高分二号影像数据地物信息提取分割尺度研究

面向对象技术是提取高分辨率影像中地物信息的主流方法,而多尺度分割是面向对象技术的基础与关键,分割尺度的选择将直接影响最终信息提取的精度与质量。借助于eCognition平台,选用高分二号影像数据作为研究对象,采用多尺度分割的面向对象分类方法,充分利用遥感影像几何、纹理、光谱等信息,确定不同地物类别的最优化分割尺度,建立最佳分类规则,较好的提取了目标地物,更在一定程度上提高了分类精度,为震后灾害评估、震中道路快速提取提供技术支持。     

高分辨率遥感影像的图像分割研究

高分辨率卫星遥感影像可以为城市防震减灾信息系统的建设提供丰富的数据,但由于其细微信息特别丰富,因此也为相关地物目标检测与提取带来了一定的困难.本文选用2002年4月6日采集的上海市宝山区部分区域0.7 m分辨率的Quick Bird-2多光谱融合影像作为实验影像,通过图像预处理、边缘检测、二值化、区域标识、后期修整等一系列算法处理,对影像进行了图像分割.经过与目测结果的对比,认为计算机分割结果基本满足设计要求.     

基于最优分割的高分辨率遥感影像震害建筑物识别技术

为了提高建筑物震害信息提取的效率与准确度,针对震后高分辨率遥感影像,根据震害建筑物在遥感影像上的特征,以2010年海地M_S7.0地震为例,通过尺度参数估计算法自动选择最优分割尺度对影像进行多尺度分割,并采用面向对象方法对海地高分辨率遥感影像进行建筑物震害信息提取,同时与基于像元的支持向量机、反向传播神经网络、基于分类回归算法的决策树分类方法进行比较。试验结果表明,面向对象的分类方法具有更好的目视效果和更高的分类精度,有利于地震后震害信息的准确提取和快速评估。      

面向对象遥感分类方法在震害快速提取中的应用

以汶川地震后受灾严重的北川县城为研究区域,应用面向对象的遥感分类方法,对福卫二号卫星多光谱影像进行灾害提取与分析。提取过程中在传统分类运用的光谱信息中加入影像地物的几何结构和纹理信息,运用多尺度分割、多层次交叉的地物分类模式,模拟人类思维,快速准确的提取了灾害区域的宏观受灾范围,为震后快速评估提供依据。     

面向对象遥感分类方法在震害快速提取中的应用

破坏性地震发生后,迫切需要对灾害进行准确、快速的评估,为应急指挥、救援决策提供依据.高空间分辨率影像中地物的几何结构和纹理信息丰富,传统方法难以满足需求.面向对象的遥感图像处理方法,运用多尺度分割方法,实现图像信息多维的分离,并加入纹理、形状和相互关系特征的综合分析及模糊逻辑分类方法,从而最大程度模拟人类目视解译遥感影像的思维模式,提高有效信息的提取精度.     

基于多源数据的活动断裂遥感图像处理技术

本文在综合分析活动断裂遥感影像特征的基础上, 主要研究了活动断裂与隐伏断裂调查中遥感图像处理。基于SAR影像、 ETM+影像、 SPOT-5影像及高精度DEM数据, 运用SAR图像与ETM+多光谱图像融合方法、 ETM+图像纹理特征和光谱特征组合增强方法等, 结合断裂周围高分辨率影像及其三维影像, 综合分析解译了济南市周边活动断裂, 为该地区地震地质调查和精确定位活动隐伏构造提供了依据。     

建筑物震害多源遥感特征与机理分析

随着遥感信息源的不断增加,多种遥感数据被用于详细判读建筑物的震害情况.为准确判读震害等级与建立震害自动识别模式,本文收集整理了汶川地震震区的震害遥感图像,通过目视判读、图像处理、统计分析,重点分析了各类震害建筑物在光学影像中的特征表现、在合成孔径雷达图像中的成像机理特征以及在激光雷达图像中的三维特征.在此基础上构建了建筑物简化模型,并联合光学影像和雷达图像对震害建筑物的影像特征剖面予以分析.结果显示:光学遥感图像色彩信息符合人眼色觉原理,具有较好的直观判读效果;合成孔径雷达图像能够记录地物侧面、表面的粗糙程度和角反射特点,信息量丰富但不直观;激光雷达图像能获取建筑物的三维信息,因此震害评估工作中需有效地综合利用多源遥感数据,才能实现最佳的判识效果.      

