基于角点的高分辨率遥感影像建筑物提取

几何结构是高分辨率遥感影像中人工地物区别于其他地物目标的突出特征。针对高分辨率遥感影像中建筑物提取的问题,提出一种基于角点这一几何结构特征的建筑物自动提取方法。该方法无需事先标记训练数据,而是通过计算影像的建筑物指数来直接获取建筑物位置。首先利用基于模板的角点检测算子提取影像中的角点;其次综合角点的位置、角度和显著性等信息,利用空间投票的统计方法计算影像中每个像素属于建筑物的概率;最后经过阈值分割得到建筑物提取结果。实验采用了自主收集的影像分辨率为0.5 m的Spacenet65数据集进行测试。结果表明,提出的方法能够准确提取出高分辨率遥感影像中的不同类型的建筑物。     

像元与对象特征融合的高分辨率遥感影像道路中心线提取

提出了一种融合像元-多尺度对象级特征的高分辨率遥感影像道路中心线提取方法。首先在像素级上提取影像的纹理和形状结构特征,在构建的多尺度分割集影像上提取对象的区域光谱特征。然后,将像元级特征与多尺度对象特征进行决策级融合,完成道路网的粗提取。最后,结合本文所提出的非道路区域自动去除算法和张量投票算法,实现道路中心线的精提取。不同场景、不同分辨率数据下开展的试验结果表明,该方法可有效改善传统道路提取方法易产生的"盐噪声"和非道路地物粘连现象。     

一种新的高分辨率遥感影像城区提取方法

利用城区特有的局部特征,提出了一种新的高分辨率遥感影像城区提取方法。该方法首先对原图像做多角度和多频率组合的Gabor变换,然后利用Ostu方法阈值分割所有变换结果,并在每个中心频率上对各个方向的阈值分割图做逻辑与运算,其次根据运算结果图上Gabor特征的分布情况,确定适合影像的最优中心频率,最后利用滤波器在最优中心频率上的特征提取结果,结合高斯函数构建空间投票矩阵,最终提取城市区域。实验表明,该方法可以成功地提取高分辨率影像城市区域,且具有较高的准确度。     

高分辨率遥感影像建筑物分级提取

高分辨率遥感影像建筑物信息自动提取是遥感应用研究中的一个热点问题,但由于受到成像条件不同、背景地物复杂、建筑物类型多样等多个因素的影响使得建筑物的自动提取仍然十分困难。为此,在综合考虑影像光谱、几何与上下文特征的基础上,提出了一种基于面向对象与形态学相结合的高分辨率遥感影像建筑物信息分级提取方法。该方法首先利用影像的多尺度及多方向Gabor小波变换结果提取建筑物特征点;然后采用面向对象的思想构建空间投票矩阵来度量每一个像素点属于建筑物区域的概率,从而提取出建筑物区域边界;最后在提取的建筑物区域内应用形态学建筑物指数实现建筑物信息的自动提取。实验结果表明,本文方法能够高效、高精度地完成复杂场景下的建筑物信息提取,且提取结果的正确性和完整性都优于效果较好的PanTex算法。     

结合Gabor纹理与几何特征的高分辨率遥感影像城区道路提取方法

在充分考虑道路频谱在不同频带、不同方向上能量分布的基础上,提出一种基于Gabor纹理与几何特征相结合的高分辨率遥感影像城区道路提取方法。首先通过Gabor滤波器组得到遥感影像不同频带、不同方向上的Gabor纹理特征,并利用K-means方法对遥感影像进行分割;然后利用形态学方法分割与道路相连的地物,并选取适当的几何特征剔除非道路地物;最后利用形态学方法对道路网进行修整。实验结果表明,该方法可以有效、便捷地从高分辨率遥感影像中提取城区主干道路网。     

基于Contourlet变换的高空间分辨率遥感影像检索研究

本文在高空间分辨率遥感影像纹理特征提取研究中引入Contourlet变换,将不同尺度、不同方向子带系数矩阵的均值、方差和能量作为纹理特征,并为分类能力强的特征量赋予较大的权值,体现相应子带分类能力的差异性。以QuickBird影像为样本数据、采用五叉树分解策略的纹理检索实证研究表明,基于Contourlet变换提取高空间分辨率遥感影像纹理特征信息的效果优于Gabor小波变换。     

