支持向量机在遥感数据分类中的应用新进展

支持向量机是一种基于统计学习理论的新型机器学习算法,它通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.随着应用面的不断扩大,支持向量机在遥感领域也得到了广泛关注.该算法已经成功的应用于遥感数据的土地覆盖、土地利用分类,多时相遥感数据的变化检测,多源遥感数据信息融合等,并且在高光谱遥感数据处理中得到了广泛应用.综述了支持向量机算法在遥感数据分类中的应用.首先对支持向量机的理论进行简要介绍,进而综述了该算法在不同遥感问题中的应用进展,最后阐述了新型支持向量机算法的发展以及在遥感中的应用.     

卷积神经网络和视觉注意力语义分割模型在高分辨率遥感影像分类中的性能分析

随着深度学习语义分割的快速发展,基于计算机视觉语义分割模型的高分辨率遥感影像分类方法也大量涌现。为系统定量地研究经典的和先进的视觉语义分割模型在遥感影像分类中的性能,在总结深度学习语义分割进展的基础上,选择9种基于卷积神经网络(CNN)和视觉注意力的语义分割算法,对米级和厘米级2个尺度的遥感数据集进行分析研究。在模型构建上基于计算机视觉通用的语义分割框架,训练时采用红绿蓝3波段遥感图像并基于ImageNet预训练权重进行迁移学习训练。研究结果表明：通用的语义分割模型通过常规训练设置进行训练能取得较好的遥感影像分类效果,部分地物的交并比(IoU)可以达到90%以上;基于视觉注意力的遥感影像分类模型的精度普遍高于基于CNN的模型,且MaskFormer能更有效地提取离散的地物信息;不同类别的精度最高值并不全在总体最优模型中,部分会存在于次优模型中;类似的地物在更高分辨率遥感数据集中可以获得更高的精度。     

面向对象的遥感影像承灾体边缘提取方法

承灾体是研究地质灾害的一个重要方面,基于高分辨率遥感影像的地物自动提取将成为地质灾害承灾体识别的重要途径。依据面向对象思想,对高分辨率遥感影像进行分割获得承灾体对象;通过对分割后的图像提取图像梯度,进行二值化,去除毛刺等方法处理,获得完整的承灾体边缘。实验结果表明:提取的承灾体边缘完整且准确,在实际应用中具有广泛的适应性,优于传统的提取方法。     

基于随机补片和DeepLabV3+的建筑物遥感图像变化检测

为有效解决传统遥感图像变化检测预处理复杂的问题,提出一种基于随机补片和DeepLabV3+的建筑物遥感图像变化检测方法。以ResNet50特征提取网络为基础,创建DeepLabV3+语义分割网络,并在图像和标签中创建大小为224像素×224像素的随机补片作为网络输入,训练建筑物提取网络;修改建筑物提取网络输入层为6通道,通过矩阵运算将两期遥感图像转换为一幅6通道非RGB图像,利用转换后的非RGB图像进行网络训练并验证变化检测精度。实验1利用ENVI5.3软件,采用马氏距离法进行变化检测;实验2采用改进的U-Net网络和随机补片,完成网络训练和精度验证;实验3使用实验2的训练数据和验证数据,采用随机补片和DeepLabV3+网络进行变化检测网络训练及精度验证。实验结果表明,该方法实验1、实验2、实验3建筑物变化检测平均交并比分别为24.43%、83.14%、89.90%,边界轮廓匹配分数分别为61.47%,80.24%、96.51%。     

核概率距离聚类方法及应用

研究聚类分析新方法一直是统计学和机器学习研究领域普遍关注的课题。针对概率距离聚类算法不能解决非线性可分聚类问题的缺欠,笔者应用核函数理论将该模型拓展成为一种能够解决非线性可分聚类问题的统计模型,称为核概率距离聚类分析模型。研制出一种应用新模型进行遥感图像非监督分类研究的实施策略和可行算法;在GDAL遥感图像数据输入输出函数库基础上,用VC++语言开发了遥感图像核概率距离聚类分析算法程序;用ERDAS软件提供的一幅7波段491像素×440像素大小的TM图像进行新方法分类应用实验研究。对比了新模型和其原版本的TM遥感图像非监督分类效果,结果表明新模型的非监督分类效果优于原有的分类模型。     

