面向对象解译方法在遥感影像地物分类中的应用

针对高分辨率遥感影像快速高效萃取有用信息这一遥感技术应用的热点问题,探讨了基于面向对象(Object-oriented)解译方法的遥感影像自动及半自动解译和提取的新思路.文中分析了面向对象解译方法在地物信息分类应用中的优势,并提出了基于此方法的高分辨率遥感影像多尺度信息提取技术流程.具体结合广州市新白云机场开发区IKONOS高分辨率遥感数据进行地物快速提取、自动分类的试验,并对解译效果进行了评估分析,证明此方法在高分辨率遥感影像地物分类中确实高效可行.     

遥感影像居民地信息自动提取方法研究进展

快速掌握居民地的时空分布和变化特征对于区域可持续发展具有重要意义。遥感技术的发展，为居民地的快速提取提供了新的途径。传统的人工目视解译费时费力，基于遥感影像的居民地信息自动提取势在必行。主要探讨了居民地信息自动提取的5种方法，即基于统计的分类法、谱间结构阀值法、归一化指数法、纹理分析法、地学专家知识分类法，讨论了各种方法的优缺点，总结了目前的研究进展。最后提出了居民地信息自动提取方法的发展趋势．认为多种分类方法相结合，建立居民地信息提取的专家系统将是今后研究的重点。     

基于DEM影像的黄土区域地形自动分割及沟头识别

进行区域地形的自动分割和地理对象的识别提取,对于现代地理分析具有重要意义。该文运用影像分析方法,以中国黄土高原的典型地貌区为实验区,提出了基于DEM影像的地形自动分割和沟头识别方法。在黄土区域地形分割中,以沟谷分支点为种子点,以地表剖面曲率特征分析结果为生长准则,实现了沟间地、沟坡地、沟底地的区域自动分割;在沟坡地形自动分割的基础上,运用面向对象的目标分类识别思路,结合对象的地形和水文特征,进行了沟头对象的自动识别。实验结果表明:地形自动分割结果精度均大于90%,沟头对象的识别准确度为88.27%,验证了该文方法的有效性和可靠性。     

基于ENVI ZOOM面向对象的高海拔灌丛植被提取——以定日县为例

利用ASTER数据,基于The Environment for Visualizing Images(ENVI)ZOOM 软件平台,采用面向对象的多尺度影像分割技术与规则创建相结合方法,提取了珠峰保护区核心区的灌丛植被类型.在对影像进行去阴影处理和各种辅助信息融合的基础上,使用Feature Extraction模块对影像进行分割,基于分割对象的高程、NDVI、纹理和光谱信息创建了适合研究区的灌丛提取规则.研究表明:该分类方法不仅能够克服传统基于像元分类方法中的"椒盐效应"问题,而且能够综合利用辅助信息(DEM、NDVI等)和地物本身的信息(光谱特征、纹理特征等),有效提高解译精度.以已有数据对分类结果进行了检验,分类精度达84 7%,分类结果较理想.     

震害损毁建筑物高分辨率遥感信息提取方法

利用高分辨率遥感数据,针对“512”地震中都江堰紫坪铺镇震害损毁建筑物的特征,研究了基于像元和面向对象两种快速提取方法.基于像元提出了基于“多层次区域分割”的震害损毁建筑物提取方法,与传统的分类提取方法相比,它体现着面向对象分析方法中的多层、分割思想.面向对象,利用多尺度分割思想,按照分割尺度的大小建立了三层体系结构,根据每一层的特征提取不同地物类别,分析其光谱、纹理、形状、上下文关系、空间位置等特征,建立各自的模糊判定规则,进行损毁建筑物的提取.分别从提取精度、目视效果和方法原理三方面对两种提取结果进行综合比较,结果显示:两种方法均能快速、准确地提取震害损毁建筑物信息,而面向对象提取方法成功地抑制了由于单个像元光谱异质性大而导致的高光谱遥感分类“胡椒盐”噪声,有效地解决了基于像元方法中存在的“同物异谱,同谱异物”现象,其总体精度(90.38％)比基于像元方法的总体精度(76.84％)更高.     

基于空域信息的PolSAR图像分割与分类方法研究

正极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)是一种先进的遥感对地观测系统。与单极化SAR相比,它能够获取更加丰富、全面的地物和目标散射信息,在国民经济建设和国防军事领域取得了越来越广泛的应用。PolSAR图像分割与分类是PolSAR解译的重要研究内容,对于提升PolSAR的应用水平具有重要的理论意义和实用价值。统计建模和极化目标分解是PolSAR解译中最主要的两类方法,然而随着图像分辨率的提高,空域信息更加突显,将有助于提升PolSAR解译的性能。本文系统研究了基于空域信息的PolSAR分割与分类方法,重点围绕PolSAR空域信息提取,以及如何有效地将空域信息应用于PolSAR的分割与分类。具体研究内容包括:     

