基于多分类器组合的高分辨率遥感影像目标识别

研究多分类器组合的形式及其在目标识别中的应用.设计和实现了基于多分类器组合从高分辨率遥感影像中提取目标的具体方法.以楼房的识别与提取为例,选用QuickBird高分辨率影像,利用投票法、加权求和、完全一致规则及或运算合并等多分类器组合方法进行目标识别,比较了多分类器系统与单一分类器的精度与性能,从理论和实验两方面分析了多分类器组合用于目标识别的精度影响因素,提出了相应的改进策略.实验表明,在采用合理的组合规则下,多分类器组合能使目标识别结果达到高识别率和高置信度.     

无人机遥感在红树林资源调查中的应用

低空无人机（UAV,Unmanned Aerial Vehicles）遥感系统具有数据采集灵活、低成本且可快速获取超高分辨率影像的特色,是传统航空遥感和卫星遥感的重要补充。以广东省和广西壮族自治区交界处的英罗港港湾两侧为研究区域,将无人机遥感系统用于红树林资源的遥感调查,通过无人机航拍获取高分辨率影像,并且使用拼接的影像和目视解译方法提取红树林空间分布信息,进一步选择典型研究样地,采用面向对象的最近邻分类方法对红树林树种类型进行分类研究,并对比综述了无人机遥感和常规航空航天遥感技术对红树林资源调查监测的优缺点,无人机遥感系统非常适用于红树林资源调查。通过2 h 30 min的3架次无人机航飞工作,获取了研究区域25.29 km²的无人机影像,基于无人机影像和面向对象遥感分类方法提取的红树林空间分布信息精度超过了90%。未来无人机遥感系统将可成为调查和监测红树林资源的重要技术手段,可为相关管理部门对红树林资源的保护、管理、开发等方面的工作提供基础信息和技术支持。     

基于无人机可见光遥感影像的救灾帐篷信息提取

在分析救灾帐篷的光谱和形状特征基础上,将基于像元和面向对象分类方法相结合,提出一种针对无人机可见光遥感影像的救灾帐篷信息提取方法。首先基于帐篷初始样本在三维光谱空间中的范围对图像进行快速二值化初分类,通过聚类与尺寸滤波消除噪声图斑对后续信息提取的影响;然后引入不同结构模板的邻域分析和形态学方法还原对象空间形状,针对遥感影像的第一主成分,提取分割对象的光谱均值、局部二值模式对比度(LBP Contrast)均值、长轴长等特征;最后利用基于径向基函数(RBF)的支持向量机(SVM)分类方法完整提取救灾帐篷。以灾后常用的0.2m无人机可见光遥感影像为例的实验结果表明,救灾帐篷识别率高达95.5%。该方法运算效率高,克服了蓬顶内部异质性和相似物的影响,对于利用无人机可见光遥感影像开展救灾帐篷的检测与分析具有参考价值。     

基于低空无人机的草原灌丛遥感辨识方法

以位于中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台为研究区，基于低空无人机遥感影像，结合实地调查，开展草原灌丛遥感辨识方法研究。通过对灌丛、草地和裸地归一化植被指数（NDVI）的方差统计分析，确定了裸地与植被的分割阈值为-0.08，并使用该阈值提取植被覆盖区，然后分别利用面向对象的决策树（DT）、贝叶斯（Bayes）、K最邻近（KNN）、支持向量机（SVM）机器学习分类器进行灌丛辨识。研究表明：借助Estimation of Scale Parameter（ESP）最优分割尺度评价工具可以快速确定分割参数，获取灌丛、草地影像对象；利用特征空间优化工具选取了18个的对象特征，可以有效避免盲目选择而导致的计算量增大；通过对不同分类器分类结果的对比和样本数量敏感性实验得出：Bayes分类器精度稳定、无需设置参数，灌丛分类精度最高，总体精度和Kappa系数分别达到92%和0.83，结果与影像地物嵌合最好，能够精确识别单株灌丛；根据Bayes分类器分类结果统计得研究区灌丛盖度为14.74%，平均冠幅为0.6 m²，与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同，因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。     

