纹理特征遥感影像分割研究

影像分割是面向对象的分类思想应用于遥感影像信息自动提取的基础,纹理是影像的基本特征,是影像分析、理解和识别的重要信息,纹理特性的有效表达和抽取,是基于纹理影像分割的前提。本文系统概述了近年来各类文献中使用频率较高的基于纹理的遥感影像分割方法,并以基于统计的方法、基于纹理结构的方法、基于模型的方法和基于空间/频率的方法四种基本类型为主线,对每一类分割方法的特点进行了分析和总结,在此基础上指出了基于纹理特征遥感影像分割的研究趋势。     

高分辨率影像的橡胶林分布信息提取

为了准确快速地获取高分辨率影像中橡胶林的分布信息,设计了一种基于纹理特征和多光谱特征的信息提取方法。方法选取合适的植被指数,将多光谱和植被指数的影像进行地统计半方差分析,获得最佳纹理提取窗口并实现各种纹理信息的提取,将纹理信息和光谱信息一起作为参考特征构建地物的分类规则并用C5决策树分类算法实现。选取某高分辨率遥感影像区域对该方法进行验证,橡胶树林提取的生产者精度为81.00%,提取用户精度为82.65%,总精度为83.50%,Kappa系数为0.78。与其他方法分类结果对比表明,本文方法是一种有效的橡胶林提取方法。     

基于高分二号数据的湖南省十大水库网箱围栏养殖分布遥感调查

水库尤其是饮用水水源型水库的网箱围栏养殖对水域环境影响较大，利用高分辨率遥感具有丰富空间信息和纹理信息的特点，可以有效提取网箱养殖的分布信息。本文以高分二号卫星遥感影像为数据源，利用人机交互目视解译的方法提取湖南省十大水库等内陆水域网箱养殖信息，研究了网箱养殖空间分布情况，并估算了网箱养殖的氮、磷年排放量，为水产行业部门监管提供了有力的技术支撑。     

基于变差雨数的遥感影像纹理特征提取

遥感影像有着丰富的纹理信息,准确地提取纹理特征对于影像的分割和分类至关重要.基于变差函数的遥感影像纹理特征提取是一种比较实用的且处于探索阶段的影像纹理分析方法.文中通过实例对提取的方法进行了研究,并通过不同变异方向纹理图像的分析比较,阐述了纹理特征准确提取应正确选取的3个因子、不同计算方向对纹理图像生成结果的影响,实验和分析还表明了变差函数法是遥感图像纹理特征提取的一种有效手段.     

基于变差函数的遥感影像纹理特征提取

遥感影像有着丰富的纹理信息,准确地提取纹理特征对于影像的分割和分类至关重要。基于变差函数的遥感影像纹理特征提取是一种比较实用的且处于探索阶段的影像纹理分析方法。文中通过实例对提取的方法进行了研究,并通过不同变异方向纹理图像的分析比较,阐述了纹理特征准确提取应正确选取的3个因子、不同计算方向对纹理图像生成结果的影响,实验和分析还表明了变差函数法是遥感图像纹理特征提取的一种有效手段。     

高分辨率遥感影像林地边界提取方法

由于高分辨率遥感影像上的信息高度细节化,加之噪声的影响,会导致基于像元级纹理特征的林地边界提取方法的效果不理想。为此,提出一种基于种子纹理基元合并的半自动林地边界提取方法。首先利用基于图模型的影像分割算法获取初始基元;然后定义了一种针对非规则基元统计基元级灰度共生矩阵(GLCM)纹理特征的方法;最后在人工给定种子基元的基础上合并具有相似纹理的基元,并对基元合并的结果进行边界提取,得到高分影像上的林地边界。利用多源高分影像对所提方法进行验证及对比分析。实验结果表明,该方法对高分影像上大片典型林地的边界可取得较高的提取精度和计算效率。     