基于无人机影像的面向对象建筑物结构分级提取方法研究

为提高遥感影像建筑物结构识别精度,综合利用光谱、形状、空间、纹理和数字表面模型(DSM)建立了建筑物结构分级提取方法。基于研究区无人机高分辨率影像,采用面向对象的影像分析策略,首先进行多尺度分割,以最佳分割与合并指数提取影像中建筑物目标;然后分别采用规则、训练样本与DSM方法对建筑物结构进行分类;最后将3种分类方法进行融合,对比分析了单一方法和融合分类方法的建筑物结构分类精度。结果表明:基于规则+样本+DSM的半监督建筑物结构分类方法错分率、漏检率与Kappa系数最优。     

基于深度学习网络的地震地质灾害识别研究

遥感影像识别方法是破坏性地震震后地质灾害快速、准确获取的重要方法之一,传统的遥感影像识别方法主要以人工目视识别方法和半自动识别方法为主,需投入大量的人力和时间。针对破坏性地震震后地质灾害解译时间长、投入人力多等问题,以2017年8月8日四川九寨沟7.0级地震震后高分辨率无人机遥感影像为研究样本,提出基于深度学习网络的地震地质灾害识别方法。首先结合震后遥感影像解译资料和现场调查资料,提取九寨沟地震地质灾害无人机遥感影像特征,并构建研究区地震地质灾害解译指标和分类数据集;然后采用DeepLabv3+网络结构及softmax损失函数,建立基于深度学习网络的地震地质灾害遥感影像图像语义分割模型方法;最后采用半监督学习方法进行结果验证。研究结果表明,基于深度学习网络的地震地质灾害识别方法可有效识别九寨沟地震地质灾害分布信息,整体分类识别准确率为94.22%,F₁分数值为0.77,结果具有较好的一致性和准确性,可提升地震现场灾情获取和重点地震隐患识别等工作效率及服务能力。     

多种对地观测技术及Google Earth技术应用于土地利用/覆被变化建库

为克服传统生态环境监测周期长,可靠性差,精度低的局限性,提出利用多种对地观测技术及Google Earth 技术进行土地利用/覆被变化监测方法.即利用新近获取的遥感影像为信息源,以原有的遥感影像解译数据为基础,对新遥感影像进行土地利用/覆被变化解译,修改旧遥感解译数据库;利用Google Earth上具有的高分辨率遥感影像,在室内对解译过程中的不确定地物进行补判;利用手持GPS接收机在野外对解译结果进行核查,并更新数据库;利用GIS空间分析功能,提取出高精度土地利用/覆被变化信息.实验选取近年旱涝灾害严重的四川作为研究对象,研究结果表明利用多种对地观测技术及Google Earth技术可以有效的对土地利用/覆被变化进行动态监测,并对下一步研究方向进行了探讨.     

高光谱遥感技术在建 (构) 筑物震害识别中的应用

高光谱遥感作为20世纪空间对地观测技术重大进步的产物,通过其较高的光谱分辨率,为人们提供了丰富的地球表面信息,在各个研究领域得到了快速发展和广泛应用,并取得了卓越的成果。尽管高光谱遥感具有独特的优势,但是针对其在震害评估领域中应用的相关研究较少。本文在总结高光谱遥感的特征、优势及不同领域应用现状的基础上,开展了其在震害评估领域的应用研究。基于ASD地物波谱仪获取的建（构）筑物光谱曲线构建可用于震害分析所需的光谱特征库,对比光谱库中地物曲线之间的差异后,发现高光谱遥感在震害评估领域中的应用是可行的,因不同震害地物之间的光谱特征曲线存在差异,依据这种差异可区分不同的震害信息,从而对震害遥感图像进行精细分类。     

面向对象的房屋震害变化检测方法

遥感图像变化检测是震害评估较为有效的方法,随着卫星影像分辨率不断提高,地物对象正逐渐取代单个像元,成为变化检测的基本单元.本文阐述了面向对象的变化检测方法的原理和数据处理流程,以玉树地震前后的高分辨率遥感影像为例,展示了这一方法提取房屋震害的能力.与直接基于像元的变化检测方法、基于主成分分析的变化检测方法相比较,结果显示面向对象的变化检测方法精度最高,提取房屋变化信息精度达到86％,而后面两种方法的精度分别为59％和68％.     

基于面向对象的无监督分类的遥感影像自动分类方法

为了实现无任何先验知识的高分辨率遥感数据的自动分类,并进一步提高自动分类精度和效率,提出了一种基于面向对象的无监督分类方法(Object Oriented Unsupervised Classification).具体步骤如下:首先对遥感影像进行分割,得到一系列空间上相邻、同质性较好的分割单元,然后对分割单元进行特征提取,得到分割单元的对象特征(光谱特征、纹理特征等多特征信息),进而对分割单元进行基于对象特征马氏距离聚类.最后,通过分类后处理(类别合并、错分类别调整等)得到最终的分类结果.通过实验表明:本文提出的方法不仅能够利用影像中更多的特征信息进行聚类而且还可以有效地减少聚类对象的个数,从而使自动分类的精度和效率都得到较大的提升.     