多特征、多方法融合的高分辨率影像道路网提取

高分辨率影像上道路表现为宽度近似不变的条带状同质区域。根据此特征,提出了一种融合多特征、多方法的高分辨率影像道路网自动提取方法。该算法首先采用均值漂移聚类对图像稳态点图进行分类;然后运用Gabor滤波及张量编码,以线性显著性最大为准则识别道路中心点类;最后,运用张量投票和连通成分分析完成道路段连接及道路网组网。试验结果表明该方法能够准确、完整地提取高分辨率影像上道路网,提取的完备性和准确度优于对比算法。     

基于Gabor纹理描述的遥感影像分割

本文引入了在不同影像层次上的Gabor纹理特征,采用分裂-合并加智能像素精致的方法,实现遥感影像的非监督分割。实验结果表明采用Gabor滤波器为基础的多分辨率分析来描述高分辨率遥感影像的纹理特征,可以明显地描述影像的高、低频特征,并且基于Gabor纹理特征进行遥感影像的分割是有效的;将本文方法的分割结果与经典的eCognition分割结果进行了对比试验,表明本文方法的分割结果较好。     

一阶高斯方向可调滤波器引导的多源卫星遥感影像配准方法

针对多源遥感影像间由于存在显著的非线性辐射差异,导致影像配准困难的问题,提出了一种由一阶高斯方向可调滤波器引导的多源影像配准方法。首先,基于影像自带的几何参考信息,计算出参考影像与待配准影像在像方空间的重叠区域,以参考影像面为基准对重叠区域进行均匀分块,通过有理函数模型和数字高程模型计算对应的待配准影像块,建立仿射变换模型对待配准影像块进行几何校正,实现局部影像间的粗配准;然后,在特征检测方面,构造了分块均匀检查策略改进的抗聚簇加速分割测试特征,获取大量分布均匀的特征点,对于特征描述,构造了一组多尺度、多方向的一阶高斯方向可调滤波器对影像卷积,通过对卷积结果进行池化以实现特征降维,得到多源一致的特征描述;最后,基于最近邻原则进行特征匹配,通过剔除误匹配得到高精度同名点对,进一步基于有理函数模型进行平差计算,校准待配准影像的有理多项式系数并对影像进行几何纠正,实现影像间的精配准。基于多组星载多源遥感影像的实验结果表明,所提方法在多时相光学数据、光学-红外数据上的配准精度优于1像素,在光学-合成孔径雷达数据上的配准精度优于1.5像素;计算效率方面,相比于现有同类方法提高1倍以上。     

多尺度全卷积神经网络建筑物提取

针对VGG16网络在高空间分辨率遥感影像中进行大型建筑物提取时存在空洞的现象,提出一种基于多尺度影像的建筑物提取方法。将原始影像进行不同尺度的下采样,提取不同尺度下的建筑物特征,并将这些多尺度特征相加合并,同时为了减少网络参数数量,用全卷积上采样过程代替原始VGG16网络中的全连接层进行建筑物提取。以0.5 m分辨率的上海市嘉定区影像和1 m分辨率的Massachusetts地区影像进行试验,精度分别达97.09%和96.66%,表明本文方法的有效性。     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。     

特征筛选方法在高分辨率遥感影像建筑物提取中的应用

城市建筑物信息的自动提取是城市遥感的关键技术之一,由于阴影、下垫面等多因素干扰,建筑物信息提取精度往往不稳定。本文以Pleiades卫星影像为数据源,通过改进Relief F特征筛选方法,探讨建筑物信息提取精度提高的可行性。首先构建高分辨率遥感影像建筑物基础特征空间,然后利用改进型Relief F算法分析特征对象的权重并筛选出最优特征,最后用监督分类、无特征筛选分类和基于改进型Relief F特征筛选等3种方法分别提取研究区建筑物信息,并结合实地调查数据进行精度验证。结果表明,基于改进型Relief F特征筛选的分类方法提取精度能够达到91.34%,较其他两种方法提取精度分别提高了34.31%和5.62%,且运算速度快,自动识别效率高。     

光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法

针对高分辨率遥感影像具有较为丰富的地物属性"谱相"信息和空间分布及其组合"图式"信息的特点,提出了一种光谱和形状特征相结合的建筑物自动提取方法。在多尺度分割和矢量化基础上,根据建筑物的形状、光谱特征,从特征基元中自动选取样本,并计算其特征;通过根据建筑物形状、光谱、纹理构造的模板,在整景影像上进行建筑区域识别,并在建筑区域内提取建筑物外部轮廓。实验表明,本算法具有较高的识别率和较低的误识别率。     

Road Network Extraction from High-Resolution Remote Sensing Image Using Homogenous Property and Shape Feature

According to spectral homogeneity and ribbon-like shape of road, this letter presents a simple yet effective method of delineating road networks from high-resolution remote sensing images. The proposed method consists of three main steps. First, the mean shift algorithm is utilized to detect the modes of density of image points in spectral–spatial space which contain potential road center points and then detected mode points are classified into different classes by mean shift-based clustering on the basis of spectral information. Next, the combination of Gabor filtering and tensor encoding is used to identify the road class and to extract road center points. Lastly, road network is generated from detected road center points by means of tensor voting and connected component analysis. The experimental results demonstrate good performances of the proposed method in road network extraction from high-resolution remote sensing images.     

