面向土地利用分类的HJ-1 CCD影像最佳分形波段选择

环境一号卫星（HJ-1）CCD影像光谱波段较少,地物之间的准确分类识别有一定困难。采用分形纹理辅助地物分类识别是一种有效方法,而波段选择是提高分类识别精度的关键。本文以江西赣州定南县土地利用分类为例,采用双毯覆盖模型对HJ卫星CCD影像6类典型地物的波谱分形特征进行了分析,利用不同地物在不同波段上的分形区分度差异构建了最佳分形波段选择模型,并利用该模型挑选出最佳分形波段来辅助土地利用分类,最后对分类结果进行检验。结果表明：最佳分形波段选择模型能够综合权衡不同地物在不同波段上的分形区分度差异,利用挑选出来的最佳分形波段来辅助分类,其分类总体精度相对于原始影像分类提高了11.77%,相对于第1主成分分形辅助下的分类提高了1.56%。     

基于高分六号红边特征的面向对象桉树人工林信息提取

有效监测桉树林空间分布对区域生态环境保护及有关部门的统筹决策具有重要指导意义。本文在现有研究的基础上,以国内首个提供红边波段的多光谱高分六号（GF-6）卫星影像为数据源,选取广西鹿寨县为典型研究区域,结合光谱特征、植被指数特征和红边特征,设计不同特征组合分类方案,采用面向对象多尺度分割方法,对不同尺度层分别构建隶属度函数和CART决策树模型以进行分类提取桉树人工林信息。试验结果表明,红边特征在CART决策树模型构建中具有重要影响,融入GF-6红边特征能有效提高桉树人工林分类提取精度,总体精度达到91.75%,相比仅采用传统波段和植被指数的分类方案,精度提高了11.25%。本文研究结果在利用国产卫星红边波段识别提取桉树人工林方面具有重要的理论意义和实用价值。     

基于谱间特征分析的城市建筑用地信息提取

以2003年某地区QuickBird多光谱影像为数据源,首先分析建筑用地及其他地物在QuickBird卫星影像4个波段上的光谱特征,并由此探讨其在光谱特征上的可分性。研究发现对于建筑用地等地物类型,波段2和波段4的光谱特征对比度最大,因此通过简单的波段比值运算可最大限度地增强该类地物的亮度。在此基础上,通过分析水体、裸露地的波谱特性,建立基于光谱特征的决策树模型,对研究区域建筑用地进行提取并对结果进行精度评价,结果表明,该方法总体提取效果较好。因此利用该模型可以将背景地物类型复杂的某地区建筑用地信息提取出来,并且模型受时相影响较小,只是在阈值大小上会存在一些差异。     

FY-2红外云图中强对流云团的短时自动预报算法

目前气象预报业务中,预报员主要借助卫星云图,定性判断云团的移动趋势,缺乏形式化的定量评判方法。本文基于FY-2C与FY-2D的高时间分辨率的近红外影像(10.3—11.3μm),采用亮温和面积阈值方法进行云团识别,然后根据最大相关系数云团匹配技术进行追踪,系统地实现强对流云团的自动临近预测。实验结果表明,本文提出的最大相关系数追踪比传统的交叉相关系数法具有更高的匹配精度和运行效率,而且研究发现云团质心外推明显优于最低亮温外推,平均亮温、面积、圆形度对云团的分裂合并有较好的指示作用,经列联表法检验,本文提出的自动识别追踪技术具有较高预测精度和预测时效,并且为卫星云图业务化应用提供了定量科学依据。     

基于多特征U-Net网络的工程活动图斑快速识别

为有效监测具有填挖、采剥等行为的工程活动情况,本文提出了一种用于像素级露天工程活动图斑提取的遥感多特征语义分割模型。该模型以高分二号(GF-2)光学遥感影像为数据源,采用U-Net深度神经网络架构,通过人工标注构建了反映露天工程活动的影像样本集,并提取样本的多维特征投入模型进行训练,从而实现了工程活动图斑的快速识别。试验结果显示,本文方法对露天工程活动图斑的总体识别精度可达87.36%,平均精度达86.78%,优于KNN、SVM两种传统分割方法,为工程活动自动化监管提供了技术参考。     

