深度学习GoogleNet模型支持下的中分辨率遥感影像自动分类

提出了一种基于深度学习技术的遥感分类方法，它能有效解决中分辨率影像在分类过程中出现的像元混分问题。研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像，基于GoogleNet模型中的Inception V3网络结构，借助迁移学习方法，构建出遥感分类模型，实现了对武汉市主城区4类典型地物（不透水层、植被、水体和其他用地）的自动分类提取，并将分类结果与传统最大似然分类（ML）结果进行了对比分析。研究表明：基于深度学习方法的遥感影像总体分类精度高达88.33%，Kappa系数为0.834 2，明显优于传统ML方法总体分类精度83%和Kappa系数0.755 0，而且有效抑制了地物在分类过程中出现的像元混分现象。     

光学遥感影像与GIS数据一体化的水体分割、配准与提取方法

利用遥感影像进行自动化水体提取是一项富有挑战的任务。提出了一种GIS数据辅助下的可见光遥感影像水体自动提取方法,其核心是将影像分割、配准和变化检测集成为一体化处理流程检测水体。利用水体在遥感影像上的显著特性,首先提出了基于多尺度视觉注意模型的疑似水体区域检测;然后对影像显著区域进行水平集分割处理,通过迭代的分割和配准一体化处理不断优化直至获得最优的分割和配准结果,其中改进的形状曲线相似度特征用于约束分割结果与GIS水体对象的匹配;最后,利用基于缓冲区的变化检测方法获取变化和未变化的水体对象,同时利用已知水体辐射特征与GIS地物的空间位置关系剔除非水体对象。采用3组不同分辨率的遥感影像和不同尺度的GIS数据进行实验,结果显示了本文方法在水体自动提取和变化检测中的有效性。     

基于深度学习的高分辨率遥感影像光伏用地提取

近年来我国光伏产业发展迅猛,随之也产生了诸多用地问题,通过遥感技术提取光伏用地,监测光伏用地分布与用地状况,对于光伏产业健康发展具有重要意义。本文提出一套基于深度学习方法的高分辨率遥感影像光伏用地自动提取方法,该方法利用GF-1等卫星影像和Google Earth影像构建光伏用地样本,基于ResNeSt-50作为骨干网络的DeepLab V3+模型实现深度学习语义分割算法,并结合计算机图形学方法对深度学习结果进行后处理,实现了面向高分辨率遥感影像较通用的且高精度的光伏用地自动提取。该方法的深度学习模型验证精度mIoU值达0.899 2,提取结果具有良好的边缘精度且具有广泛的适用性,支持GF-1、ZY-3、GF-6、GF-2和Google Earth等影像。     

一种基于城市水体指数与分形几何算法的OLI遥感影像水体提取方法

针对严重污染的城市水体与道路、建筑物、阴影等易于混分,以及遥感水体提取结果不连续、存在斑点问题,本文以广州市流溪河与东江水系为研究对象,基于2016年与2017年OLI遥感影像,采用本文新提出的城市水体指数法（CWI）,同时结合分形几何算法,通过设置形状面积等特征,实现城市复杂环境下的水体信息的自动提取。并与单通道算法、改进的归一化差异水体指数（MNDWI）算法、支持向量机法（SVM）与光谱角度法的水体提取结果进行对比分析。结果表明：SVM算法出现大量斑点,其次为MNDWI水体指数算法,光谱角度算法与单通道算法斑点较少,但水体提取结果不连续,部分河道漏分。本文提出的算法能够克服山体阴影、道路、建筑物等影响,实现城市污染水体以及一般水体连续、准确提取。本文的提取结果可为水资源调查、洪水灾害预测评估、水利规划、环境监测等工作提供基础数据支撑。     

一种基于城市水体指数与分形几何算法的OLI遥感影像水体提取方法

针对严重污染的城市水体与道路、建筑物、阴影等易于混分,以及遥感水体提取结果不连续、存在斑点问题,本文以广州市流溪河与东江水系为研究对象,基于2016年与2017年OLI遥感影像,采用本文新提出的城市水体指数法(CWI),同时结合分形几何算法,通过设置形状面积等特征,实现城市复杂环境下的水体信息的自动提取。并与单通道算法、改进的归一化差异水体指数(MNDWI)算法、支持向量机法(SVM)与光谱角度法的水体提取结果进行对比分析。结果表明:SVM算法出现大量斑点,其次为MNDWI水体指数算法,光谱角度算法与单通道算法斑点较少,但水体提取结果不连续,部分河道漏分。本文提出的算法能够克服山体阴影、道路、建筑物等影响,实现城市污染水体以及一般水体连续、准确提取。本文的提取结果可为水资源调查、洪水灾害预测评估、水利规划、环境监测等工作提供基础数据支撑。     