基于高分一号影像的土地覆被分类方法初探

高分一号是我国发射的第一颗高分辨率卫星,其包含地物信息较为丰富,较多的应用于土地覆被分类中,但高分影像普遍存在基于像元分类精度稍低的问题,为了提高遥感影像的分类精度,基于高分一号影像,以新疆艾比湖湿地保护区为研究样区进行土地覆被分类研究。利用灰度共生矩阵方法提取图像的纹理信息,并将结果作为参数量输入到支持向量机(SVM)分类器中,将研究结果与传统的SVM分类及最大似然分类法作对比分析可得:辅以纹理特征的SVM分类方法可更好的区分地物信息,分类精度高达93.64%;传统的SVM分类精度为92.27%;最大似然分类为87.90%;因地制宜的开展辅以纹理特征的SVM分类方法是提高土地覆被监测精度的有效手段。     

基于纹理特征与LSSVM的青土湖地物提取

纹理特征作为一种非光谱信息能够增强地物之间的特征差异,这对于高分辨率遥感影像的地物提取有着重要意义。以青土湖为研究区,以Worldview-2影像为数据源,通过引入权重因子定义联合概率函数来确定最佳窗口尺度,利用灰度共生矩阵提取最佳窗口尺度下的纹理特征,将其与原始遥感影像合成,采用最小二乘支持向量机（LSSVM）进行地物提取,将提取结果与仅利用光谱信息的支持向量机（SVM）提取结果、辅以纹理特征的SVM提取结果对比分析。结果表明：此方法可以更加快速准确地提取青土湖地物,精度高达85.86%,优于仅利用光谱信息的SVM的65.13%,辅以纹理特征的SVM的73.45%,可为地物破碎的干旱区高分辨率遥感影像地物提取提供有益借鉴。     

一种基于特征点的无人机影像自动拼接方法

论述了当前无人机影像快速拼接可选用的方法及可行性,将稳健的SIFT算法引入无人机影像自动拼接中,分析了该算法各阶段所消耗的时间.结合无人机自身的特点对算法进行改进,在进行特征点提取前通过估算相邻影像间的重叠度缩小了搜索范围;进行尺度空间极值点探测时通过实验获取了适应于无人机影像的最优高斯核尺寸,克服了传统SIFT算法采用固定核尺寸方法的缺陷,既减少了时间消耗,又尽可能多地获得了特征点,最后应用LM方法求得精确变换矩阵,完成了影像镶嵌.实验结果表明,该算法对无人机影像拼接具有较好的适应性,在保证算法鲁棒性的同时,提高了精度和效率.     

一种改进的遥感影像面向对象最优分割尺度计算模型

面向对象的影像分析方法能够充分利用高分辨遥感影像信息,有效提取目标信息.分割尺度的选择是面向对象影像分析方法的核心问题.该文采用样本控制的方法,构建了基于面积和周长的分割对象样本一致性评价因子,针对不同的信息提取目标,提出一种改进的遥感影像面向对象最优分割尺度计算模型,并验证了其优越性.     

基于改进SURF算法的无人机遥感影像快速拼接

为了及时、准确地反映测区情况,需要在拍摄现场将获得的无人机遥感影像进行实时拼接.基于SURF的无人机遥感影像拼接算法具有尺度和旋转不变性,拼接效果较好,但该算法稳定性较差,拼接过程中大量误特征点被提取出来,导致计算量大、匹配效率低,无法满足实时拼接的要求.该文首先利用SURF算法粗提取特征点,然后利用RANSAC算法剔除被误提取的特征点,实现特征点的快速匹配和图像实时拼接.实验结果表明该文的算法不但可以得到很好的图像拼接效果,而且极大地提高了拼接效率.     

