特征油膜提取精度低、雷达影像油膜提取易受海况条件及假目标影响的问题,提出了一种结合光 谱特征与纹理特征的多光谱遥感影像油膜信息提取方法。以2011 年6 月蓬莱19-3 油田溢油事故为研究对象,选用HJ-1 星 CCD 遥感数据,利用灰度共生矩阵获取影像纹理特征,采用SVM 模型对结合纹理特征与光谱特征的影像进行分类,提取出 研究区油膜信息,并将分类提取结果与仅依靠光谱特征的SVM 模型分类结果进行了比较。结果表明：引入纹理特征的SVM 模型分类总精度达到90.29 %,比仅依靠光谱特征的分类精度提高了12.41 %;纹理特征的参与降低了原影像噪声对分类结果 的影响,油膜边缘提取更加清晰,油膜中心呈连续面状分布,引入纹理特征的SVM 模型可有效地用于多光谱遥感影像海面 油膜信息提取。     

基于改进U-Net的海岸线提取方法

遥感影像海陆分割对于海岸线提取及其动态监测具有重要意义。传统的基于光谱特征和图像处理的海岸线识别和提取方法, 在面对高分辨率遥感图像复杂的纹理和空间分布时, 只能生成具有局限性的图像特征结果, 且分割结果准确率不高。本文将深度卷积神经网络应用于高分遥感图像的海陆分割问题, 并在经典编码器-解码器结构的基础上进行了创新。首先, 为了降低调参难度引入批归一化层, 降低了网络对参数的尺度和初始值的敏感度; 其次, 采用转置卷积代替传统卷积, 在模型训练过程中通过梯度递减算法, 不断更新参数权值, 显著提高语义分割的精度。利用研究区域高分一号遥感图像数据对于人工岸线及自然岸线的分割实验结果显示: 相较于经典U-Net与SegNet, 改进U-Net网络, 对于各种自然岸线和人工岸线具有更低的边界模糊度和更准确的分割结果, 对于自然岸线的提取结果, 漏检、错检现象较少; 对于人工岸线的提取具有更大的感受野, 能够提取岸线的空间结构信息, 避免误分类。面对日益丰富的高分辨率的遥感影像数据源, 基于改进U-Net的海岸线提取, 能更好地保留边界信息且具备更优的语义分割效果, 可以更为准确地挖掘高分遥感影像的空间分布特征、纹理特征以及光谱特征, 从而提升分类的准确性。     

滩涂水边线Landsat-5影像提取方法

快速获取遥感影像水边线时空变化信息具有重要意义,滩涂水边线提取一直是遥感技术应用的难点问题。水边线在遥感影像上具有独特的空间关系与光谱特征。本文综合使用颜色模型变换法、信息熵计算法、最大类间方差法及边缘检测方法。以长江口崇明东滩为研究区,研究了Landsat-5卫星影像海陆对比度增强及不同尺度下的边缘提取,重点给出了基于热红外波段的水边线空间特征与光谱特征的计算方法,在面向对象技术框架下提出了一种顾及空间关系和光谱特征的遥感影像水边线快速提取方法。实验结果表明:(1)基于最大类间方差法的局部阈值分割法能够自动提取band 6的水边线,水边线连续、完整,空间信息丰富;(2)综合使用最佳指数法、离散度方法及颜色模型变换方法,能够有效增强海陆对比度,基于最大类间方差法的局部自适应Canny算子能够自动检测出增强后遥感影像高精度边缘;(3)利用水边线的空间关系和光谱特征,能够由计算机自动实现水边线的识别与连接工作;(4)本文提出的水边线提取方法速度快、自动化程度高,分别继承了阈值分割法的连续性强的优点和Canny算子定位精度高、细节呈现能力强的优势。研究结果对于海岸带动态变化、陆海相互作用机制、海岸带资源保护与开发及近海工程管理等研究具有重要的参考价值。     

基于特征提取的目标变化检测方法研究

针对不同时相遥感影像中特定目标的变化,研究了基于特征提取的目标变化检测方法。该方法首先根据目标的几何特征进行检测与提取,然后对提取出的两目标影像进行比较,得到特定目标的变化。实验结果表明该方法对特定目标的变化检测有较好的效果。     

基于水边线的遥感影像防波堤提取方法

通过对遥感影像上防波堤的空间关系特征和其他特征的分析,设计了一种基于水边线的遥感影像防波堤提取方法。该方法首先对海岸带影像进行水边线提取;然后,将提取的水边线作为海陆分界线,进行海陆分割,得到海陆二值图;最后根据遥感影像上防波堤的空间关系特征和其他特征将防波堤从水边线中分割出来,并剔除伪防波堤的干扰。实验结果表明,该方法能够实现防波堤的自动准确提取,并且提取速度快、稳定性好。     

一种新的基于PCA变换多源遥感影像像素级融合方法

在多源遥感影像融合中，基于传统PCA变换的多源遥感影像融合的光谱分辨率受到较大影响。提出了一种新的基于PCA变换的多源遥感影像像素级融合方法，通过在传统PCA变换融合算法基础上引入小波变换融合，保留了多波段遥感图像光谱特性的有用信息，进一步提高融合后遥感影像的效果。给出实验的融合结果，并与传统PCA变换方法进行对比，证明了该方法的有效性。     

SPOT、QuickBird卫星遥感数据提取东沙岛植被信息的比较

基于植被的光谱特征,利用监督分类、植被指数(NDV I)和目视解译等方法,分别用SPOT-5、Q u ickB ird高分辨率卫星遥感影像对东沙岛植被信息进行提取,并作了比对分析。研究结果表明:利用高分辨率遥感图像对东沙岛等小型岛屿的植被信息提取是可行的;SPOT-5多光谱数据具备了提取小型海岛植被信息、掌握其植被覆盖状况的能力;与SPOT-5多光谱数据相比,Q u ickB ird多光谱数据在植被精细分类信息的提取方面更具优势。     

纹理特征提取及辅助遥感影像分类技术研究

研究了利用灰度共生矩阵提取纹理特征的方法，并对利用纹理特征影像辅助光谱特征分类的方法进行了研究。实验结果表明，纹理特征辅助光谱特征分类能够提高遥感影像分类的准确性和精度。     

基于决策树理论的高光谱影像目标提取技术研究

利用决策树分级匹配分类的思想，完成高光谱遥感影像分类过程中的光谱特征优化、特征参量构造和相应的匹配策略选择。该方法结合专家知识和光谱特征分析结果，能够充分利用高光谱遥感数据中丰富且细致的光谱信息，灵活采用合适的匹配参量和匹配方法。试验结果表明，该方法能够显著提高高光谱遥感影像目标提取的精度。