利用无人机高光谱影像的红树林群落物种分类

近年来红树林群落中物种结构简单、功能退化等环境问题日趋严重,为了及时准确掌握红树林群落的物种空间格局与分布,本文首先基于深圳福田红树林自然保护区无人机高光谱影像,利用归一化差值植被指数和归一化潮间红树林指数提取植被区域;然后在植被区域根据最佳指数法选取信息量大、波段相关性小的波段组合,分别采用基于像素支持向量机分类方法和面向对象影像分类方法对红树林物种进行分类。试验结果表明,基于像素支持向量机分类方法的总体精度为81.03%;利用面向对象影像分类方法的总体精度为85.58%。面向对象影像分类方法能有效去除椒盐噪声,充分利用对象光谱、形状及纹理信息,提供更准确的红树林分布信息。     

高空间分辨率遥感影像下的违法用地变化检测

遥感影像时间、空间分辨率的逐渐提高和图像识别技术的发展,使基于高分辨率遥感影像进行自动、准确、快速的违法用地检测成为可能。本文利用高空间分辨率遥感影像,提出了一种基于地物分布特性的违法用地变化检测方法,将违法用地判别特征知识融入变化检测模型,实现违法用地变化信息自动提取。选取广州市从化街口地区为研究区域,试验结果表明该方法能够辅助应用人员在大范围内快速地定位疑似违章用地图斑,提高生产效率,取得较好的应用效果。     

高分一号的浮筏养殖信息提取方法

针对浮筏海水养殖遥感信息自动提取业务化应用难度较大的问题,该文提出一种光谱、纹理特征结合的支持向量机(SVM)算法,高效提取海水、养殖物。基于国产高分一号(GF-1)高分辨率卫星影像数据,以江苏省连云港近岸海域为研究区域,以海水、养殖物作为为分类对象,采用主成分变换筛选信息量大,较好地保留浮筏水产养殖信息的前8个主成分分量开展分类实验。实验结果表明:将纹理特征应用于浮筏养殖物信息提取方法中,可以提高养殖物分类精度,与最大似然估计、最小距离方法分类方法比较,总体分类精度提升了3%～5%。研究结果可为浮筏养殖用海遥感监测平台构建提供基础技术支持。     

倾斜影像的三维纹理快速重建

针对三维城市模型重建,提出了一种利用倾斜影像实现城市模型纹理快速重建的方法。该方法基于摄影测量计算机视觉理论,在事先处理得到城市建筑物数字表面模型的基础上,利用共线方程计算物方与像方的几何投影关系,获得建筑物的三维信息与纹理信息。通过一定的最优算法选择出地物面的理想纹理,实现城市建筑物纹理的自动提取及稠密建筑物纹理的遮挡处理。真实影像纹理重建的结果表明:应用本文方法进行三维城市模型纹理重建具有自动化程度高、效果逼真、成本低的特点,为快速、大面积的城市真三维模型纹理重建提供了一种有效的实现途径。     

基于物方几何约束的多视匹配算法研究

影像匹配是航空影像数据自动空三处理的关键技术之一。为充分利用三线阵影像信息及纹理信息,文中针对ADS40影像采用一种利用像方和物方信息进行约束的多视匹配方法,此算法能同时处理3张及3张以上的影像,大大加快匹配效率,为自动空三提供有效的连接点及为提取DSM提供高精度密集匹配点。     

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。     

融合LiDAR数据与航空影像的面向对象水体提取

针对单一数据源难以快速、准确提取水体信息的问题,提出一种利用面向对象技术有效融合LiDAR点云与影像数据,准确提取水体信息的新方法。采用分形网络演化算法对航空影像进行多尺度分割得到影像对象,提出对象平均回波强度概念,利用LiDAR回波强度信息计算OAI,选取对象面积和OAI构建特征空间提取水体。实验结果表明,该方法简单高效,水体提取效果良好。该文方法可为无需精确配准的高精度水体提取、利用面向对象技术处理基于LiDAR数据和航空影像的信息提取等问题提供参考。     

领域知识辅助下基于多尺度与主方向纹理的遥感影像土地利用分类

基于灰度共生矩阵(GLCM)的纹理特征在影像空间分析中具有重要作用,提出了一种在领域空间知识辅助下构建GLCM多尺度窗口与主方向权值的方法,从而提高纹理特征的有效性,并解决影像土地利用分类中存在的不确定性问题。为此,根据人类目视解译的特点,对GIS与RS数据进行集成计算:首先,在图像配准的基础上,利用经典的GIS空间数据挖掘算法,渐近式地提取领域形态知识;接着,采用关联分析法建立其与GLCM构造因子之间的响应机制,并设计了基于地类形状指数的多尺度窗口建立算法,以及基于地类主方向分布指数的方向权值测度算法。试验结果表明,领域形态知识与GLCM空间因子之间具有强相关关系,该方法提取出的纹理特征可以描述复杂地物的空间意义,算法复杂度低,性能优越,有效提高了影像土地利用分类的精度。     