基于国产高分辨率光学遥感影像的水体提取

遥感图像中地表水体同山体、建筑物等地物产生的阴影在光谱特征上存在较高的类间相似性,导致提取过程中容易出现混淆和错分的情况。针对此问题,提出一种基于面向对象和人工蜂群的地表水体提取方法。该方法首先对遥感图像进行分割以获取分割对象的光谱、比率、几何形状等统计特征,以弥补高分遥感图像波段数目少,信息量不足的缺陷;并借助人工蜂群算法在解决复杂问题最优化方面的优势,选取水体同阴影二值分类的几何平均正确率作为算法的适应度函数,最终获取地表水体的最优化提取规则。选取厦门市大嶝岛和湖南省资兴市部分区域,基于国产高分一号、二号遥感数据进行水体提取,并与传统SVM分类结果进行比较。实验结果表明本算法提取水体的总体精度和Kappa系数均优于传统SVM分类器,表明该方法可应用于高分遥感图像的地表水体提取。     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

岷江流域无人机遥感影像拼接及灾害信息提取

针对无人机遥感影像的特点,提出了一种基于特征点和重叠度的快速自动拼接算法.该算法实现了用于计算参考图像和待配准图像之间重叠度的相位相关法,并提出只在重叠区域中进行特征提取和特征匹配的方法.利用岷江流域无人机遥感图像进行了实验,结果表明,该算法使图像拼接有效地防止了图像非重叠区域中信息对算法的干扰,提高了拼接算法的精度和速度.并利用拼接的图像对茂县至都江堰的岷江主干河流进行了灾害信息提取和统计分析,为建立无人机高分辨率低空遥感数据的快速处理和应急灾害信息提取具有重要的指导意义.     

基于FPN Res-Unet的高分辨率遥感影像建筑物变化检测

针对城市土地资源变化检测工作繁杂、工作量大、自动化程度低等问题，本文提出一种基于深度学习模型的高分辨率遥感影像建筑物变化检测方法，将语义分割的思想引入到遥感变化检测。基于残差结构特征较卷积层提取性能更优和特征金字塔网络多尺度预测的特点，将残差结构和特征金字塔网络融合到Unet模型中，建立FPN Res-Unet模型。该模型以Unet为基础，引入ResNet18的残差结构作为编码路径特征提取层，在每次卷积后使用边界填充，使得输入图像和输出图像尺寸一致；在解码路径每级上采样过程中，拓展支路径将特征金字塔网络融合到模型的网络主干中，将残差结构、Unet及特征金字塔网络的优点相互融合，增强了Unet的特征提取，弥补了语义分割网络对小目标检测的欠缺；在获取深层语义信息的同时关注细节信息，提高建筑物变化检测精度。实验表明，该方法在所用数据集，准确率、召回率、F₁ 3种指标均达到90%以上。     

应用OB-HMAD算法与光谱特性的遥感图像动态变化检测

在对图像动态变化情况进行检测的过程中,对原始图像的分割精度较低,导致检测结果存在较大误差。为此,应用OB-HMAD算法与光谱特性,进行自然资源遥感图像动态变化检测。在计算了影像各波段的光谱异质性和形状异质性特征值参量后,结合各波段对应的权重系数,考虑自然资源遥感图像的光谱异质性和形状紧凑度、形状平滑度,利用OB-HMAD算法对自然资源遥感图像进行多尺度分割处理。在图像动态变化检测阶段,根据自然资源遥感图像变化与光谱特征参数之间的关系,计算了各分割图像的曲率参数,通过计算曲率参数之差完成对目标图像参数动态变化的计算。实验结果表明,该方法应用下,图像NDVI、RVI和SAVI变化量的检测结果与实际值的误差分别仅为0.000 9,0.005 7和0.004 8。以上数据证明该方法完成了遥感图像动态变化检测,且检测效果较佳。     

