基于深度学习的河道提取与变化监测应用——以永定河为例

本文基于2014年、2017年、2018年三期GF1遥感影像,针对北京市石景山永定河河道变化特征,开展基于深度学习算法的河道自动提取与变化图斑自动发现。选择GEOWAY GFLP作为地理要素智能训练平台,采用基于疑似变化区域自动发现与人工交互确认相结合的遥感监测技术路线,选取典型水体样本进行分析、训练,构建深度学习卷积神经网络水体提取模型。通过分析与验证发现,基于深度学习水体提取模型自动提取的河道准确率高于90%,精度高于最小距离、最大似然及SVM分类方法,可用于城市河道的自动提取和变化发现。     

一种基于SAR影像的绿潮分布信息提取方法

为基于SAR影像准确的提取海域中的绿潮范围,利用黄海地区2016年7月4日的RADARSAT-2卫星影像,分别运用马尔科夫随机场、最小核值相似区和局部二值模式3种算法提取绿潮并进行对比,提出了综合马尔科夫随机场和最小核值相似区算法。结果表明,3种算法中马尔科夫随机场算法提取效果最好,与实际情况最为接近,但改进的绿潮提取算法,提取效果更好,精度比单独使用马尔科夫随机场算法提高了18%。     

基于时频特征的高分辨率遥感图像道路提取

针对传统的遥感图像道路提取算法存在错漏率较高的问题,提出一种基于时频特征提取和域自适应学习分类器的高分辨率航空遥感图像道路提取新算法。首先利用地统计学抽取道路的时域纹理特征和三维小波变换抽取道路的频域光谱特征,构成高分辨率航空图像中的道路特征。然后使用抽取的道路特征训练由迁移支持向量机模型构建的域自适应分类器,并对高分辨率航空遥感图像进行道路粗提取。最后,结合道路形态特征,用数学形态学方法处理粗分类后的道路,获得提取后的完整道路。仿真实验表明,所提方法能有效降低高分辨率航空遥感图像道路提取中非道路目标的干扰,提高道路提取的精确性。     

基于地名首字母模糊查询的关键技术研究

根据地名信息的特点,提出一种基于地名首字母的模糊查询方法。采用Access数据库,结合微软自带的字库实现了地名首字母的提取与入库,特别是解决了多音字在首字母提取及入库时的处理,并提供了一种文件批量输入的方法,实现了基于地名首字母的模糊查询。设计开发的地名查询系统,使用简单,效率也得到了极大的提高,可以获取对应的地理位置,为后继GIS系统开发提供方便。     

运用ENVI实现SPOT-5卫星影像的RVI提取

运用ENVI软件处理长沙地区的SPOT-5影像,将全色影像和多波段影像进行融合,分析融合后的影像,再选择感兴趣区域进行影像裁剪;采用ENVI的波段运算(Band3/Band2)提取该地区比值植被指数并进行分析。结果表明:比值植被指数对植被覆盖率较高的区域有非常高的敏感度;在植被覆盖率小于50%的时候,其敏感度明显降低,在绿色植被覆盖区域的比值植被指数远大于1,在裸露地表、建筑物、水体等没有植被覆盖区域的比值植被指数则在1附近,而比值植被指数大于2的则出现在高覆盖健康绿色植被上。     

地理国情普查时点核准作业方法探讨

通过核实从数据采集到标准时点阶段发生变化的内容,补充新增内容,消除普查前阶段由于资料时效性和外业局限性等导致的现势性不统一现象,对变化的地理国情信息进行核准,使地理国情普查数据成果在时间上达到统一,是开展地理国情监测的基础。     

基于多级网格模型的LiDAR数据河流边缘提取算法

分析了内陆河流域点云数据的特性,提出了一种基于多级网格模型的河流边缘提取算法。首先将目标区域按网格窗口大小进行逐级分层,并建立层级继承关系;然后计算网格的平均高程、平均反射强度、点云密度等参数,利用8邻域判决算法、面积阈值算法和河流连通性原则确定水体网格;最后对河流边缘网格的水体点数据进行提取,确定河流边缘。实验数据表明,该方法能够准确对河流进行提取。     

基于CIPS软件探讨高山地DOM数据的生产方式

在DOM数据生产中,山地、高山地数据一直以来都是重点和难点。本文分析了高山地影像数据的特点,提出一种与山地、高山地数据相适应的处理方式。最后基于CIPS软件,按需求设计对应的软件处理流程,并使用满足实验要求的高山地影像数据,对这种方式加以实现和验证。     

Pleiades高分辨率卫星影像道路提取技术

遥感影像上的道路提取是摄影测量与计算机视觉研究的一项重要内容,本文设计了一种高分辨率卫星影像道路提取方法,首先,利用Canny边缘提取算子提取左影像上的边缘,并利用霍夫变换对线特征进行检测,根据道路的几何特性检测平行直线,再基于影像匹配方法匹配立体像对上的道路;然后,利用卫星影像RPC参数前方交会原理实现道路的几何定位。利用Pleiades卫星影像开展试验,自动提取的道路与人工采集的道路几何定位误差在1个像素以内,试验结果验证了本文方法的有效性。     

遥感模式分类中的空间统计学应用——以面向对象的遥感影像农田提取为例

如何有效地从遥感图像中提取所需信息,是遥感图像处理和应用的关键,而尺度选择问题一直是影响遥感信息提取精度的关键问题之一。本文论述了利用空间统计学方法解决遥感影像模式分类中的尺度问题的理论基础。针对面向对象影像分析问题,将影响遥感影像多尺度分割的尺度分割参数概括为空间属性分割参数、光谱属性分割参数和影像对象面积阈值参数,并分别提出了基于统计学的尺度参数估计方法。以SPOT-5影像面向对象农田提取为例,基于变异函数方法进行了尺度优选试验,系列尺度分类试验结果表明基于空间统计学尺度估计得到的尺度分割结果进行分类能得到最高的精度,进而证明了基于空间统计学方法进行面向对象信息提取尺度估计的有效性。该方法是完全数据驱动的方法,基本不需要先验知识参与。不同于以往分割后评价的尺度选择方法会占用大量计算资源且耗费大量时间,本文提出的方法不仅能在一定程度上保证面向对象信息提取的精度,而且在一定程度上也提高了面向对象信息提取的效率和自动化程度。