基于AdaBoost算法的遥感影像水体信息提取

AdaBoost算法利用每个特征构造一个简单分类器,然后将简单分类器进行训练组合成一个强分类器。算法能够充分利用每个分类器的优势并避免其劣势,得到一个最佳判别,达到提高分类精度的目的。本文利用TM影像,将影像各波段灰度、水体指数和谱间关系特征相结合,构成提取水体的强分类器,实现水体提取。实验结果表明,算法能够非常有效地、高精度地提取水体信息。     

基于Landsat-8卫星OLI遥感影像和AdaBoost算法的水体信息提取

以红碱淖地区为研究对象,基于AdaBoost算法,将Landsat-8卫星OLI遥感影像谱间关系、NDVI、NDWI和KT变换wetness等特征相结合,构造提取水体的强分类器,实现水体的快速精确提取。结果表明,组合后的分类器能有效提高单个分类器的分类精度,平均分类精度提高了5.15%。该算法说明了Landsat-8遥感影像的水体信息提取的可行性,为快速精确提取水体信息提供了新思路。     

一种正样本单分类框架下的高分辨率遥感影像建筑物变化检测算法

高分辨率遥感影像建筑物变化检测对于城市规划、城市执法等方面具有非常重要的意义。文中提出一种基于正样本单分类器学习框架下的建筑物变化检测算法。首先提取影像形态学建筑物指数特征(MBI),通过卡方变换将其与光谱特征进行融合;然后利用一种单分类器完成建筑物变化初始判定;最后利用改进的长宽比形状特征完成最终建筑物变化判定。通过与现有建筑物变化检测算法、传统的多分类器算法对比,本文算法精度有一定提升并具有更强的鲁棒性。     

一种面向对象的高分辨率遥感影像信息提取方法

针对传统面向对象分类方法的不足,根据研究对象特征构建了一种改进的面向对象的高分辨率遥感影像信息提取分类方法.首先利用SLIC超像素算法对影像进行分割,并提取分割后影像的纹理、光谱和形状特征;再利用SVM分类器提取影像信息,区分相似性较高的耕地和道路;然后利用随机森林算法提取水体和人工表面;最后对不同地物信息的提取结果进行拼接,实现土地利用分类.结果表明,与传统的面向对象分类方法相比,该方法的分类精度更高.     

基于LBV变换的GF-2影像水体提取方法

针对GF-2影像波段较少、不利于构建水体指数的问题,提出了基于LBV变换的水体提取方法。通过GF-2影像的LBV变换及其归一化,得到了物理意义明确的L、B、V变换分量;利用这三个分量计算特征分量BL、BV,构建完整水体提取方案,对阿克塞县的小苏干湖和石嘴山市某一段黄河进行水体提取。实验结果表明,相比于NIR、NDWI算法,本文算法能够更好地将水体与土壤、植被、建筑物等地物区分开来,在正确率、误提率、漏提率方面总体优于NIR、NDWI算法,提取过程简单,具有较好的应用价值。     

Haar-like特征在稀疏建筑物检测中的应用

以高原无人区稀疏建筑物为研究对象,将Hough变换、Haar-like特征与AdaBoost算法相结合构造强分类器,利用高分辨率遥感影像快速精确地从无人区检测出固定稀疏建筑物。首先对影像进行边缘检测、Hough变换的直线提取与几何旋转校正,将实际可能是任何角度的建筑物旋转成水平或垂直状态,再将旋转后图像提取Haar-like特征后利用AdaBoost算法进行分类。实验证明,该算法原理简单,能有效解决仅用Haar-like特征精度不适应建筑物角度多变的问题,说明了Hough变换直线特征提取与Haar-like矩形特征提取多角度稀疏建筑物的可行性,为快速精确检测无人区的稀疏建筑物提供了新思路。     

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。     

多尺度SLIC-GMRF与FCNSVM联合的高分影像建筑物提取

遥感影像建筑物提取具有重要的应用价值。然而,高分辨率遥感影像中细节信息繁多、特征复杂,增加了建筑物提取难度。针对这一问题,本文提出一种基于多尺度SLIC-GMRF和FCNSVM的建筑物提取方法,一定程度上提高了高分辨率遥感影像建筑物提取能力。首先,利用多尺度SLIC-GMRF分割算法确定初始建筑物区域,然后,充分利用FCN神经网络在语义分割中的优势抽取建筑物特征,最后,结合提取出的建筑物特征训练SVM分类器细化建筑物提取结果,通过3种控制实验,两种对比方法得出以下结论:SLIC分割算法影响初始分割结果;SVM分类器影响建筑物细部提取;FCN特征影响SVM分类器性能。对于特征清晰、遮挡干扰较少的研究区,本文方法能够较好提取影像中的建筑物,查准率、查全率、质量指标均优于对比方法,对建筑物复杂分布的研究区同样能够取得较好的提取效果。     

EMD与分形相结合的遥感影像水体信息提取方法

提出一种基于经验模态分解(empirical mode decomposition,EMD)和分形理论相结合的遥感影像水体信息提取方法,该方法尝试结合影像的光谱特征和纹理特征以提高分类提取精度。对影像进行主成分分析得到有效信息量最大的第一主分量,计算每个像元的分维数得到分维图,同时将第一主分量EMD分解得到有效信息量较大的前3个经验模态函数,再结合原有的波段信息作为研究数据,利用极大似然法分类器提取水体信息。该方法充分结合了EMD在降噪和区分相似光谱特征中的优势和分形理论在纹理信息提取中的优势。研究表明,该方法可有效提高水体信息的提取精度,Kappa最高到0.932 5。     