多尺度特征融合神经网络的地表覆盖提取

深度学习的快速发展,为高分辨率卫星遥感影像解译提供了更好的技术手段和应用前景。围绕高分卫星遥感影像地表覆盖信息提取,利用高分辨率卫星遥感影像制作5种常见的地表覆盖类型的像素级样本数据集,并提出一种基于注意力增强与多尺度特征融合的语义分割方法,实现地表覆盖自动提取。通过影像波段选择、预训练模型迁移学习、损失函数改进等方法,提升语义分割模型识别精度,最优的提取结果中,5种地表覆盖类型的F₁均值、IoU均值和总体精度分别达到了78.6%、66.8%、85.0%,除道路之外,耕草、林地、建筑、水体的F₁均超过80%,且分类图斑边界能够与影像中的地物边界很好套合。实验表明建立的卫星影像地表覆盖分类样本数据集和分类方法,能够应用于高分辨率卫星影像地表覆盖信息提取。     

基于波段组合的高光谱数据湿地分类研究

对高光谱数据进行波段组合,可以减少信息量的冗余,提高数据的处理速度。对黄河口入海口湿地进行分类,对合理利用、开发保护该地区湿地资源具有重要意义。本文首先分析了“珠海一号”高光谱数据各个波段的信息量及波段之间的相关系数,然后利用最佳波段指数(OIF)方法选出波段组合B7-B8-B32,进一步在OIF基础上设置信息量与相关系数阈值,选出波段组合B7-B18-B32,实验结果证明分类精度提高了5.4%。最后,根据地物的光谱特征分析,选择光谱差异较大的波段进行组合B6-B13-B18,分类后精度比OIF筛选出的波段组合精度高12.6694%。经实验验证,结合地物光谱特征的波段组合可以大大提高分类精度。     

一种结合特征拟合的水域信息提取方法

针对干旱半干旱区水域的重要性,开展基于环境减灾卫星的水环境遥感识别监测已成为目前水资源领域中的重要任务。该文利用LBV变换能显著突出地物信息的这一特征,以环境卫星为数据源探讨LBV变换方法。在分析L、V、B3类分量的基础上,以V-B及L-B为特征空间,结合波段阈值、二维散点分布与回归拟合方法,识别研究区的水域分布信息。结果表明,使用单一B分量阈值法能较完整地提取出水域信息。利用水体集群聚集程度高的方式提取的水体信息,在V-B及L-B特征拟合下也能完整地提取研究区内的水域信息。比较3种水体信息提取方法,无论是在误提取率还是在水体提取精度上,L-B特征拟合方法提取的效果最好,其次是V-B特征关系,B分量阈值法提取精度最低。     

SPOT卫星影像居民地信息自动提取的决策树方法研究

以南京市江宁县为研究区域，首先分析了该区域居民地的影像特征，然后研究了居民地及其背景地物在SPOT—4(Ⅺ)卫星影像4个波段上的光谱特征，并由此探讨了它们在光谱特征上的可分性。研究发现，除道路在光谱特征上与居民地差异不大而难以完全分开外，其它背影地物均可以依据各波段亮度值的大小关系或适当的阈值与居民地分开。但道路和居民地在形状上存在明显差异，因此可以利用形状指数的差异加以去除。最后分析建立了基于光谱特征和形状特征的简单决策树模型，对研究区域居民地信息进行了提取并对结果进行了精度评价。结果表明，该方法的总体提取效果较好，特别是对于面积大于10000m^2的城镇和集村。其提取精度与通常的监督分类方法相比有了很大的提高，只是在水际交界处和道路两侧有误判现象。因此，利用该模型可以将背景地物类型复杂的江南地区的城镇和集村居民地自动提取出来，并且模型受时相影响较小，只是在域值大小上会存在一些差异。     