基于GF-1遥感影像的艾比湖区域田间尺度土壤盐渍化监测方法

土壤盐渍化是制约农业生产和发展的主要障碍。目前土壤盐渍化的遥感监测主要基于中、低分辨率卫星影像,并采用传统的基于像元分类方法,对盐渍化信息的细节描述不足,监测精度不高。本文使用国产GF-1影像,结合自上而下的多尺度分割技术和面向对象的信息提取技术,针对田间尺度下的盐渍化信息进行精确地提取、分类,并与传统分类方法进行了对比。结果表明：面向对象法和最大似然法的分类总体精度分别为92.72%和84.31%,Kappa系数分别为0.90和0.78。该技术能准确提取田间尺度下的盐渍地信息,在未来的农田盐渍化高精度监测研究中具有一定应用价值和发展潜力。     

基于图模型和流形排序的遥感影像人工地物提取

人工地物自动提取是目标识别领域的重要研究内容。该文将图模型和流形排序算法相结合,提出一种基于遥感影像自动提取人工地物的算法。该算法在基于量子遗传算法的KSW熵分割算法获得影像人工地物先验值的基础上,构建以色调、纹理、方向等多特征为邻接边权重的图模型,并以超像素作为基本单位在图模型中进行流形排序,最终通过自适应阈值的方式获得人工地物分割结果。通过利用两幅不同分辨率遥感影像对该算法进行验证,结果显示该算法可以较为完整地提取人工地物,具有较高的正确识别率和较低的漏检率。     

基于面向对象的城市地物信息提取方法研究

20世纪90年代以来,高空间分辨率遥感影像数据的处理已成为遥感领域中的热点与难点。利用具有人的思维特点的面向对象的信息提取技术,对高分辨率遥感影像中的城市用地进行分类,分析和利用高分辨率影像的空间信息、结构信息与光谱特征等,总结了面向对象解译方法的5个步骤,即影像分割、分类方法的选择、地物种类分类,知识库构建、计算机自动分类。分类结果表明：（1）克服了“椒盐现象”;（2）信息提取的总体精度为92.19％,而且各类地物信息的提取精度均有所提高,特别是利用前期分类的拓扑关系有效提取了城市水体与建筑物阴影。     

基于高分辨率遥感图像的树冠面积提取方法

树冠面积调查是城市绿化调查中的一个主要内容。随着遥感技术的发展,如何利用高分辨率遥感图像快速、准确地提取树冠面积信息已成为城市绿化遥感研究的问题。该文提出一种基于射线法的半自动树冠面积提取算法,通过设定树冠中心点位置,引出若干条光谱射线,进行高次曲线拟合,求其拐点作为树冠边界点,从而得到树冠的面积信息。实验表明,对于重叠较少的树冠面积提取精度为87.82%,重叠较多的树冠面积提取精度为84.91%。     

基于ASTER影像的近海水产养殖信息自动提取方法

水产养殖地已经成为海洋环境监测的热点目标之一。采用具有高光谱分辨率和较高空间分辨率(15m)的ASTER遥感影像,以九龙江河口地区为研究示范区,进行近海水产养殖信息的自动提取方法研究。结果表明,利用ASTER影像的光谱信息和水产养殖地的纹理结构信息,可以实现近海水产养殖地的自动提取。先利用监督分类方法提取混淆有其他水体的水产养殖信息,采用邻域分析来增强水产养殖地的空间纹理信息。通过综合监督分类和水产养殖地空间纹理增强的结果,在专家决策分类器中建立决策规则,进行水产养殖地的自动提取,提取的精度达93%。     

基于ETM+土地利用与土地覆盖遥感信息提取研究

基于ETM 遥感卫星数据,使用层次分析法、光谱响应特征阈值算法、监督分类和无监分类方法,对实验区土地利用信息进行提取。研究结果表明:采用层次分析法对ETM 数据进行土地利用调查,可最大程度识别出土地利用类型;综合利用多种信息提取方法进行山区土地利用与土地覆盖信息提取具有速度快、技术操作简单、可识别类型多的特点;对林地和水域的分类识别精度可达85%以上,但对山区农村居民地的面积难以准确提取,必须借助人工解译方法,并参考其他辅助资料才能获取。     

遥感技术提取海岸线的研究进展

海岸带是比较活跃和脆弱的地段,快速而准确地监测海岸线的动态变化对于海域的使用管理具有十分重要的意义.遥感技术具有宏观、快速、综合、高频、动态和低成本等突出优势.重点介绍了利用阈值分割、边缘检测、色差算子提取、区域生长提取及神经网络分类等方法自动提取瞬时水边线,通过潮位校正进而提取海岸线的研究进展,分析了各种提取方法的优缺点,并就其存在的不足展望了今后的研究方向.     