结合纹理信息的极化SAR影像分类研究

结合Gabor小波、灰度共生矩阵和Fast ICA方法提取的纹理信息,利用支持向量机分类器对单极化SAR影像进行分类研究。首先利用精致Lee滤波器对影像进行去噪处理;然后采用灰度共生矩阵和Gabor小波提取影像纹理特征,利用Fast ICA算法对纹理特征进行降维分析;最后将降维后的纹理特征与强度特征结合,采用支持向量机分类器进行分类;采用北京地区Terra SAR-X影像对该方法进行实验,结果表明,纹理信息的引入使极化SAR影像分类精度得到提高。     

利用概率融合光谱-空间特征地物分类模型对高分影像地物进行提取

本文提出了一个联合光谱-空间多特征的基于支持向量机的分类器模型,首先将三类光谱-空间特征利用支持向量机对高分影像进行分类,然后将分类结果利用概率融合的方法进行整合,最终完成了地物的提取。试验结果显示,相比于VS-SVM算法,该模型取得了更好的提取效果。     

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。     

迁移学习用于多时相极化SAR影像的水体提取

基于机器学习分类器的极化合成孔径雷达（synthetic aperture radar, SAR）影像水体提取方法具有较高的可靠性,但其通常依赖于大量的训练样本,利用该方法进行多时相极化SAR影像的水体提取时,在每一景影像上都人工标注足够数量的训练样本是十分困难且耗时的。同时,SAR影像上固有的相干斑点噪声会进一步加剧样本标注的难度。对此,引入迁移学习方法,利用其知识迁移能力将已有的训练样本的类别标签信息迁移至未标注的样本,以降低获取新样本所需的人工代价,提高水体提取的时效性。使用6景极化SAR影像和4种迁移学习方法进行最佳源域影像选取、样本标签迁移和水体提取实验,实验结果表明,迁移学习方法可以准确地将源域影像上的训练样本的标签信息迁移至其他影像,有效减少其他影像进行水体提取需要的人工标注样本的数量,同时能够维持较高的水体提取精度,在洪涝灾害应急响应中具有一定的应用价值。     

一种利用TM影像自动提取细小水体的方法

提出一种利用TM影像自动提取山区细小水体的多波段谱间关系改进方法。该方法在典型谱间关系法的基础上,针对水体与阴影在蓝绿光波段亮度值降低速率差异较大的特征,基于差值运算,构建了新的多波段谱间关系水体提取模型。首先利用该模型将水体从其他地物及阴影中分离出来,然后基于数学形态学膨胀滤波算法进行空洞填充和短线连接,最后通过图像细化算法实现目标的细化。经过实验比较表明,该方法克服了许多水体提取模型只能有效提取较大面积水体的缺点,除了能够对山区的细小水体进行高精度自动提取外,还能够有效地去除阴影等干扰信息。     

高光谱影像分类的深度少样例学习方法

针对高光谱影像分类面临的小样本问题,提出了一种深度少样例学习算法,该算法在训练过程中通过模拟小样本分类的情况来训练深度三维卷积神经网络提取特征,其提取得到的特征具有较小类内间距和较大的类间间距,更适合小样本分类问题,且能用于不同的高光谱数据,具有更好的泛化能力。利用训练好的模型提取目标数据集的特征,然后结合最近邻分类器和支持向量机分类器进行监督分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验,试验结果表明,该算法能够在训练样本较少的情况下（每类地物仅选取5个标记样本作为训练样本）取得优于传统半监督分类方法的分类精度。     

结合mRMR选择和IFCM聚类的遥感影像分类算法

为解决高分影像特征间相关性大冗余度高、FCM聚类稳健性差带来的分类精度不佳问题，提出一种基于mRMR选择和改进FCM聚类的影像分类算法。首先基于对象置信度指标（OC）进行影像分割，然后利用mRMR算法实现特征选择，解决特征冗余问题，最后将提取的特征输入分类器通过IFCM聚类，得到最终分类结果。试验结果表明，本文算法能减少特征间相关性，降低冗余，并有效提高影像分类精度。     

基于LiDAR数据和航空影像的水体自动提取

提出将LiDAR数据对水体的敏感性与航空影像的高分辨率特征相结合的水体自动提取方法。利用SIFT算法对LiDAR强度图像和航空影像进行配准,在LiDAR高程图像上提取无回波信号的黑色区域,构建几何约束条件,排除由遮挡产生的无效区域;将水体初始位置映射到航空影像上,结合边缘信息进行区域生长,并对生长区域进行数学形态学运算,最终获取水体区域。实验结果表明,该方法可以获得很好的水体提取效果。     

耦合分水岭与形态学的特殊纹理影像配准算法

针对现有算法在合成孔径雷达(synthetic aperture Radar,SAR)影像与光学影像配准时存在的效率和精度较低的问题,提出一种耦合标记控制分水岭与数学形态学的特殊纹理影像逐步求精的自动配准算法.首先,利用改进的标记控制分水岭算法分别提取影像中的水体特征,并进行二值化和数学形态学处理,以准确地提取水体区域...     

资源三号影像中城市高大地物阴影检测方法

针对遥感影像处理中阴影检测和信息补偿不准确的问题,该文在研究已有阴影检测算法的基础上,结合资源三号(ZY-3)影像数据的特性,构建了阴影检测方法:首先对原始图像分别做差值运算和主成分变换,并利用多峰阈值自动提取算法检测出阴影区域;其次将差值运算提取的粗阴影区域与主成分变换提取的阴影区域做并运算生成一个新的阴影区域;然后判断影像中是否含有水体,如果含有水体则利用多峰阈值自动提取算法检测出水体并与新合并的阴影区域影像做布尔运算得到完整的阴影区域,反之则新合并的区域即为完整的阴影区域。实验结果表明该方法针对ZY-3具有较好的普适性、较高的提取精度和提取效率。     

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。