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。     

融合多特征的高分辨率遥感影像震害损毁建筑物检测

为充分利用特征的互补优势提高变化检测精度,本文提出了一种多特征融合的损毁建筑物检测方法。首先通过建筑物线划图获取建筑物对象,然后统计对象的灰度直方图和方向梯度直方图(Histogram of Oriented Gradient,HOG),并用G统计量计算地震前后对象的光谱距离;用震前影像训练基于HOG特征的支持向量机(Support Vector Machine,SVM),计算震后对象的HOG特征的响应值;再用Relief方法对光谱距离和HOG特征响应值进行加权融合,最后用FCM方法分类从而检测出损毁建筑物。实验结果表明,本方法充分利用了各特征的优势,有效提高了变化检测的精度。     

融合时间特征的高分辨率遥感影像分类

为了充分利用历史矢量数据,并考虑地物类别的时间关联,提出了一种融合时间特征的高分辨率遥感影像分类方法。将历史时期矢量数据与新时期遥感影像相结合,利用二次分割获取像斑,通过支持向量机(support vector machine,SVM)算法获取像斑类别及像斑的单时期后验概率;依据历史时期及新时期像斑类别属性的关联,获取定量表达时间特征的地物类别转移概率;加权组合像斑的单时期后验概率与转移概率,采用迭代方法获取影像最终分类结果。在Quick Bird影像上的实验表明,该方法能够有效引入时间特征及先验知识,提高影像分类的精度。     

不同遥感影像融合方法的质量评价

近年来,随着遥感技术的迅猛发展,多源遥感影像数据越来越多,有效利用这些海量遥感数据是遥感领域的一大热门话题,同时,对融合后的遥感影像进行质量评价使融合处理过程得到优化,也是影像融合中必不可少的一个重要环节。重点利用ERDAS软件,分别采用Brovey变换法、IHS变换法、高通滤波法以及主成分分析法对影像进行融合实验,并对融合后的影像进行主观评价;采用Matlab编写程序,提取了融合影像的定量评价指标均值、标准差、平均梯度、信息熵和相关系数,完成了对融合影像的客观评价;最后对融合后的遥感影像进行了对比分析,得出主成分分析法的影像在光谱保持特性上最好,Brovey法在信息量的保持和清晰度上都优于其他的融合方法,而通过IHS变换法的融合影像与原始影像的相关性最好的结论。     

多特征流形鉴别嵌入的高分辨率遥感影像分类

针对高分辨遥感影像同谱异物、同物异谱导致单一特征分类结果精度较差的问题,本文提出了多特征流形鉴别嵌入的高分辨率遥感影像分类方法.该方法首先提取高分辨率影像数据的光谱特征与LBP纹理特征;然后通过样本数据的联合光谱、纹理特征的空间距离及对应的类别信息,构建影像对象的类间图与类内图,用于学习高分辨率影像上的鉴别流形结构,保...     

基于谱间关系的MODIS遥感影像水体提取研究

水是地球上万物的命脉所在,水体提取对于水资源调查、洪水灾害预测评估和环境监测等有着重要作用。而可见光和近红外波段水体与植被、城市和土壤光谱反射率的差异是利用遥感手段提取水体的基本原理。本文利用谱间关系法进行MOD IS图像的水体提取。结果表明,用于提取水体的谱间关系法比归一化植被指数(NDVI)法快速,但谱间关系法有把云错误地当作水体提取的缺点。     

基于对数-主成分变换的EM算法用于遥感影像分类

提出对多光谱数据进行对数变换来凸显类型特征,然后进行主成分变换并根据主成分贡献率确定EM算法分类所需主成分数,消除方差协方差矩阵的奇异性,同时削弱噪声;对数变换后的第一主成分直方图充分反映类型信息,由此确定的初始类别标签作为多个主成分EM分类算法所需初始值,避开随机选初值的敏感问题.实验证明,所提出的计算方案分类精度优于普通EM方法和传统的K-means方法.     

