黑河流域中游无人机遥感影像数据处理

无人机低空遥感技术是航空遥感领域一个新的发展方向,具有低成本、快捷、灵活机动,以及数据高时效、高分辨率等特点。本文以无人机低空遥感在黑河流域中游张掖的应用为例,介绍了无人机低空遥感系统的基本构成,论述了影像数据的获取、影像的匀色、特征点的提取与匹配、几何纠正与镶嵌、DTM和DOM的生成等处理流程与分析方法。实验结果表明,无人机低空遥感系统能够满足局部区域内的高分辨率、大比例尺基础数据采集的实际需求,在三维重建、土地调查、环境监测等领域具有良好的应用前景。     

基于对象特征的遥感影像分类

为了有效地实现分类识别,采用多尺度分割后影像为数据源,通过计算影像对象特征,实现特征集构建,并对特征集进行特征提取,辅助决策树的特征选择方法,达到特征优选的目的,针对影像对象的特征实现对TM影像的分类,实验表明该方法较一般的特征提取方法精度大幅提高,且完成可视化特征提取的重要任务。     

红水河中游地区地质构造稳定性的遥感图像分析

红水河中游地区是以北西向和北东向断裂相交叉为基本构造格局。在新构造运动时期,这两组老构造分段复活,将该区分割成一个相对独立的活动块体。 遥感信息与岩相古地理及汞矿化带相结合的分析结果表明:发震的垭都—紫云深大断裂,在新构造运动时期并未进入断块。遥感信息与历史震中的时空分布和断块结合分析表明:中强震震中绝大多数分布在断块以外,并以右江断裂带以南的频率为最大,由于这里已远在百公里之外,今后若再发生中强震,经过长途衰减,波及坝址的影响有限。 断块内距坝址15—20公里的巴鱼地区,近期发生过4.6级地震。这是一个处在乐业环状构造长轴转折端前沿,也是逻西活动断裂等多组断裂交叉处,小型环状构造也很发育,构造应力容易在此集中,历史震中与小型环状构造同断裂的交叉点关系密切。影像显示该区是相对孤立的局部地段,小震频繁,应力分阶段释放,不具备孕育强震的条件。 龙滩和岩滩电站坝址周围8公里内无大型或活动断裂通过,亦无两组以上断裂交叉点出现,构造稳定性良好,但应注意水库诱发地震的研究。     

基于Wold特征的遥感图像的分割

马尔可夫随机场模型是一种较好的纹理模型，但由于它是一个低阶的纯随机模型，因此用于图像分割时，区分相近纹理的能力仍然有限。将结合2维Wold分解技术来对遥感图像进行分割，通过调整不同性质谱分量的比例关系，放大相近谱峰值之间的差别，从而有利于Harmonic滤波器的信号选取，改善低阶马尔可夫分割场模型不能刻画结构性纹理的缺点。实验方法对城区目标进行提取，结果表明该方法的有效性优于纯Markov随机场所采取的分割方法。     

基于多特征的遥感影像分类方法

提出了一种基于多特征的遥感分类方法。首先 ,制定类方案并分解各个类 ,据此得到相应的子类 ;然后 ,通过选用适当的特征 ,使得每一个类都能以一个独特的特征组合来表达。与此同时 ,通过影像分割得到影像对象 ,并测量这些对象的各个特征 ,如光谱特征、几何特征及拓扑特征等。凭借这些特征 ,影像对象可以较为容易地被识别和分类。与传统的分类方法的比较表明 ,文中所提出的分类方法具有明显的优越性和良好的前景。     

基于纹理特征的遥感影像监督分类

影像分类技术是遥感影像分析与解译的重要基础。纹理特征是影像的重要特征,本文主要实现基于纹理特征的遥感影像监督分类。首先对地物样本进行提取,通过样本训练统计各类地物纹理特征向量,建立纹理特征库;然后以各类地物的特征向量作为基准,采用最短距离分类器对影像进行分类;最后采用混淆矩阵对分类结果进行精度评定,并与ERDAS专业软件分类结果进行对比分析。实验证明,本分方法取得了与ERDAS软件相当的分类效果,从而验证本文方法的可靠性。     

基于多特征的高分辨率遥感图像分析

为克服传统的基于像元的遥感图像分析的局限性,提出基于多特征的高分辨率遥感图像分析方法,并以北京地区亚运村的城市土地利用的识别检测为例对该方法进行相应的阐述.     