遥感影像水体提取研究综述

水体时空分布特征对于水资源监测与应用具有重要意义,为了快速、准确、高效地获取地表水体信息,借助于遥感影像进行水体提取的方法受到国内外学者关注。该文通过梳理相关研究成果,评述水体提取的3类方法:阈值法、分类器法和自动水体提取法在模型构建、分割机理和模型适用性3方面的差异。通过进一步分析现存的各类问题,指出水体物化特征与遥感光谱特征的关系研究是提高水体提取方法普适性的一条重要途径;同时,影像提取结果评价体系的标准化和规范化,将有助于推进遥感水体提取应用范围和力度。     

基于OLI数据与决策树法的去山体阴影水体信息提取研究

研究山区地表水体信息OLI遥感数据去阴影自动提取方法,设计基于数字高程模型与指数提取的决策树分类方法,提高水体自动识别的精度。该方法选取改进的归一化水体指数、归一化植被指数、比值植被指数、主成分分析前3个分量以及波段之间的组合运算,并结合DEM构建决策树分类规则。综合采用单波段阈值、谱间关系、植被指数和水体指数阈值完成山体水体的去阴影识别研究,与计算机自动识别分类方法比较,其精度明显提高。结果表明,决策树分类方法在精度上明显高于常用的计算机自动分类方法,可以很好地被利用于OLI遥感数据水体信息的海量、大范围提取。     

基于样本自动选择与SVM结合的海岸线遥感自动提取

利用卫星遥感手段自动、快速、准确地测定海岸线动态信息是遥感应用的一个重要领域,对海域管理规划具有重要意义.由于近岸水体光谱特征受区域环境影响较大,在水陆分离过程中,利用传统的归一化差值水体指数(normalized difference water index,NDWI)阈值分割法时,一部分近岸水体易被错分为陆地,严重影响了岸线提取精度.为此,在NDWI模型的基础上,提出了基于样本自动选择与支持向量机(support vector machine,SVM)的海岸线遥感自动提取算法.首先进行NDWI计算与全局阈值分割,实现水体信息的初步提取;再通过NDWI信息控制初始样本的自动选择;然后利用SVM分类器对水体再次分类,实现海陆分离;最后填充小的陆地水体单元,实现岸线自动跟踪.实验结果表明,该方法能有效增强对近岸水体的识别能力,提高海岸线遥感提取的精度和自动化程度.     

深度学习在高分辨率遥感影像冬油菜提取中的应用

近年来，深度学习在基于高分辨率遥感影像的农作物种植信息提取领域应用广泛。本文充分利用油菜在盛花期的光谱特征，提出了基于深度学习理论的单时相高分辨率遥感影像油菜分布提取方法。以2016年湖北省沙洋县作为研究区域，获取油菜盛花时期高分一号（GF-1）影像，并以沙洋县为基础影像，通过手工标记制作油菜训练样本。设计两种深度学习框架模型，一种以卷积神经网络（CNN）为框架，构建一维卷积神经网络（1D-CNN）模型，第二种以循环神经网络（RNN）为框架，组合门控循环单元（GRU）模型，训练标准样本模型，完成油菜分类提取。最后，与传统支持向量机（SVM）、随机森林（RF）方法进行了结果对比。试验结果表明，本文设计的基于深度学习CNN和RNN模型提取的冬油菜空间分布精度和面积精度皆优于其他两种方法，为进一步实现冬油菜提取自动化提供试验基础。     

混合光谱分解模型提取水体叶绿素含量的研究

遥感监测水体叶绿素含量是水质遥感研究的难点之一。本文通过研究不同叶绿素含量水体反射率的光谱特征，确定了提取叶绿素a含量的最佳特征波段，建立了太湖水体叶绿素a的混合光谱模型。研究发现，混合光谱模型提取的水体叶绿素a百分比浓度与同步采样分析的叶绿素a浓度之间有较好的线性相关性。并基于TM和HEPERION图像利用此模型生成了叶绿索a浓度分布图。研究结果表明，混合光谱分解模型可以作为遥感监测水体叶绿素a含量的定量模型。     