引导滤波联合局部判别嵌入的高光谱影像分类

高光谱遥感影像分类是高光谱遥感影像处理和应用的重要组成部分。然而,高光谱遥感影像具有波段数量较多和空间分辨率较高等特点,给分类任务带来一定的挑战。为了提高分类精度,充分利用影像的空间信息和像素间的局部信息,提出一种引导滤波联合局部判别嵌入的高光谱影像分类方法。首先,对高光谱遥感影像进行归一化,利用主成分分析方法实现特征提取,将提取的第一主成分影像作为引导图像;其次,采用引导滤波分别提取各波段影像的空间特征;然后,将提取的空间影像特征进行叠加,通过局部Fisher判别分析完成低维嵌入;最后,将得到的低维嵌入特征输入支持向量机分类器得到分类结果。采用Indian Pines和Pavia University两幅高光谱影像进行实验的结果表明：在分别从各类地物中随机选取10%和100个样本作为训练样本的情况下,其总体分类精度分别提高到98.28%和99.45%;对比其他相关方法,该方法能够获取更高的分类精度。该方法在低维嵌入的同时,有效利用了影像的空间信息,改善了分类效果。     

草地植被盖度的多尺度遥感与实地测量方法综述

植被盖度作为一个重要的生态学参数被用在许多气候模型和生态模型中。地表实测和遥感测量是获取植被盖度的两种基本途径。以草地植被盖度的测量为研究对象,综合讨论了目前地表实测和遥感测量常用的方法,分析了它们的优缺点,并对如何提高草地植被盖度的测量精度做出展望。数码相机、高光谱遥感以及多尺度遥感数据的综合使用可能是未来草地植被盖度测量发展的趋势。     

高分辨率遥感在西藏罗布莎地区地质调查中的应用

研究区位于西藏罗布莎地区,其罗布莎蛇绿岩体蕴藏着我国目前规模最大的铬铁矿床。以WorldView-2高空间分辨率遥感数据为基本信息源,对研究区进行遥感地质解译。与传统多光谱数据ETM+、ASTER等相比,WorldView-2具有更高的空间分辨率和相对较窄且连续的光谱。对研究区WorldView-2图像进行正射校正、大气校正和影像融合后,采用最佳指数法选择8-6-4波段组合进行假彩色合成,同时结合真彩色5-3-2波段,突出各地质体单元色调差异。我们利用其空间分辨率优势建立区内主要岩性和构造的高空间分辨率遥感解译标志。通过野外地质验证,解译结果充分显示了WorldView-2高分辨率影像在海拔较高、工作环境恶劣地区进行矿产资源勘查的技术优势和应用前景。     

Fine classification of construction land using high-resolution remote sensing images: a case study in planning restricted zone of nuclear power plant

Detailed construction land information plays a significant role in monitoring planning restricted zone of nuclear power plant and ecological environment protection. This study focuses on developing fine classifying method of construction land in planning restricted zone of nuclear power plant using high spatial resolution GF(GaoFen)-1 remote sensing images. The object-oriented classification method is used in this study; the important process of which is image segmentation and classification. Multi-scale segmentation method, rule-based decision tree, and the nearest neighbor classifier are used in classifying construction land classes, i.e., road, industrial, and residential. An optimal segmentation scale is crucial to image segmentation in object-oriented classification. Instead of laborious trial-and-error experiments for optimal image segmentation, the change rates of the local variance in the homogeneous region are calculated to get the optimal segmentation scales. Multi-level classification strategy is used in the following classification. Rule-based decision tree is used to classify road and water, vegetation and non-vegetation, and industrial and residential. And the nearest neighbor classifier is used to classify cropland and forest within the vegetation land use type. The accuracy assessment result shows that the overall accuracy is 89.67% and Kappa coefficient is 0.85 for object-oriented classification, which is much higher than pixel-based maximum likelihood classifier (overall accuracy is 79.17% and Kappa coefficient is 0.74) and support vector machine classifier (overall accuracy is 74.16% and Kappa coefficient is 0.68).     

