全球地表覆盖数据辅助多源影像融合提取城市不透水面

本文提出了一种利用GlobeLand30数据辅助多源数据融合进行城市不透水面自动提取的方法。首先基于波段映射和小波变换的影像融合方法,融合哨兵二号和高分二号影像,获得同时具有较高空间分辨率和光谱分辨率的融合影像,其具有丰富的光谱特征和空间特征,有利于提升复杂城市区域的不透水面和非不透水面区分能力。然后利用GlobeLand30数据的类别信息自动获取初始分类样本,基于融合影像的丰富光谱信息构建多种植被指数、水体指数和建成区指数,对初始分类样本进行优化。最后利用优化后的训练样本,使用光谱、地物指数等特征训练分类器,实现城市不透水面的自动准确提取。本文以济南市2019年的高分二号和哨兵二号影像为试验数据,在时相、分辨率与影像均不同的GlobeLand30全球地表覆盖数据辅助下获得了总体精度优于92%的不透水面提取结果,验证了本文方法的有效性。     

辅以纹理特征的遥感影像神经网络分类

将由变差函数提取出的纹理信息与光谱信息相结合,运用神经网络方法进行分类和地物识别,并与最大似然法的分类结果进行对比分析,结果表明该方法明显提高了遥感影像的分类精度.     

基于Sentinel-2A和Landsat8的城市不透水面的提取

城市不透水面相关研究对城市的发展至关重要。为了提取城市不透水面盖度,通常采用线性光谱混合分析方法,在亚像元尺度上计算混合像元内的不透水面面积比例。由于端元光谱曲线存在误差,导致不透水面盖度提取精度较低,因而提出端元优化方案,通过Sentinel-2A影像选择比较纯净的端元,利用其光谱信息优化从Landsat8影像中选择的端元的光谱曲线,提高纯净像元光谱曲线精度。此外,结合解混结果优化方案,利用归一化植被指数(normalized differential vegetation index,NDVI)和干旱裸土指数(dry bare-soil index,DBSI),对解混结果进行优化。采用World View-2遥感影像进行样本验证,结果显示,该方法所提取不透水面盖度的精度比传统方法提高了20%,为端元选取和不透水面提取提供可靠的理论支持。     

结合多尺度纹理特征的遥感影像面向对象分类

地物具有多尺度的特点,单一尺度难以准确描述遥感影像包含的地物纹理信息。利用我国自行研发的高分一号遥感影像数据,采用灰度共生矩阵对第一主成分进行纹理特征提取,利用Jeffries-Matusit距离选择多尺度组合,并通过单一纹理结合多光谱数据的分类精度,以及纹理特征间的相关性,最终选择多尺度纹理特征组合进行面向对象分类。研究结果表明:结合多尺度纹理特征组合的面向对象GF-1影像分类能有效提取地物信息,总体分类精度达到81.75%,Kappa系数0.78。     

Landsat8不透水面遥感信息提取方法对比

不透水面是重要的地表覆盖类型,利用卫星遥感影像准确提取不透水面信息对于掌握地表覆盖变化具有重要意义。现有研究已提出了多种不透水面遥感信息提取指数,但目前尚缺乏对这些不透水面指数的系统对比分析。利用Landsat8卫星遥感影像,测试了目前8种主要不透水面指数的提取精度。结果表明,在现有不透水面指数中,垂直不透水层指数能够有效增强不透水面信息,不透水面提取精度最高(89. 6%),其次是比值居民地指数和生物物理组分指数(87. 5%和87. 4%),城市指数与新建筑指数提取精度再次之(82. 9%和80. 0%),归一化差值不透水面指数、归一化建筑指数和基于指数的建筑指数未能有效增强不透水面信息,提取精度较低(75. 0%)。此外,这8种不透水面指数都未能有效解决不透水面与大片裸地光谱混淆的问题,在裸地广泛分布的区域难以准确提取不透水面,平均提取精度仅为71. 0%,影响了不透水面指数的大区域应用。     

基于SVM方法提取植被信息的研究

利用遥感影像准确地提取植被信息一直是遥感技术应用研究的重要内容,现提出基于支持向量机(SVM)分类的方法从ETM+多光谱数据中提取植被信息,利用目前常用的线性核函数、多项式核函数、径向基(RBF)核函数、Sigmoid核函数等四种核函数对研究区分别进行了提取研究,通过比较最终确定径向基函数(RBF)核函数有着最佳的提取效果。     

利用影像纹理和阴影信息提取城市不透水面的方法——以咸阳市为例

利用2012年的咸阳市资源三号卫星影像,同时利用光谱信息和纹理信息对咸阳市的地表进行监督分类,使用阈值和开闭运算提取阴影,并通过TM影像提取NDBI等指数辅助归类,优化分类结果,提高提取不透水层信息的准确率,旨在为城市合理布局,减少城市内涝等提供基本信息。研究结果表明,利用多源遥感卫星影像,同时考虑光谱和纹理信息的分类方法进行不透水面的提取精度提高了17.2%,对阴影检测和归类处理提取精度进一步提高了2.7%,方法简便可行,结果稳定可靠;咸阳市研究区地表不透水率为30.73%,不透水率相对较低,城市生态环境较好;不透水面主要分布在渭河以北老城区。     