基于高空间分辨率遥感影像的湿地信息提取技术研究

如何利用遥感技术获取高精度的湿地信息是湿地遥感研究中的重要内容之一.基于高空间分辨率的遥感影像数据,研究利用面向对象的分类方法,综合利用遥感数据的光谱信息、纹理特征、拓扑关系等信息进行多尺度分割,通过对对象的目视解译建立隶属度函数,并结合最邻近分类法,获取湿地信息.并以福建省闽江口湿地为例,采用高分辨率的SPOT5影像数据,研究表明：利用面向对象的方法对SPOT5遥感影像进行湿地信息的提取精度达到90.40%,为湿地信息的提取又提供了一个有效的方法.     

地学应用中的遥感图像处理若干问题的分析

遥感技术在地理学应用中是如何从遥感影像上直观、准确的得到所需的信息,为本专业服务。文章从地学应用部门在进行遥感影像处理时遇到的几个问题:多光谱数据的选取与合成;多源信息的复合;新型图像分类器的应用;专题提取的精度等方面的进展作了分析。     

基于LandSat8 OLI数据的山区阴影信息检测与提取

为快速获取山区遥感影像上的阴影干扰区域,探究一种简便、高效、精确的遥感影像中阴影干扰区域的方法,具有重要的意义。以福建省长汀县为研究区域,搜集2016年3月美国陆地卫星影像数据与ASTER影像计算的GDEM V2产品。基于土地利用分类体系测量的6类地面物体光谱信息与影像波段信息,优选影像的光谱波段并重新组合;选取Sinh函数与Max函数建立c!算法,对LandSat8 OLI影像进行差异化计算,通过二分式判别规则初步提取阴影区域;加入由数字高程模型计算的坡度信息,剔除水域与坡度较为平缓的地物等干扰信息,精确提取山区阴影区域。设立网格随机设置精度验证点验证精度,最终总体精度达到99.06%,Kappa系数为0.98。结果表明,实验方法对于LandSat8 OLI影像提取阴影可行性高,检测效果与提取结果较c3算法与SVI指数更好。     

利用无人机影像进行山区土地利用信息动态监测

彭州地处成都平原与龙门山的过渡地带,土地利用状况具有强度高、类型多、复杂度大的特点,土地类型变化非常快。同时,"5·12"汶川大地震严重破坏了该区域的生态环境,这场大灾难导致了地震灾区土地利用在类型和结构上都发生了巨大变化。因此,如何快速的获取最新的土地利用信息对于灾后重建及政府决策具有重要意义。利用无人机高空间分辨率影像作为数据源,首先引入SIFT算法完成了无人机影像的自动拼接,然后采用面向对象的分析技术获取了两期无人机影像的土地利用类型,着重研究了影像最优分割尺度的获取,最后建立了土地利用动态监测系统获取了两期土地利用信息的变化量,提出了一种适用于四川盆地多云雾山地区域土地信息动态监测方法。通过对实验区两期影像的分析研究,快速获取了各类型地类的变化量,并对变化原因进行了分析。研究结果表明:利用无人机影像进行土地利用动态监测能克服多云雾山地区域卫星影像难以实时获取问题,能快速、高效的获得土地变更信息。     

遥感影像屏幕数字化高效方法研究--显著地物的矢量跟踪方法

主要针对遥感影像屏幕数字化效率较低问题,提出了显著地物矢量跟踪方法：包括显著地物的分析、遥感影像数据的预处理、显著地物信息的人机交互提取、显著地物的矢量跟踪等步骤,并利用辽宁省东部新宾县ＴＭ遥感影像对此方法进行了应用与验证。     