基于多分类器集成的GF-1影像围填海地物识别

围填海是人类获取海洋资源的重要方式。监测围填海的变化是海岸带管理、海岸带演变研究中一项非常重要的任务。然而,围填海地物复杂多变,给利用遥感技术监测围填海带来困难。为此,通过构造识别地物类别的10个特征因子(GF-1的Band1—4波段的均值特征、波段均值的均值、对象面积、对象周长、外接矩形面积、对象面积与外接矩形面积之比和对象周长与对象面积之比),提出一种识别GF-1影像中围填海地物的多分类器集成算法;对特征因子进行集成,构建出单个特征分类器模型、光谱特征分类器模型、形态特征分类器模型和所有特征集成分类器模型4种组合特征分类器模型;对每种分类器模型进行试验研究,并对比分析4种集成模型的多分类器围填海地物识别精度。结果表明,单个特征分类器模型识别精度最高达到82.03%,光谱特征分类器模型识别精度为63.28%,形态特征分类器模型识别精度为87.50%,所有特征集成分类器模型识别精度为80.47%。本研究结果可为监测围填海变化提供较好的解决方案。     

基于对象特征的遥感影像分类

为了有效地实现分类识别,采用多尺度分割后影像为数据源,通过计算影像对象特征,实现特征集构建,并对特征集进行特征提取,辅助决策树的特征选择方法,达到特征优选的目的,针对影像对象的特征实现对TM影像的分类,实验表明该方法较一般的特征提取方法精度大幅提高,且完成可视化特征提取的重要任务。     

利用融合纹理与形态特征进行地震倒塌房屋信息自动提取

提出了一种以震后单一时相高空间分辨率光学遥感影像为基础,融合纹理特征和形态特征的地震倒塌房屋自动提取方法,研究了不同尺度纹理特征和形态特征在倒塌房屋提取中的作用和表现。以5.12汶川地震作为研究实例,结果表明,本方法能够有效提取地震倒塌房屋。倒塌房屋产品精度和用户精度分别为86.65%和86.35%,Kappa系数为0.790 6。     

单变量特征选择的苏北地区主要农作物遥感识别

遥感识别多源特征综合和特征优选是提高遥感影像分类精度的关键技术。农作物遥感识别中,识别特征的相对单一和数量过多均会导致作物识别精度不理想。随机森林(random forests)采用分类与回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。单变量特征选择(univariate feature selection)能够对每一个待分类的特征进行测试,衡量该特征和响应变量之间的关系,根据得分舍弃不好的特征,优选得到的特征用于分类。本文基于随机森林和单变量特征选择,利用多时相光谱信息、植被指数信息、纹理信息及波段差值信息,设计多组分类实验方案,对江苏省泗洪县的高分一号(GF-1)和环境一号(HJ-1A)影像进行分类研究,旨在选择最佳的分类方案对实验区主要农作物进行识别和提取。实验结果表明:(1)多源信息综合的农作物分类精度明显高于单一的原始光谱特征分类,说明不同类型特征的引入能改善分类效果;(2)基于单变量特征选择算法的优选特征分类效果最佳,总体精度97.07%,Kappa系数0.96,表明了特征优选在降低维度的同时,也保证了较高的分类精度。随机森林和单变量特征选择结合的方法可以提高遥感影像的分类精度,为农作物的识别和提取研究提供了有效的方法。     

突出边缘特征的图像融合方法研究

介绍了像素级图像融合及特征级图像融合方法,分析了两种融合层次的优点。在此基础上,提出了两种突出边缘特征的图像融合方法,两种方案均对人们感兴趣的边缘特征进行增强,并在融合过程中考虑了边缘提取时的假边缘和双边缘情况。实验结果显示,边缘增强方案1提高了边缘定位的准确性,边缘增强方案2有效解决了方案1中融合影像缺少空间细节信息的问题。两种方案有效地增强了融合后图像的边缘特征,有利于图像的后续判读及图像识别。     