河流自动选取中的分级优化

水系是具有高度结构化特征的复杂空间数据,在不同水文条件和地形环境下发育的水系形态可以表现为多种模式,如格状河系、羽毛状河系、平行状河系等,使得水系选取具有较大难度。探讨了河流分级(汇流区域特征)、河网结构层次化(河流分布的地理特征)与水系选取之间的关系,提出了基于流域的河流自动选取,从河流的局部重要性出发,考虑河流的分级主要基于两点:一是确定选取单元为流域;二是对流域内河流通过等级关系选取高等级河流,同等级间河流根据长度、密度、河流间距离等综合指标进行选取。     

数字河流河源判析

通过对已有的一些判断原则进行分析,提出当河流长度占优势时以长度为主、连通性为辅;当长度相差不大时,以连通性为主的判断原则。通过该方法判断中国各地区主要河流河源的结果与科学考察结果一致。该方法对河流河源的实地考察具有一定借鉴意义。     

新技术在金沙江河道勘测的应用

ADCP等测量新技术用于金沙江河道,取到了宝贵的成果,但GPS在山区使用受到限制,ADCP和测深仪会受含沙量影响不能满足测量需要,以及电波流速仪因电磁辐射干扰阻碍使用等。为此,通过分析仪器原理和环境条件,提出了一些有效的处理办法,并在实践中得到成功运用。     

面向自动综合的河系结构化模型研究

针对地图上河流的自动综合,建立了基于河段的河系结构化数据模型,该模型充分考虑了河段与河段、河段与面状水系要素之间的空间关系,以及河系河段的层次关系;建立了一种面向自动综合的河系结构化数据模型,模型包含了大量水系综合所需要的信息.基于上述数据模型,设计了一种方便快捷的河系结构化算法,该算法较好地克服了现有河系结构化算法只针对河流以及只适用于形态相对简单的河系的缺陷,较为全面地考虑了河系结构中出现的各种复杂问题,具有较强的实用性.     

面向自动综合的河系结构化模型研究

针对地图上河流的自动综合,建立了基于河段的河系结构化数据模型,该模型充分考虑了河段与河段、河段与面状水系要素之间的空间关系,以及河系河段的层次关系;建立了一种面向自动综合的河系结构化数据模型,模型包含了大量水系综合所需要的信息。基于上述数据模型,设计了一种方便快捷的河系结构化算法,该算法较好地克服了现有河系结构化算法只针对河流以及只适用于形态相对简单的河系的缺陷,较为全面地考虑了河系结构中出现的各种复杂问题,具有较强的实用性。     

黑河干流河道的跨河水准测量方法

本文以黑河干流河道地形图测量项目为例,四等水准测量为重点,通过场地的选定与布设、观测方法等多个方面,主要介绍了特殊地区(如跨河、冰上)水准测量的技术方法。     

岷江上游流域DEM的河网提取

DEM中包含了丰富的地质地貌、水文等信息,是流域分析的主要数据来源之一。详细介绍了利用DEM数据提取流域水系信息特征的方法,并以岷江上游为例,对DEM进行预处理,然后采用ArcGIS 9.3软件平台下Hydrology模块提供的D8算法来确定水流离开DEM栅格单元的方向,并计算流向各栅格单元的水流累积量,再根据给定的集...     

塔里木河干流裁弯工程原型河道观测结果分析

通过对塔河裁弯工程段河道原型段多次观测结果的分析与对比,从测量角度上探讨河道、河势变化规律,并对原型河道观测方案提出建议,为在塔河流域进行类似工作积累了经验。     

基于分形分维和数学函数的南流江流域河网信息提取

利用南流江流域30 m分辨率的DEM数据,介绍了Arc GIS中进行河网提取的一系列过程,并利用其图解建模工具,提取南流江流域的不同汇流累积面积的水系河网,实现了提取过程的流程化处理。分别统计河源密度和沟壑密度,并分别计算它们与汇流累积面积的几何函数关系,并对其进行二阶求导,确定其二阶导数关系,得到合适的汇流累积阈值,并借助分形分维理论对河网的分维值进行了验证。利用函数关系和分形分维确定汇流累积面积提取水系河网的方法有效地避免了人工选择汇流累积面积的主观性,提高了研究结果的准确性和可靠性,在知道研究流域河网分维值的前提下,可快速获取准确的汇流累计面积阈值。     

矢量河网数据的渐进式传输

提出了一个无几何数据冗余的河网渐进式传输多尺度数据结构。结合目标层次的河流选取和几何细节层次上的曲线化简建立河网多尺度数据结构。基于该数据结构,在Web环境下实现了河网数据的渐进式传输。