基于多特征融合的遥感影像变化检测算法

针对传统的变化检测算法主要依赖像斑的光谱信息,未能有效地利用影像多特征检测优势的问题,基于面向对象的分析思想,提出一种多特征融合的遥感影像变化检测算法。首先,以多尺度分割的影像对象为基础,统计各对象的颜色直方图和边缘直线梯度直方图;然后,利用推土机距离计算不同时期对象之间的颜色距离和边缘直线特征距离,采用自适应加权方法将颜色距离和边缘直线特征距离组合构建对象的异质性;最后,采用直方图曲率分析获得像斑的变化检测结果。实验结果表明,该方法能够充分融合颜色和边缘直线特征,提高变化检测的精度。     

基于光谱曲线特征的水污染遥感监测研究

利用先进的野外光谱测试仪对德兴铜矿矿区水污染进行精细测量，分析了污染水体的波谱曲线特征。根据污染水体的波谱特征，结合ASTER卫星数据的波段特性，基于三原色机理设计假彩色合成方案，分析识别水体污染类型和污染程度，并提供了科学的水体污染波谱曲线。     

基于面特征的遥感图像几何校正模型

传统的遥感图像几何校正模型是基于控制点建立的。然而在很多情况下,图像的面特征比点特征更易自动提取。提出面特征之间距离的定义及算法,在此基础上利用控制面建立误差方程,实现基于面特征的几何校正。以Land-sat、ALOS和Quickbird影像为例进行了试验,结果表明,本文的方法可用于不同的卫星影像和成像模型。当控制资料不含粗差时,利用控制面和控制点的校正精度基本一致,可达到1个像素以内;当控制资料含有粗差时,基于面特征的几何校正模型比基于点特征的几何校正模型具有更强的容错能力。     

基于遥感影像纹理特征的湿地植被分类

为了监测自然因素和人为活动对湿地生态系统的影响,采用高分辨率遥感影像进行快速湿地植被群落检测是非常必要的。提出了一种基于纹理特征的湿地植被群落自动分类算法,并通过实例证明,该算法可有效提高湿地植被的分类精度。     

遥感影像上基于特征的道路提取方法

从遥感影像上提取道路信息是当前遥感技术应用研究的主要方向之一.文中在详细分析航空遥感影像上道路特征及目前国内外关于道路提取技术的前提下,综合考虑各种实际情况,提出了一种新的基于特征的道路提取模型.在算法实现过程中,采用了自适应分块边缘检测、多尺度侦测道路中心点、自适应对比度调整、道路中心点综合判断准则等技术手段,保证了提取结果的稳健性、准确性.实验表明该算法能够快速、稳健地从航空遥感影像上提取道路中心骨架线.     

遥感影像上基于特征的道路提取方法

从遥感影像上提取道路信息是当前遥感技术应用研究的主要方向之一。文中在详细分析航空遥感影像上道路特征及目前国内外关于道路提取技术的前提下,综合考虑各种实际情况,提出了一种新的基于特征的道路提取模型。在算法实现过程中,采用了自适应分块边缘检测、多尺度侦测道路中心点、自适应对比度调整、道路中心点综合判断准则等技术手段,保证了提取结果的稳健性、准确性。实验表明该算法能够快速、稳健地从航空遥感影像上提取道路中心骨架线。     