城市道路的多特征多核SVM提取方法

针对高分辨率遥感影像中城市道路提取的复杂性及SVM的分类性能,提出了一种城市道路的多特征多核SVM提取方法。首先利用FCM算法将原始影像粗分为建成区和非建成区两类,剔除非建成区;然后根据分水岭分割算法分割建成区并提取分割对象的光谱特征与空间特征,以全局核函数和局部核函数加权组合的方式构建多核SVM对建成区进行二次分类,去除建成区中的建筑物等非道路信息;最后利用数学形态学处理,获得最终的道路提取结果。试验结果表明：文中所提方法能够较精确地提取城市道路信息,分类精度高于单核SVM提取及其他对比方法。     

基于卫星遥感的输油管廊沿线的地物识别研究

基于eCognition软件进行研究区域面向对象的信息提取,对研究区进行多尺度影像分割的实验,找到适合影像地物信息提取的尺度及参数、分类规则,并对研究区的影像数据进行验证,通过eCognition分类结果与传统分类和基于GBDT分类算法结果的对比,说明面向对象的特征提取算法更适用于几何信息和结构信息丰富的高分辨率图像.     

遥感影像与POI数据相结合的城市建成区提取适用性研究——以沈阳市为例

城市建成区的发展状况是地理国情监测的重要内容，本文基于遥感影像数据和POI数据对城市建成区进行提取，针对二者的适用性问题进行了研究。试验以沈阳市为研究区域，在研究区域内选择2016年遥感影像数据和POI数据作为数据源进行对比分析。首先，对遥感影像数据和POI数据进行预处理；其次，通过监督分类的方法对遥感影像进行建成区的提取；然后，采用核密度估计法分析POI数据并提取出建成区；最后，利用叠加分析法对比分析这两种数据的适用性。试验结果表明：使用遥感影像数据作为数据源可以较为全面客观地反映城市建成区的发展现状；利用POI数据提取出的城市建成区具有较强的经济属性，能够很好地反映出城市中的经济活跃区。     

利用可变形部件模型检测遥感影像道路交叉口

为了解决高分辨率遥感影像道路交叉口位置检测与类型识别问题,提出了一种基于可变形部件模型的道路交叉口检测方法。首先,分析了道路交叉口在高分辨率遥感影像上的表征形式;然后,借鉴面向对象的思想,利用可变形部件模型,通过训练和学习其整体和部件组成的空间布局特征获取目标对象模型参数;最后,通过滑动窗口搜索匹配方法获取道路交叉口位置和其对应的类型。由仿真与实验结果可知,此算法不仅能够自动、准确地检测道路交叉口的几何位置,而且能够识别其几何形状类型,可有效提高道路网络拓扑结构构建效率。     

无人机航摄影像的RANSAC自动定向方法研究

针对无人机在区域范围拍摄的低空遥感影像数量多,且相邻影像间存在旋转、尺度变化大等导致的立体定向困难问题,本文提出一种适用于无人机影像自动相对定向及模型连接的流程。即利用SURF算法对区域无人机影像进行特征提取后,连续相对定向及模型连接过程使用结合相对定向模型的RANSAC算法去除错匹配点,并针对RANSAC算法选取样本匹配点对容易陷入局部最优问题进行改进,提高了结果精度。     

面向地理国情监测的房屋建筑区树冠覆盖多特征协同提取

针对全国地理国情监测工作新增树冠覆盖提取这一全新的工作任务,本文通过深入分析房屋建筑区主要地物光谱特征和纹理特征,确定以光谱特征归一化植被指数（NDVI）,以及对比度（contrast）信息熵（entropy）两个纹理特征作为判断规则,按照面向对象的思路,设计了一种综合应用高分辨率遥感影像光谱特征和纹理特征的房屋建筑区树冠覆盖范围提取方法。试验结果表明,该方法能够自动提取房屋建筑区树冠覆盖范围,大幅降低了当前常用的目视解译方法的工作量,与采用单一影像特征的提取方法相比,本文方法能够有效地区分房屋建筑区内与树冠覆盖光谱特征相近的地物要素。