基于边缘特征的遥感影像小波变换融合法

如何将不同空间分辨率遥感影像合理有效地融合在一起,保持原始多光谱影像的光谱特性,提高影像的分类精度和空间分解力,这是遥感影像数据融合处理的热点研究问题。在对原始遥感影像进行小波变换的基础上,提取高空间分辨率影像边缘特征信息,并与原始多光谱影像进行了融合处理。以IRS、SPOT和ETM卫星影像为资料进行实验,结果表明,该方法在提高影像的空间分辨率的同时,能够很好地保持影像的光谱特性,尤其在空间分辨率差异较大的影像融合中,该方法在保持影像光谱特性方面要优于其他的融合方法。     

面向对象的遥感图像分类方法研究

影响遥感图像分类效果的主要因素之一是空间分辨率。通过融合多分辨率遥感图像,引入面向对象的思想,有效地克服了多光谱图像空间分辨率低的问题。该方法由图像分割和分类等一系列技术组成,首先用基于区域分割法则对正射校正SPOT图像进行分割,然后把它作为参考用最大似然法分类器和其他一些经验规则对TM图像进行分类。对土地覆盖图分类进行精度测试,取得了良好的应用效果。     

遥感与GIS技术支持下的机场选址与工程地质分析

研究将“3S”技术（RS、GIS、GPS）应用到机场地址勘察中,主要是采用现代化遥感技术,以最新遥感图像LANDSATETM（最高空间分辨率15m）,SPOT图像（2．5m）和QUICKBIRD图像（0．61m）等作为信息源,通过遥感图像数据融合、数字镶嵌和影像增强等数字处理,制作不同类型、不同波段和不同分辨率的正射遥感影像及正射影像地图,为机场工程地质勘察提供最佳图像资料。通过遥感图像增强处理、信息提取及GIS空间分析等,对研究区的地质构造,地质灾害等进行解译。并借助GPS进行野外现场调研,查明研究区地质构造的特征,尤其是隐伏断裂、活动性断裂的分布,以及岩溶漏斗、洼地等水文地质现象,为小哨机场工程地质勘察工作提供了基础资料。     

An unsupervised multi-scale segmentation method based on automated parameterization

The continuous improvement of the launched satellites’ spatial and spectral resolutions has brought new challenges for remote sensing image segmentation technology. The traditional supervised methods greatly depend on artificial interpretation and reduce the degree of automation and robustness of image segmentation. Therefore, the article proposes a novel unsupervised multi-scale segmentation method for high-resolution remote sensing images based on automated parameterization and it mainly includes three steps, adaptive selection of scale parameter (SP) based on local area homogeneity index J-value, multi-scale segmentation based on the inter-scales boundaries constraint strategy, and region merging based on multi-features. The article makes experiments by multi-group high-resolution remote sensing images of different launched satellites and compares the proposed method with the well-known commercial software eCognition and a traditional supervised method. The results show that the proposed method can locate the object edges more accurately and extract the object outlines more completely, and needs no human intervention in segmentation process, so it can provide a generic and effective unsupervised solution for high-resolution remote sensing image segmentation.     

A review of applying second-generation wavelets for noise removal from remote sensing data

The processing of remotely sensed data includes compression, noise reduction, classification, feature extraction, change detection and any improvement associated with the problems at hand. In the literature, wavelet methods have been widely used for analysing remote sensing images and signals. The second-generation of wavelets, which is designed based on a method called the lifting scheme, is almost a new version of wavelets, and its application in the remote sensing field is fresh. Although first-generation wavelets have been proven to offer effective techniques for processing remotely sensed data, second-generation wavelets are more efficient in some respects, as will be discussed later. The aim of this review paper is to examine all existing studies in the literature related to applying second-generation wavelets for denoising remote sensing data. However, to make a better understanding of the application of wavelet-based denoising methods for remote sensing data, some studies that apply first-generation wavelets are also presented. In the part of hyperspectral data, there is a focus on noise removal from vegetation spectrum.     

基于多源遥感数据的融合算法变换效果对比研究

随着多源遥感影像融合技术的成熟发展,如何提高高分辨率遥感数据的利用效益和使用质量已经成为影响其应用效果的瓶颈问题.针对QucikBird-2高分遥感数据光谱分辨率不足等问题,结合ASTER多光谱遥感数据,引入3种融合方法：主成分分析（PCA）融合、小波PCA融合和基于小波的IHS（色度、亮度、饱和度变换）融合,实现了对多光谱图像和高分辨率图像的融合,得到了多光谱高分辨率影像,使得在增强影像空间分辨率的同时也尽可能地保留了影像的多光谱信息.最后对3种融合方法的结果进行了定性和定量评价.