基于SIFT特征的遥感影像自动配准

遥感影像的自动配准是长期以来一直未能很好解决的一个重要问题。本文将视频图像匹配中获得巨大成功的SIFT（Scale Invariant Feature Transform）特征应用于遥感影像的自动配准问题中，并且针对遥感影像的成像特点，给出了一种具体的特征匹配方法。对航空和航天遥感影像在不同的变形、不同的光照变化和不同的分辨率下进行的大量实验表明，该方法具有稳定、可靠、快速等特点。     

基于多特征融合的遥感影像土地利用分类

高分辨率遥感影像因其所含较为丰富的影像信息,在城市规划、环境评价、林业测量等领域得到了广泛应用。然而,由于遥感影像具有背景复杂、地物结构多样、细节丰富等特点,往往存在分割精度低的问题。此外,遥感影像中目标如建筑物、河流和林地等地物通常存在尺寸大小不一致的问题,难以做到精细化分割。针对以上问题,本文提出了基于多特征融合的卷积神经网络模型。该模型分为编码器和解码器两部分。在编码阶段,本文使用跨卷积层级的多尺度特征融合策略提取特征;在解码阶段,为了准确地恢复影像的细节信息,本文设计了能够融合不同层级卷积特征的解码器。同时,本文对成都市的高分系列遥感卫星影像标注,设计对比实验验证了本文模型的有效性。     

基于形态学特征和神经网络的遥感影像分类

在遥感技术不断发展、空间分辨率不断提升的大背景下,对遥感影像进行特征提取并进行分类成为遥感的重要课题。本文采用数学形态学技术进行特征提取,得到了形态特征、扩展形态特征、属性特征、扩展属性特征这4种形态学特征类。利用形态学特征和BP神经网络,改变采用的形态学特征,形态学特征提取中使用的参数以及BP神经网络的隐藏层数和隐藏层神经元数分别进行监督分类,计算各自的OA以及Kappa系数,比较其大小。分类结果精度评价表明扩展形态特征分类效果和扩展形态特征分类效果较好,适用于对遥感影像分类;而隐藏层神经元的数目和隐藏层的层数对分类结果没有显著影响。     

基于信息熵的遥感影像特征离散化方法

利用信息熵方法对遥感影像的光谱特征进行离散化,根据信息熵的准则函数,寻找断点,对属性进行区间分割,以提高数据处理效率。并用决策树方法对多光谱遥感影像进行分类,通过对比离散化前后的分类效果分析离散化对多光谱遥感影像分类的影响,实验结果证明了该方法的有效性。     

基于过渡区特征的全色遥感图像冰雪识别

针对全色图像的冰雪识别问题,以过渡区理论为基础,提出基于过渡区特征的冰雪识别方法.首先利用K-均值聚类方法分离云、雪与其他地物,再通过SUSAN(smallest univalue segment assimilating nucleus)边缘检测提取过渡区图像;然后设立描述过渡区大小的特征量——厚度,并与过渡区的均值和方差特征量组合成特征向量,用以分析过渡区特征,识别具有冰雪过渡区特征的点,构成冰雪边界;最后经过边界生长和区域填充,实现冰雪识别.以“北京一号”小卫星全色图像为遥感数据源,应用该方法及过渡区阈值法、迭代自组织法和面向对象纹理分析法分别提取冰雪覆盖区.该方法的冰雪识别精度达到97.39％,明显高于其他识别方法,表明该方法能获得较高精度的冰雪识别结果和丰富的边缘信息,可为云雪分离及雪线提取等方法研究提供参考.     

基于形状特征的高分辨率遥感影像目标分割

高分辨率遥感影像可以提供更多的地面目标的形状结构与纹理信息,但由于其细节信息特别丰富,因此为相关地物目标的特征检测与提取带来了一定的复杂性.综合梯度边缘检测、区域标识处理与目标形状特征分析技术,提出一种高分辨率遥感影像上建筑物快速提取的方法,并通过试验证明该方法的可行性、快速性和有效性.