基于BP神经网络的高分辨率遥感影像分类

为了能有效地从高分辨率遥感影像中提取地物信息,本文通过影像的光谱和纹理特征,利用BP神经网络算法进行影像分类研究。首先提取分类所需的光谱和纹理特征源,然后根据影像和地物特征,建立BP神经网络,用于样本训练和分类处理,实现地物分类。为验证该方法的可靠性,以2006年11月获取的成都平原某区域的Quickbird影像为实验数据,进行高分辨率遥感影像的地物分类实验。实验结果表明,结合影像光谱和纹理特征的BP神经网络分类算法,不仅可以有效保证BP神经网络分类训练的稳定性和收敛速度,还能达到较高的分类精度。     

高分辨率遥感影像多特征协同地物分类方法

高空间分辨率遥感影像在提高对地物细节信息表达的同时,因地物类内光谱方差增大、类间光谱方差降低而造成了影像上地物识别与分类难度的增加。针对高分辨率遥感影像的地物分类问题,提出并实现了一种将光谱、纹理、形状等多特征综合协同的分类方法,并通过实验验证了该方法的有效性。     

高分辨率遥感影像的支持张量机分类方法

针对高分辨率遥感数据分类多特征、小样本的特点,将训练样本像素邻域的数据立方以三阶张量表征,并提出了利用支持张量机对训练样本进行监督分类的模型和解法。实验结果表明,此方法能够利用少量的训练样本实现更优的分类精度。     

道路综合特征下高分辨率遥感影像的提取

针对在高分辨率遥感影像中如何提高道路信息提取的准确度和信息量这一问题,通过对影像光谱和纹理特征的分析,将影像特征按照2种光谱特征和3种纹理特征进行分类,进而改善传统的图像分割方法,选择灰度级数和像素对的相对方向、距离和窗口大小作为参数,再通过灰度共生矩阵运算获取影像的纹理信息,通过对这些纹理特征的综合比较分析,最后确定角二阶矩、熵和对比度作为道路纹理特征统计量;再通过对图像像元分析比较,将图像像元标准差和灰度均值作为道路信息提取的光谱特征;在对道路综合特征分析基础上,再通过对遥感图像几何特征分析,最后利用数学形态学的开运算、闭运算、腐蚀、细化等模型算法对遥感图像进行精细化处理,得到道路提取较好的结果。该方法可用于复杂路况的道路信息提取。     

高分辨率遥感影像的随机森林变化检测方法

基于面向对象分析(OBIA)的遥感影像变化检测研究已取得显著的进展,代表了遥感影像变化检测的发展范式,未来是发展更加智能的解译分析方法。随机森林作为一种新的机器学习算法,其预测效果和性能稳定性要优于许多单预测器和集成预测方法。本文充分利用OBIA及随机森林机器学习算法的优势,提出了利用随机森林进行面向对象的遥感影像变化检测。首先基于熵率对影像进行超像素分割,通过最优超像素个数评价指数来获取最佳的影像分割结果,并提取每个超像素在前、后时相影像上的光谱特征和Gabor特征作为随机森林的特征输入数据,用于模型的训练。在初始像素级检测结果之上,自动进行分类样本选择并构建分类器模型,用训练好的模型来提取最终的变化区域。利用Quickbird、IKONOS、SPOT-5等3组多光谱影像进行试验,结果表明,本文方法在变化检测精度上要优于对比方法。     

基于PCAnet的高分辨率遥感影像场景分类

高分辨率遥感影像中的场景信息,对影像解译和现实世界的理解具有重要意义。传统的场景分类方法多利用中、低层人工特征,但是高分辨率遥感影像的信息丰富,场景构成复杂,需要高层次的特征来表达。本文提出一种基于PCAnet的高分影像场景分类算法,无监督地逐级提取深层特征。首先,利用显著性探测算法获取显著图,根据显著区域,采样具有代表性的影像块作为初始样本集;然后,将样本集输入到PCAnet中进行特征提取;最后,利用支持向量机(SVM)进行分类。高分影像场景数据UC Merced 21类实验表明,与已有方法相比,本文方法能够有效地提高分类精度。     