遥感与神经网络相结合的潮滩地形模拟方法

潮滩地形资料的获取是开发利用潮间带资源的第一步。以纳潮盆地为实验对象,从遥感影像面状信息入手,提取并组合影像中的信息,采用遥感与BP人工神经网络相结合的方法,构建遥感光谱信息、地貌特征与潮滩高程信息之间的关系模型。结果表明:在遥感光谱信息基础上,引入纳潮盆地纵、横剖面地貌特征因子的神经网络模拟效果更好;将潮滩滩面与潮水沟分别进行网络建模,生成地形,平均绝对误差达0.299m,这说明,神经网络在模拟高程起伏较大的区域时精度较低,适当降低神经网络输入数据的复杂度有利于改善网络的模拟精度。     

基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究

新疆荒漠地区植被覆盖度遥感估算模型十分缺乏，给荒漠化监测等相关工作带来很大不便，开展植被覆盖度遥感估算经验模型研究，对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍，利用无人机遥感提取（光合）植被信息，并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应，获取在高分辨率卫星影像像元尺度上的植被盖度，然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系，建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法，可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因，所建立的遥感估算模型的估算精度尚相对偏低，有待于今后进一步的工作加以改进。     

面向对象解译方法在遥感影像地物分类中的应用

针对高分辨率遥感影像快速高效萃取有用信息这一遥感技术应用的热点问题,探讨了基于面向对象(Object-oriented)解译方法的遥感影像自动及半自动解译和提取的新思路.文中分析了面向对象解译方法在地物信息分类应用中的优势,并提出了基于此方法的高分辨率遥感影像多尺度信息提取技术流程.具体结合广州市新白云机场开发区IKONOS高分辨率遥感数据进行地物快速提取、自动分类的试验,并对解译效果进行了评估分析,证明此方法在高分辨率遥感影像地物分类中确实高效可行.     

基于ASTER影像的近海水产养殖信息自动提取方法

水产养殖地已经成为海洋环境监测的热点目标之一。采用具有高光谱分辨率和较高空间分辨率(15m)的ASTER遥感影像,以九龙江河口地区为研究示范区,进行近海水产养殖信息的自动提取方法研究。结果表明,利用ASTER影像的光谱信息和水产养殖地的纹理结构信息,可以实现近海水产养殖地的自动提取。先利用监督分类方法提取混淆有其他水体的水产养殖信息,采用邻域分析来增强水产养殖地的空间纹理信息。通过综合监督分类和水产养殖地空间纹理增强的结果,在专家决策分类器中建立决策规则,进行水产养殖地的自动提取,提取的精度达93%。     

基于SPOT5遥感影像的土地分类信息提取

近年来,随着现代遥感技术的发展,高分辨率、多波段、多时相、周期性的遥感卫星不断更新,如:SPOT、IKONOS、Quick Bird等,为土地分类信息的提取提供了丰富、可靠、高精度的基础数据源信息。本文选取陕西省三原县部分地区作为试验区,探讨利用SPOT5遥感影像进行土地分类信息提取,对数据预处理、遥感影像分类方法的选取及分类结果精度的评价等问题进行了探究,采用最大似然法,通过计算机自动分类对SPOT5遥感影像土地分类信息进行提取。实验证明,将SPOT5遥感数据应用于土地信息类型的提取可以极大地提高影像分类的效率,得到较好分类效果。     

基于多通道数据融合的无人机遥感影像地物目标提取方法

针对仅使用无人机遥感RGB影像进行目标检测时精度不高、高程信息利用不足等问题,该文采用通道叠加和类IHS变换两种多通道数据融合方法对RGB影像与高程数据进行融合,使用DeepLabv3+卷积神经网络语义分割模型提取两种融合影像地物目标,并与RGB影像提取结果进行对比分析.结果表明,基于上述两种融合影像的地物目标识别精度高于仅使用RGB影像的识别精度,其中通道叠加影像的整体像素精度、平均像素精度和Kap-pa系数分别提高了3.52％、1.42％ 和14.99％.由于不同地物目标与周围地物的高程差不同,致使各融合方法对不同地物目标识别精度的提升效果不同,道路、建筑和地面识别精度的提升效果较好.