基于高空间分辨率遥感影像的湿地信息提取技术研究

如何利用遥感技术获取高精度的湿地信息是湿地遥感研究中的重要内容之一.基于高空间分辨率的遥感影像数据,研究利用面向对象的分类方法,综合利用遥感数据的光谱信息、纹理特征、拓扑关系等信息进行多尺度分割,通过对对象的目视解译建立隶属度函数,并结合最邻近分类法,获取湿地信息.并以福建省闽江口湿地为例,采用高分辨率的SPOT5影像数据,研究表明：利用面向对象的方法对SPOT5遥感影像进行湿地信息的提取精度达到90.40%,为湿地信息的提取又提供了一个有效的方法.     

基于改进DeepLabv3plus算法的遥感图像海岛建筑提取方法

目前海岛经济快速发展,为避免海岛建筑无序扩建,了解海岛建筑分布特征尤为重要。机器学习方法是从高分遥感影像提取地物目标的常见方式,然而建筑物遥感特征复杂,机器学习方法出现鲁棒性差、难以充分挖掘深层次特征的弊端。文章提出基于DeepLabv3plus网络模型的深度学习语义分割方法提取海岛建筑,并对网络结构进行改进,使用组归一化（GN）方法替代批归一化（BN）以适合小batch size下的语义分割操作。针对海岛建筑数据量较少的问题,采用迁移学习策略,设计基于多源数据的国内城市建筑数据集的预训练样本智能采集和标注方法,再人工标注中国部分海岛建筑进行算法实验。结果表明,在batch size较小时,基于GN的DeepLabv3plus语义分割算法的平均精度和mIoU均得到提升,能够获得更为精确的像素级海岛建筑提取结果。     

应用基于纹理的面向对象分类模糊方法提取水田信息

针对面向对象分类方法进行图像处理时出现大量冗余多边形及其分类结果出现斑点等不足,提出基于纹理特征的分割方法。先对原始图像进行纹理增强、主成分分析、低通滤波和图像分割等预处理,得到原始图像的纹理特征二值图;将二值图作为独立波段与其他波段进行假彩色合成,得到纹理增强图,再对其进行多尺度分割和模糊分类。以南京市浦口区2002年9月SPOT图像为例,分别利用上述两种方法提取图像中的水田信息,基于纹理特征的分割方法克服了面向对象分类方法的不足,并且由于在进行模糊分类时分割出的对象大量减少,一定程度上减小了确定模糊区间的难度,较好地提取出水田信息,提高了图像的分类精度。     

基于单极化TerraSAR-X影像提取建筑区研究

基于多时相单极化TerraSAR-X影像,提取后向散射系数特征影像、变差函数纹理特征影像、干涉特征影像,并对其波段组合,在基于eCognition软件多尺度分割的基础上,选择训练样本对象,充分挖掘样本对象的光谱、纹理特征信息,通过建立特征分离性指标,降低特征维数,最后应用面向对象的分类方法实现了建筑区的自动提取,提取精度达93.50%。这一研究表明特征组合影像具有较大的分割优势,特征的优化选择在减少特征冗余的同时维持了较高的信息提取精度,且弥补了eCognition软件纹理特征计算慢的不足。     

一种基于标记分水岭的高分辨率遥感影像分割方法

为避免分水岭分割高分影像的过分割现象并充分利用高分影像的特点,该文提出一种基于标记的分水岭分割方法,即基于影像先验知识指导分割的原则,对遥感影像进行各向异性扩散平滑滤波后,计算生成融合了光谱和纹理特征的梯度图像;从梯度图像中提取标记重建对象的边缘特征,并执行基于标记的分水岭变换,得到最终的分割结果.实验表明,该方法能够充分利用高分影像的特征信息,并能有效地抑制分水岭过分割现象.     

基于形态学的多尺度遥感图像分割方法

基于形态学提出了多尺度遥感图像分割方法。首先使用面积形态学算子处理原始图像,构造不同尺度下的遥感图像;然后提取多波段遥感图像梯度,充分利用遥感图像的多波段信息;再在不同尺度的图像上使用区域标记方法提取标记,作为分水岭分割算法的生长点;最后使用分水岭分割实现对遥感图像的多尺度分割。该方法在Matlab中予以编程实现,并将其应用于江苏省海安SPOT影像中,实现对图像不同尺度的分割,能够有效提取出多波段遥感图像中不同尺度下的地物。     

分层信息提取法在县域土地 利用/覆被遥感中的应用

高精度地获取县(或县级市)域土地利用/覆被的定性、定量信息对于维护生态环境和保障我国农村经济的可持续发展具有重要意义。针对2003年冬季所获得的江苏省新沂市的TM图像特点,选择分层信息提取法提取土地利用/覆被信息。首先对图像进行基于最大似然法的监督分类,观察分类结果,提取误分、错分比例最小的未利用地类型,然后采用光谱分析法提取出水体范围、监督分类和目视解译相结合法提取出城镇建设用地和农村居民点、归一化植被指数提取出林地,最后提取出耕地。信息提取结果与同期土地利用图相比较,整个新沂市域范围内土地利用/覆被类型分类的面积精度达到96.17%,空间精度达到88.38%,表明这种方法提取遥感图像土地利用/覆被信息是可行的。