基于改进Hough变换的电力线提取

根据电力线在无人机航拍影像数据中的成像特征,提出了一种在复杂的地理环境背景下电力线自动提取的方法。首先利用Canny算法检测提取整张影像图中的边缘轮廓信息,然后利用改进的Hough变换从边缘轮廓信息中提取直线段,对检测出现断裂与欠链接的直线进行链接与拟合;利用K-mean聚类算法根据线段的长度进行分类。最后根据电力线的特性,检测提取完整的电力线。经过多次试验证明该方法可以有效的在复杂的地理环境中提取电力线。     

基于变差函数和格网划分的居民区特征描述与提取

变差函数作为一种有效的结构特征描述方法,在高分遥感影像居民区提取中有较好的应用。然而,现有利用变差函数进行居民区提取的方法大多采用基于像元的移动窗口,当数据量较大时,计算效率较低,实用性较差,并且针对不同数据源描述纹理结构特征时选取参数的稳健性和有效性较差。为此,采用基于变差函数和格网划分的方法进行居民区的有效提取。首先,将原始影像规则划分为较小的格网单元,作为后续影像处理的基本单元;然后,依据选取的目标与背景样本计算纹理差值曲线,并基于该曲线选取最优纹理结构的特征描述参数;最后,利用计算得到的纹理特征从高分影像中提取居民区。实验结果表明,上述算法在对多种高分影像数据提取居民区时,具有更好的空间结构特征描述能力和较高的计算效率。     

面向对象的房屋特征信息自动提取方法

以地理国情监测为背景,针对高分辨率影像具有丰富的光谱、空间分布及形状信息的特点,提出一种面向对象的房屋特征信息自动提取方法,并使用该方法在西藏芒康地区进行实验。在多尺度分割的基础上,根据房屋在影像中反映出的光谱、空间分布、形状特征以及房屋特有的阴影信息,通过特征组合建立规则集,在高分辨率影像上进行房屋的提取。实验表明,该算法对实验区域的房屋具有较好的提取效果。     

基于概率统计模型的遥感影像变化检测

基于概率统计理论,提出了一种基于t检验的遥感影像自动变化检测方法,并实现了其与相关系数法的有效结合,运用于复杂城区环境下地物类型的自动变化检测.对于高空间分辨率影像,有效引入纹理特征,减少了房屋阴影的影响,对最终变化检测结果起到了明显的增强效果.实验采用不同类型的数据,详细叙述了变化目标的提取以及本文方法的特点,结果真实反映了实际地物的变化,表明该方法具有很好的实用价值.     

一种基于纹理和光谱特征的高光谱影像信息向量机分类方法

针对高光谱影像中空间特征信息利用不足的问题,提出了一种基于纹理和光谱特征的高光谱影像信息向量机分类方法。该方法首先采用三维Gabor滤波器对高光谱影像数据立方体进行纹理特征提取,提取后的影像数据同时具有光谱和纹理特征,避免了传统纹理特征提取带来的高维特征和光谱不连续的问题;然后采用分类精度和效率都较高的信息向量机进行分类处理。通过AVIRIS高光谱影像实验,结果表明该方法不仅提高了影像的分类精度,而且还消除了分类结果图中的类别噪声现象。     

基于多特征的人工海岸线提取方法

在中高分辨率的遥感影像中,海岸地物呈现出更多的细节,尤其是受人类影响程度较大的人工海岸。文中针对较为复杂的人工海岸遥感影像,进行基于多特征的海岸线提取方法研究。实验选用SPOT影像作为实验影像,分析实验区海岸带SPOT影像的光谱特征、形状特征和空间关系特征,使用多种特征来提取海岸线,实验结果表明,方法能对海岸带地物进行正确分类并实现海岸线的自动提取。