Feature Definitions in Feature Catalogues

Abstract

First, an overview of the main terms used in the paper is presented, such as feature catalogue, object, feature, and so on. Then INSPIRE (INfrastructure for SPatial InfoRmation in Europe) Directive, STOKIS (Slu?beni topografski i kartografski informacijski sustav RH), ATKIS (Amtliches topographisch-kartographisches Informationssystem) and FACC (Feature and Attribute Coding Catalogue) are explained. The main section of the paper refers to the problem of defining features in feature catalogues. Adequate solutions to this problem are offered on the basis of conducted research. An overall acceptable model for feature definition is offered. The importance of the proposed model for defining features is explained on the feature ‘avenue of trees’. The research results are applicable in countries attempting to create their first feature catalogues with the aim of developing a topographic information system, or in those wanting to produce a new edition of their existing feature catalogue. Since the suggested model is included, it can be used for the future development of the INSPIRE feature.     

改进SIFT 算法的小型无人机航拍图像自动配准

针对小型无人机航拍图像视点离散、视角变化有一定运动规律的特点,首先对航拍图像进行数据预处理,结合 Harris特征点和 SIFT 特征向量的优势,提取 Harris特征点、计算特征点的特征半径和 SIFT 特征向量,并利用PCA 降低特征向量的维数;然后采用最邻近(NN)方法进行特征匹配,利用BBF算法搜索特征的最邻近以提高匹配速度;最后采用 PROSAC算法提纯特征点匹配对并精确计算运动模型参数,实现了图像的自动配准.实验证明,该图像配准方法在准确性、效率方面较经典的 SIFT 算法有较大的提高.     

利用分形特征量提高土地覆盖分类图精度的研究

为了提高利用卫星图像编制土地覆盖分类图的精度，本研究提出将空间信息（结构特征量、分形特征量）叠加到光谱信息上（原图像），以提高分类精度的方法。利用ＳＰＯＴＨＲＶ图像对此法进行了检验，设立了９个探讨项目，对分类精度进行了比较。结果表明，用分形特征量进行分类时ＰＣＣ从８８．１％上升到了９０．２％。     

一种改进低层特征算子的遥感影像检索方法

在遥感数据检测中,现阶段往往将C_Meta(颜色特征计算得到)和T_Meta(纹理特征计算得到)作为两种不同的Meta-feature特征,使得对于同类地物影像利用C_Meta和T_Meta检索的结果不理想且有较大差异。为了改善检索结果,该文提出通过初步检索选择检索结果较好的C_Meta或T_Meta作为不同类别影像最终的Meta-feature特征;并利用新的影像特征库进行第二次检索。实验结果表明,此方法的检索结果好于原始的C_Meta和T_Meta以及传统的颜色直方图和小波纹理。     

遥感影像特征提取与选择及在影像分类中的应用

利用模式识别中特征提取和特征选择的相关理论对遥感影像的纹理特征进行遴选和变换处理,得到描述纹理的二次特征。实验证明这些新特征能够提高影像分类精度和分类效率。     

端元快速提取的光谱梯度特征搜索法

由于数据量大,目前大多数端元提取算法均需较长的计算时间,限制了这些算法的有效应用。本文提出了以光谱梯度特征为搜索条件的快速端元提取方法,其核心包括基于光谱梯度特征的候选端元快速筛选和基于光谱解混误差的端元识别两部分。由于能够从影像中快速筛选出少量的像元光谱作为候选端元,故具有较好的计算性能;同时由于避免了非端元光谱参与端元识别,使得识别的结果具有更高的精度。试验表明,相比经典的IEA算法和ECHO算法,该算法不仅能大幅度提高端元提取速度,而且具有更准确的端元识别能力。同时,基于该算法原理,也可对现有各种算法进行改进,提升现有的各种端元提取算法的运算速度。