地震前后遥感影像空间尺度特性与最优空间尺度选择

本文基于不同计算窗口大小的改进局部方差方法, 判定地震后遥感影像上的目标物, 如损毁建筑物、 完好建筑物的最佳空间尺度。 对航片、 QuickBird影像进行了系列实验分析, 得到了在QuickBird影像中城区完好建筑物最佳空间分辨率在2~3 m, 损毁建筑物最佳空间分辨率2~4 m, 航片中城区完好建筑物最佳空间分辨率为3~4 m。 最佳空间分辨率与目标地物的尺度紧密相关, 不同尺度大小的地物具有不同的最优空间尺度。 最佳空间尺度的选择在处理海量高空间分辨率影像时通过重采样选取最佳空间分辨率, 可以有效减少图像运算时间, 在地震灾害快速评估中具有一定的应用意义。     

SAR图像中目标的检测和识别研究进展

SAR图像以其独有的全天时、全天候观测能力、形态探测能力和对地表的穿透性,在地学应用中比光学遥感更具优势.本文结合SAR图像检测和识别应用技术的发展过程，综述了SAR图像在噪声抑制、线状特征和纹理特征提取、图像分割和目标检测等方面的研究进展；介绍SAR图像检测和识别的最新研究情况；最后分析当今国内外SAR图像检测和识别所面临的问题，并对未来发展进行展望.     

大数据量遥感图像目标地物检索方法研究

在海量遥感数据中,检索某些特定目标,对于遥感应用和分类具有重要的意义.针对TM数据,研究了基于内容的大数据量遥感图像中目标地物的检索方法.根据数据的特点和研究的目的,采用支持向量机作为特征提取和相似性比较的方法,从而避免了特征提取中的信息损失,提高了检索速度.在基于内容的大数据量遥感图像目标地物检索技术上做出了尝试和探索.     

基于最优特征空间的震后损毁建筑物信息提取研究

基于传统面向对象方法, 提出了一种基于最优特征空间的损毁建筑物信息提取方法。 采用ESP(Estimate of Scale Parameter)工具对图像进行最优尺度分割, 之后通过选取样本, 计算各类地物距离矩阵和最小分离距离寻求最优特征空间, 最后运用最优特征空间对震后损毁建筑物影像进行提取实验, 在QuickBird影像中提取总体精度达到了83.1％, Kappa系数达到了0.813, 在无人机影像中提取总体精度为92.9％, Kappa系数达到了0.940。 本文建立的提取方法与传统分类决策树方法相比, 其提取精度和效率都有较大提高, 在损毁建筑物信息提取方面具有较好的推广价值。     

基于图像语义分割的层位自动追踪方法

层位追踪是地震资料解释中基础且重要的工作.传统的层位追踪主要依靠人的主观性判断,是一项既要求专业知识经验,同时又费时费力的环节,为此本文提出了一种基于图像语义分割技术的层位自动追踪方法.图像语义分割是像素级别的分类技术,我们将地震剖面中的层位看作图像中的一个语义类别,借助分割网络进行层位的分类与追踪.本文选择了改进的Dense-UNet神经网络作为分割算法,该网络强调对特征的传递和复用,同时避免了梯度消失的问题,能够很好适应地震数据的分割任务.首先以实际地震数据制作实验所用数据集,应用数据扩充方法增大训练样本数量,再借助改进的Dense-UNet神经网络训练出最优的追踪模型,通过测试集在最优模型上的表现来评价追踪的效果.实验结果表明,改进的Dense-UNet网络能够准确且快速的自动完成层位追踪任务,验证了该方法的可行性和有效性.     

一种快速的震害评估方法——基于区域的遥感影像差值分割提取技术研究

根据建筑物在高分辨率遥感影像中“面”的特征,对差值法提取倒塌建筑物技术进行改进,将多阈值分割、类别筛选和数学形态学运算等概念引入差值法后处理过程中,提出基于区域的差值分割提取技术,并将新方法引入到完好建筑物的提取.通过对汶川地震中都江堰市某个街区进行计算,使用改进后的新方法进行评估,并与面向对象的方法和目视判读方法进行...     

基于SEaTH算法的芦山地震无人机低空遥感影像信息对象级分类

在地震这种重大自然灾害面前,快速有效地从遥感影像中提取震区土地利用信息,在灾情评估及灾后重建中发挥着重要作用。选取四川省芦山地震灾区无人机影像为数据源,运用面向对象的影像分析方法,首先研究了多尺度分割中参数的选择,获取了研究区最优分割参数;然后考虑了各个"影像对象"的数字化特征值,利用改进的SEaTH算法进行特征值优化处理;最后采用了隶属度信息提取方法,获得了芦山地震灾区无人机低空遥感影像分类图,并进行了分类精度评估,结果表明:研究区影像的分类总精度为87.5%,kappa系数为0.835。