不透水面产品在重庆地区的验证

以国家地球系统科学数据中心发布的不透水面数据产品为基础,利用地理国情数据中地表覆盖分类提取的不透水面成果进行重庆地区精度验证,并与兴趣点数据(Point of Interest,POI)、夜间灯光数据进行相关性和空间重叠度分析.结果表明:不透水面产品在重庆地区验证情况较好,不透水面产品与地理国情不透水面耦合性较高,能够较为准确地反映城市建设状况,全市不透水面产品有71.61％以上位于地理国情不透水面范围内;不透水面产品面积与POI核密度、夜间灯光亮度具有正相关性,但相关系数不高,且空间分布具有一定差异.通过不透水面产品在重庆地区验证分析,能够对未来不透水面提取优化研究提供基础支撑.     

基于Grabcut融合多源数据提取不透水面

快速城镇化是造成城市内涝加剧的重要原因之一。城市不透水面面积的显著增长是快速城镇化的直接表现。为了实时提供准确的城市不透水面区域情况,开展多源数据融合不透水面的提取研究,结合多光谱影像和高空间分辨率卫星影像丰富的光谱和空间信息、机载激光点云数据的高程和强度信息等优势,将基于图论的最优分割方法引入不透水面提取中,将不透水面的提取转换为不同数据源下的最优标记问题,通过多源特征融合获得更精确的提取结果。以广州市为例的研究结果表明,与传统遥感方法及单一数据提取法相比,这一方法的精度得到了明显提高,并且大大减少了提取过程中的人工干预,使算法具有更高的适应性和稳定性。     

“全域-局部”不透水面信息遥感分步提取模型

提出"全域-局部"遥感信息分布提取模型,通过计算和整合影像局部范围内的空间和光谱特征来优化全域上光谱混淆较大像元的提取精度。模型分为两个主要计算步骤:"全域"前分类与"局部"后分类;"全域"前分类将仅划分出满足一定精度阈值标准的像元,而"局部"后分类则在此部分分类结果基础上,进一步发掘和计算已分类像元所蕴含的信息来辅助对全域未分类像元的提取。在不透水面专题提取过程中,采用支持向量机SVM作为前分类器,通过控制精度阈值所对应的分类后验概率产生部分分类结果;采用调节最小距离分类器作为后分类器,根据一定的权重整合像元局部范围内的空间与光谱信息,代替了传统的全域光谱信息来优化分类。实验采用TM5影像以及所对应的NLCD(National Land Cover Data)标准不透水面产品作为测试集,"全域-局部"模型对应单一SVM模型的提取精度由80.31%提高为82.73%,局部后分类器精度较单一SVM模型由54.27%提高到59.94%。实验证明该模型具有较明显的精度提升且能够较好地解决不透水面与裸土混淆的问题,并得到空间形态上更为完善的不透水面提取结果。     

傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类

以高空间分辨率遥感影像为研究对象,将纹理特征与影像的光谱特征结合起来,用于地表覆盖类型分类。设计了一种基于傅里叶谱纹理的分类策略,对主成分分析后的第1、2主分量特征影像,利用径向谱（r-spectrum）提取纹理特征,并将纹理与光谱特征结合起来,构建了不同的分类特征用于支持向量机分类模型。以Salinas数据集和QuickBird影像为例,验证该算法。结果表明,纹理与光谱信息的结合可以明显提高高分辨率遥感影像的分类精度;由傅里叶径向谱提取的纹理特征可以很好的应用到高分辨率遥感影像的分类问题中,分类精度高于基于傅里叶总能量谱和灰度共生矩阵的分类精度;利用该算法对PCA变换后的第1和第2分量提取的纹理特征具有一定的互补性,并且结合多特征图像的纹理特征提取优于单特征图像的纹理特征提取。     

变差函数和神经网络结合的遥感影像分类方法研究

提出利用地统计学变差函数对遥感影像纹理信息进行提取，将变差函数得到的纹理信息与光谱信息相结合，运用神经网络进行分类的遥感影像分类方法。将该分类方法应用于试验区，并与最大似然法的分类结果进行对比分析，结果表明，该方法具有较高的分类精度。     

