高分辨率遥感影像配准与变化检测一体化处理

为了克服高分辨率遥感影像配准与变化检测作为单独环节处理的局限,该文提出了一种基于变分理论的配准与变化检测一体化处理方法。该方法将配准误差作为一种光谱变化决策因子,变化信息以权值的方式迭代反馈给变分配准模型的解算过程。为了更准确地检测建筑物这个特定目标的真实变化,该文采用多尺度最大形态学轮廓建筑物检测指数的差异作为另外一个决策因子。最后将配准误差反映的变化和建筑物检测指数的差异这两个决策因子在D-S证据理论框架下建立概率模型进行融合处理,进而得到建筑物的变化检测结果。该文选取WorldView-2数据进行实验,实验结果表明,一体化处理思路可以有效地解决单独处理的局限,从根本上解决配准误差对变化检测结果的影响以及由于变化而使配准精度降低的问题,进而提高配准和变化检测的质量。     

直升机倾斜摄影测量在违法建设巡查中的应用

针对传统人工违法建设巡查存在的不足,以广州市天河区为例,提出一种以倾斜摄影测量技术为基础,融合并行计算、建筑单体化建模、变化检测、二三维联动矢量提取技术为一体的违法建设巡查模式.实践证明本方法能快速获取复杂场景下的违法建设图斑及属性信息,制作指引图册、统计表格和专题数据库,为违法建设动态监测提供了有效手段.     

机载激光雷达技术现状及展望

介绍了LiDAR系统的特点,与航空摄影测量技术进行对比。总结当前LiDAR硬件系统和数据处理的现状和主要趋势,以期对国内用户在仪器选型和行业应用中提供帮助,对我国LiDAR硬件系统研制和数据处理软件开发提供借鉴和参考。     

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。     

基于矢量数据的LUCC广义转移矩阵自动挖掘方法

为了充分利用日益增多的多时态土地利用/覆被矢量数据,依据不同属性全方位挖掘提取其中隐含的要素变化转移信息,进而为土地资源科学管理与统筹规划提供技术支持和决策依据,首先提出了广义转移矩阵的概念,并进行了形式化定义,然后设计了一种基于矢量数据的广义转移矩阵自动计算生成方法,详细阐述了数据预处理、匹配关系建立、要素变化检测、矩阵设置与生成4个实施步骤中涉及的主要问题及解决策略。试验结果表明:所提方法能够大幅提高转移矩阵矢量化计算生成的准确度和灵活性,有效克服人工手动处理计算效率低、周期长、易出错、难检查的不足,以及常用栅格化计算方法精度低、结果单一、不能准确全面反映土地利用/覆盖要素在不同属性上的变化转移情况的局限。     

自适应空间邻域分析和瑞利-高斯分布的多时相遥感影像变化检测

提出了一种基于自适应空间邻域分析和瑞利-高斯模型(Rayleigh-Gauss models, RGM)分布的多时相遥感影像自动变化检测方法。该方法把自适应空间邻域信息和改进的差值影像与比值影像乘积变换融合 法(improved multiplying transform fusion, IMTF)结合构造差异影像, 可以有效地抑制噪声和消除多时相影像之间配准误差的影响, 具有更强的鲁棒性。在对差异影像的分割处理中, 运用瑞利和高斯模型分别模拟变化类像元和非变化类像元的分布情况, 然后估计出两类像元的概率     

基于深度学习方法的耕地违建自动提取

耕地是粮食安全的根基所在,而随着我国城镇化的推进,农村违法占用耕地问题逐渐普遍化.加强对农村耕地的违建监测并制定应对措施是有效制止耕地蚕食现象的前提.借助深度学习技术,提出了一种基于前期耕地矢量的建筑物变化检测方法.首先利用已有国情矢量和影像数据制作建筑物专题样本;然后利用U-Net网络进行建筑物提取的模型训练,借助O...     

基于谷歌地球引擎的植被覆盖度变化长时间序列检测

利用遥感技术进行植被覆盖度提取,是实现植被覆盖度变化检测的一种有效手段.然而,进行大尺度长时间序列的植被覆盖度变化检测时,传统遥感技术具有操作复杂、耗时较多等缺点.本文利用谷歌地球引擎(Google Earth Engine,GEE)平台,获取美国陆地卫星(Landsat)归一化植被指数(normalized diff...     

基于多时相遥感图像智能变化检测方法的研究

采用一种智能变化检测方法,首先对多实相遥感图像进行预处理;其次进行特征提取;然后通过数量差异计算、阀值确定、空间滤波进行检测;最后提取出感兴趣的区域,得出定量结果,并通过试验证明这种方法在实际应用中是可行的和有效的。     

高分辨率遥感影像的深度学习变化检测方法

为提升高分辨率遥感影像的变化检测精度,提出一种利用深度学习的变化检测方法。在预处理的基础上,利用顾及邻域信息的改进变化矢量分析算法和灰度共生矩阵算法获取影像间光谱和纹理变化,并通过设置自适应采样区间提取最可能的变化和未变化区域样本。构建并训练包含标签层的高斯伯努利深度限制玻尔兹曼机模型,以提取变化和未变化区域深层特征,从而有效辨别变化区域。通过WorldView-3与Pléiades-1影像的试验表明本文方法在变化检测精度方面优于对比方法。