利用稀疏分解的高分辨率遥感图像线状特征检测

目的 线状特征检测是利用遥感数据开展地物目标自动识别的重要步骤。利用高分辨率遥感图像的高度细节化特点,针对现有线状特征检测方法存在的问题,提出了一种基于稀疏分解的高分辨率遥感图像线状特征检测方法。采用 K-SVD字典学习算法获取线状特征表达所需的过完备字典,基于稀疏分解模型,从高分辨率遥感图像中分离出高频成分,实现遥感图像线状特征的初步检测;用曲波分层自适应阈值法对分离后的高频成分作降噪处理,以提高线状特征检测的效果。利用 QuickBird图像进行实验的结果显示,该方法在线段连续性、低对比度线段检测与椒盐噪声消除方面均有一定优势。     

融合多特征的遥感影像变化检测方法

本文提出了一种面向对象的多特征融合的变化检测方法。首先通过影像分割获取像斑,然后统计各像斑的光谱直方图和LBP(local binary patterns)纹理直方图,利用G统计量计算不同时期像斑之间的光谱距离和纹理距离,采用自适应的方法将光谱距离和纹理距离加权构建像斑的异质性,最后结合EM(expectation maximization)算法和贝叶斯最小错误率理论获取像斑的变化类别。在QuickBird影像上的实验表明该方法能够充分融合光谱特征和纹理特征,从而提高变化检测的精度。     

几种基于高分辨率遥感影像分类技术的分析与探讨

初步分析了应用高分辨率遥感影像进行分类处理的3种特殊方法,即基于光谱信息及相关监测模型综合分类技术、利用高程信息辅助分类技术和面向对象的特征相关属性分类技术的基本原理。分析比较了它们在进行遥感影像分类的特点和优势,探讨总结了它们在农作物监测、城市建筑物分类、土地利用调查等实际生产中的应用方法和效果。     

基于视觉特征的高分辨率光学遥感影像多任务分类研究

正计算机技术的进步推动了高分辨率遥感图像空间信息智能提取相关研究的发展,如何利用计算机视觉领域的特征表达有效地描述高分辨率遥感图像,并采用高效的分类模型融合不同的特征,是当前遥感图像自动化解译的一种有效思路。遥感影像分辨率的提升使得遥感场景越来越复杂,但同时地面目标也越来越清晰。由于遥感地物种类繁     

UFCLS线性光谱混合分析法在遥感图像分类识别中的效果分析

用非监督全约束最小二乘法对线性光谱混合模型进行了反演,通过获得各像元组分的面积比图像来达到对各像元分类的目的。将非监督全约束最小二乘法的分类结果与有限光谱混合分析法的分类结果进行对比,结果表明,无论从分类效果还是计算时间上看,前者都优于后者。     

高空间分辨率与高光谱分辨率遥感数据融合研究

使用像素级融合常见算法及Curvelet变换与Contourlet变换方法对Hyperion数据与SPOT进行融合实验,并提取了融合后典型地物光谱曲线。使用光谱角方法评价高光谱遥感影像融合后的光谱信息保持情况。实验结果表明,Curvelet与Contourlet变换具有较好的光谱保持效果。     

基于分辨率融合的多尺度遥感影像分类技术研究

影响遥感图像分类效果的主要因素之一是影像的空间分辨率。本文将Quickbird多光谱影像与高分辨率全色影像相融合,在保留了光谱信息的同时提高了影像分辨率。然后对融合后的影像进行多尺度分割,并运用地物的光谱统计特征、形状、纹理、类间关系等因素进行相关信息的提取。采用面向对象的模糊分类方法对试验区影像进行分类,最后对结果进行了精度评价。试验表明这种方法具有较高的精度。