LSMA结合NDBI提取广州市部分城区不透水面的方法

以广州部分城区为研究区,选取2015年10月18日Landsat 8 OLI遥感影像,基于线性光谱混合分析(LSMA),结合归一化建筑指数(NDBI)优化不透水面盖度提取精度;并分别采用传统LSMA和优化LSMA提取了不透水面。在传统方法的基础上,优化LSMA利用纯净像元指数与手动端元相结合的方法提高了端元选取精度;解混后再利用NDBI阈值掩膜。经验证,传统LSMA提取不透水面盖度的均方根误差(RMSE)为0.306,与样本区的相关系数(R~2)为0.898,系统误差(SE)为0.21;优化LSMA的RMSE为0.125,与样本区的R~2为0.943,SE为-0.035,精度明显高于传统LSMA的提取精度,可为广州市不透水面环境效应研究提供更可信的数据支持。     

一种基于TM影像的不透水面信息提取方法

针对TM影像不透水面提取的研究,通过综合分析被广泛应用于提取不透水面的归一化差异不透水面指数法和归一化差异植被指数法,从而提出一种改进的快速提取不透水面的方法--实验指数组合法,即通过将植被指数取反减去水体指数。以高分影像ZY3和可提供经纬度信息的Google Earth作为参考,将归一化差值不透水面指数、归一化差值植被指数和实验指数组合法得到的提取结果分别进行评价,获得了图像的分类精度,对比可知实验组合指数法的精度高于其他两种指数结果,其精度为88.16%。     

一种困难地区不透水面快速提取算法

干旱半干旱地区、低密度不透水面地区、山区等困难地区具有灯光较弱、空间布局分散、周边遮挡物较多等特点,目前已有的大尺度不透水面研究中对困难地区不透水面的提取效果较差。鉴于此,提出了以多时相升降轨Sentinel SAR数据和光学影像为主,辅以灯光、DEM数据为阈值筛选的提取方法。对中国延安、越南南部、阿联酋迪拜、孟加拉国南部等困难地区进行了不透水面提取,并将提取结果与2010年GlobalLand 30产品进行了对比。结果表明,平均精度可达88.58%,平均Kappa系数可达0.76。该方法能增强困难地区不透水面提取效果,并有较高的提取精度,对于大尺度乃至全球不透水面的提取具有重要的指导意义。     

Sentinel+Landsat融合影像的城市不透水面积参数获取

不透水面是衡量城市化的发展程度和评价城市生态环境质量的重要指标之一。南昌市作为环鄱阳湖生态经济圈的典型代表区域城市之一,准确、及时、高效地获取其不透水面信息对经济发展和生态规划提供全新的决策参考具有重大意义。现有的不透水面研究大多集中在针对单一光学遥感影像数据提取不透水面信息,但受影像数据源的影响,其分类结果往往存在光谱混淆和“椒盐”现象,限制了不透水面分类精度的进一步提高。为了改善这一局面,本文以南昌市为研究区,综合考虑多源遥感影像数据各自具有的影像特征优势,探究基于Sentinel+Landsat影像提取不透水面信息的适用性与优劣性。     

基于AdaBoost算法的城镇建设用地遥感动态提取研究

利用2007年的上海地区CBERS影像,使用AdaBoost组合分类器,将基于影像地物光谱信息、纹理结构信息和基于决策树分类器的提取方法组合,以提高分类精度。实验结果显示,AdaBoost算法在提高城镇建设用地的分类精度上显著有效。     

采用非正定OCSVM 的高光谱影像地物检测

高斯径向基核函数是基于光谱向量间欧氏距离的度量,对于因光照强度变化而引起的地物光谱变异敏感,当同类地物光谱发生变异时,基于高斯径向基核的高光谱影像地物检测算法的性能下降.为了解决该问题,基于光谱曲线形状相似性描述提出了光谱角度余弦核测度这一非正定核函数,并应用于一种非正定OCSVM 方法的高光谱影像地物检测.最后利用两幅高光谱影像进行了实验分析,实验结果证明了本文算法的有效性.     

利用小波核最小噪声分离进行高光谱影像SVM分类

针对高光谱遥感影像线性特征提取方法在一定程度上会降低地物类别的可分性问题,在最小噪声分离变换基础上引入核方法,以小波核函数代替传统核函数,并将新型核最小噪声分离方法与支持向量机方法相结合,对高光谱影像数据进行分类。实验结果表明,基于小波核最小噪声分离变换的方法适合于高光谱遥感影像的非线性特征,将其应用于HYDICE系统与AVIRIS系统所获得的实验数据集,与对照算法相比,总体分类精度可提高3%~9%。     

高光谱遥感影像的广义判别分析特征提取

高光谱遥感影像具有丰富的光谱信息,在地物分类识别方面具有明显的优势。针对复杂高光谱影像分类问题,应用了一种广义判别分析特征提取技术。将输入样本通过非线性函数映射到特征空间,在特征空间中应用线性判别特征提取方法;算法求解过程中涉及到在特征空间的内积用核函数代替,简化计算的同时也使得算法与非线性函数的具体形式无关。通过影像分类试验表明,该方法较常用特征提取方法更有利于分类精度的提高。